Сайт Информационных Технологий

Применение регуляризирующего байесовского подхода в системе поддержки принятия решений

на валютном рынке

С.Ж. Филиппов

Санкт-Петербургский государственный электротехнический университет “ЛЭТИ”

Abstract - The article is devoted to one of the possible methods of constructing Decision Support Systems in the field of currency dealing, based on Regularizating Bayesian Approach. The main stages of such systems constructing are given.

Игра на валютных курсах – валютный дилинг – представляет собой один из серьезных видов бизнеса. В настоящий момент для достаточно широких кругов в России стали доступны как отечественный, так и западные финансовые рынки. Многие финансовые инструменты не требуют значительных капиталов и вполне доступны не только юридическим, но и частным лицам. При правильном подходе к операциям на валютном рынке они могут приносить достаточно большие прибыли. Но для того, чтобы эту прибыль получить, дилер должен использовать в своей деятельности современные передовые средства поддержки принятия решений и анализа ситуации на рынке, иначе он просто не справится с потоком поступающей информации, потеряет представление о состоянии финансовых инструментов, начнет принимать неправильные решения и в скором времени отправится с валютной биржи на биржу труда.

Международный валютный рынок, как и любой другой, обладает общими закономерностями и характеристиками, присущими сложным системам вообще. Финансовая информация носит неполный, неточный и нечеткий характер. А для успешной, а значит и прибыльной, работы на любом финансовом рынке необходимо уметь прогнозировать движение цен, применительно к валютному рынку – курсов валют. Таким образом сама суть валютного дилинга заключена в том, что выигравшим всегда будет тот, кто более точно смог проанализировать имеющуюся информацию и сделать по ней наиболее точные выводы – прогнозы. Во времена зарождения международного валютного рынка точность такого анализа определялась в первую очередь личным опытом участника рынка и решения принимались на основании его предпочтений, интуиции и т.д. При таком подходе к принятию решений слишком многое зависело от дилера, от его способности быстро принимать правильные решения – эффективность принятых таким образом решений не всегда отвечала требованиям, а сам валютный дилинг многими приравнивался к одной из форм азартных игр, а не к серьезным видам бизнеса. С развитием рынка ситуация несколько изменилась. Сейчас применение специальных инструментальных систем в задачах финансового анализа стало основной формой работы по обработке информации и принятию решений. Таким образом эффективность работы валютного дилера сейчас во многом зависит от применяемых им методов анализа или используемых программных средств.

Обобщая вышесказанное следует отметить, что одним из главных вопросов информатизации валютного дилинга является разработка системы, обеспечивающей в условиях неполной информации, представленной в различных формах, получение достоверных решений, способной определить текущую ситуацию на рынке (например направление тренда), а также способную прогнозировать развитие ситуации на рынке.

Можно указать ряд требований, которым соответствует эта система. Во-первых решения, вырабатываемые системой, должны соответствовать определенным показателям точности, надежности и достоверности. Во-вторых в системе должны учитываться не только параметры самого валютного курса, но и все другие доступные показатели, связанные с валютным рынком и, в первую очередь, данные макроэкономического анализа. В третьих информация, будь то данные валютного рынка или набор индикаторов, должна подбираться не по желанию пользователя, а в соответствии с некоторой оптимальной стратегией. И наконец, в-четвертых система предоставляет не одно, а ряд решений, каждое из которых характеризуется некоторым показателем достоверности, в результате пользователь может получить полную картину развития событий.

Основой для создания такого рода систем может быть регуляризирующий байесовский подход (РБП). В рамках РБП к общей методологии байесовского оценивания добавляется измерительный подход, используется шкалирование, метризующее пространство байесовских решений. Принципы РБП дают возможность обеспечить получение соответствующих оценок и требуемого качества их определения. Квантификация пространства рассматриваемых ситуаций позволяет сформировать их репрезентативное множество в виде многомерных и интегральных шкал ситуаций, в качестве реперов которых выступают градации признаков или типовых классов ситуаций, отстоящие друг от друга на заданное расстояние. Обобщение текущей системной информации и информации заранее известной, содержащейся в соответствующих базах знаний, в рамках наборов априорных, текущих и апостериорных динамических шкал позволяет как эффективно обеспечивать динамическое представление данных так и обеспечить надлежащие метрологические характеристики возможных решений. Так же следует отметить, что система, основанная на данной методологии, способна к обучению, что следует из самой концепции байесовского подхода, предоставляющего возможность в процессе получения новых знаний корректировать системные показатели и достигать более точных решений. Байесовский подход позволяет осуществлять формализацию интегральных стратегий управления на основе учета как объективной, так и субъективной, нечеткой информации, в том числе личного опыта и мнений специалистов. Определенным выбором и настройкой системы штрафных функций в байесовских решающих правилах можно уменьшить риск принятия неверных решений и повысить надежность. Обобщая вышесказанное можно отметить, что регуляризирующий байесовский подход был выбран в качестве основы для построения системы принятия решений в области прогнозирования валютных курсов как наиболее подходящий и перспективный метод.

Уравнение байесовских интеллектуальных измерений, лежащее в основе рассмотренного выше подхода, в общем виде выглядит следующим образом:

где hk – результат измерения в форме значения параметра, аналитического выражения функции, вывода или рекомендации, являющийся элементом множества решений Hk, представляющего собой носитель соответствующей шкалы байесовских интеллектуальных измерений (БИИ), т.е. обеспеченные метрологическими характеристиками, включающими показатели точности, надежности и достоверности. Рк – вероятность появления результата при данных условиях БИИ yi, поступившей в ходе БИИ экспериментальной информации xi' XI, реализованном алгоритме j j из множества алгоритмов Фj. CB – байесовское решающее правило, оптимизирующее выбор решения из множества возможных. А - априорная информация, О - ограничения, М - метрологические требования.

Как уже было сказано выше при применении данной методологии используется байесовское решающее правило и следовательно свертка априорной и текущей информации производится в соответствии с формулой Байеса:

, где P( hk | xi ) - апостериорная байесовская достоверность решения при условии поступления текущей информации. Pa(hk) - априорная вероятность решения.

l( xi | hk ) - функция правдоподобия.

В настоящей работе в качестве объектов исследования рассматриваются финансовые рынки, представляющие собой сложные объекты с динамическими характеристиками и активно взаимодействующие с внешней средой (т.е. с сопряженными рынками, общей экономической системой и т.д.).

В качестве особенности моделирования данных систем следует отметить наличие обширной статистической информации по различным параметрам объекта (т.е. различным характеристикам и показателям финансового рынка), но сложность в определении степени важности тех или иных показателей, т.е. их способности влиять на основной прогнозируемый показатель – движение валютного курса. Еще одним важным фактором является отсутствие четких количественных показателей для основной информации по внешней среде. В данном случае эту информацию можно рассматривать лишь с точки зрения нечеткого моделирования.

Рассмотренный выше байесовский подход позволяет решить следующие основные задачи:

разработка оптимальных дилинговых решений и соответствующих управляющих рекомендаций.

При этом в качестве этапов построения системы можно рассмотреть следующие:

Исходя из вышесказанного на этапе спецификации среды и построения модели состояние валютного рынка можно рассматривать как композицию основных состояний фундаментальных факторов, технических факторов и социально-психологических факторов.

где Sil(ф) – фундаментальные факторы,

Sjl(тех) - технические факторы,

Skl(сп) - социально-психологические факторы, n1, n2, n3 – число факторов.


Site of Information Technologies
Designed by  inftech@webservis.ru.