Сфера финансовых приложений нейронных сетей практически безгранична. Любая задача, связанная с манипулированием финансовыми инструментами - будь то валюта или ценные бумаги - сопряжена с риском и требует тщательного расчета и прогнозирования. Как изменятся завтра котировки основных валют ? Вернет ли кредит внешне благополучная фирма ? Как подобрать прибыльный и вместе с тем надежный "портфель инвестора" ? Эти и сотни других вопросов приходится ежедневно решать аналитическим отделам финансовых (да и не только финансовых) компаний, привлекая все виды аналитических инструментов. Не случайно четвертую часть рынка нейросетевых продуктов (напомним, что объем мирового рынка нейронных сетей ежегодно прирастает на 40% и в 1994 году преодолел рубеж 600 млн. долларов) составляют финансовые приложения.
И свой путь на рынок России нейронные сети начали именно с финансовой сферы. Из полусотни нейросетевых программных пакетов, проданных за последний квартал в России, подавляющее большинство (около сорока) были приобретены для финансовых применений, причем двадцать - банками. А после того, как на нейронные сети обратили свой благосклонный взор такие "киты" как Инкомбанк, Автобанк и ЭлексБанк, процесс их дальнейшего распространения, похоже, перешел в режим самогенерации (оказывается, аргументы типа "хочу ножик как у Сережки" в ходу не только у детишек). Многие фирмы берут нейросетевые пакеты не только для решения конкретных задач, но и просто чтоб не отстать от конкурентов в освоении нового оружия.
В чем "изюминка" нейронных сетей, делающая их столь привлекательными для всевозможных задач прогнозирования и распознавания ? Не вдаваясь в детали, можно сказать, что в настоящее время известны четыре принципиально разных подхода к решению задач анализа.
Во-первых, вы можете использовать классические методы анализа (например, корреляционные) - если данные взаимозависимы, а их объем относительно невелик. Во-вторых, можно построить экспертную систему, используя правила типа "если-то". В-третьих, можно воспользоваться методами модной сейчас нечеткой логики, оперируя качественными характеристиками типа "большинство", "надежный", "немного" и т.п. И, наконец, в-четвертых, когда объем входных данных огромен, об их взаимосвязях вы не имеете ни малейшего представления, к тому же часть информации искажена, а часть утеряна - в этих случаях на помощь приходят нейронные сети. Ваша задача лишь перечислить факторы, существенным образом влияющие на прогнозируемую величину, и подобрать достаточное число примеров, описывающих поведение этих величин в прошлом. Нейронная сеть сама "настроится" на заданную совокупность примеров, сведя к минимуму суммарную ошибку прогнозирования. Более того, анализ настроенной сети позволяет находить скрытые зависимости между входными и выходными данными, зачастую остающиеся "за кадром" традиционных методов. Предполагая, что характер взаимосвязи между заданными параметрами еще некоторое время существенно не изменится, вы можете использовать настроенную и обученную сеть для краткосрочного (а иногда и долгосрочного) прогнозирования.
"Ну-у-у, для нас-то это точно не подойдет...",- разочарованно протянет читатель, уже было заинтригованный холодным блеском "абсолютного оружия". Финансовый рынок у нас определяется исключительно курсом рубля, а рубль непредсказуем. А еще у нас загадочный парламент, своеобразные налоги, грандиозные финансовые пирамиды, простая до слез реклама - и еще много всего, что делает бизнес "по-российски" похожим на американские горки. Это все истинная правда, но позвольте внести некоторые уточнения.
Во-первых, рубль как и всякая другая валюта (включая всевозможные купоны, левы и тугрики) вполне прогнозируем - нужны только компьютеры помощнее да дюжина профессионалов. Игра на мировом валютном рынке давно превратилась в войну суперкомпьютеров. Истории, подобные легенде о Соросе, дерзкой игрой заработавшем за день миллиард, постепенно отходят в прошлое. И когда вы читаете в Financial Times, что йена уронила доллар еще на два пункта - это значит лишь, что вчера суперкомпьютер какого-нибудь "Сакура-банка" переиграл своего конкурента из Chase Manhattan (или наоборот).
Во-вторых, не такие уж мы исключительные. В истории все уже было - и локальные конфликты, и смуты междуцарствия и громкие скандалы вокруг дутых корпораций. Сценарии их развития и влияние на финансовый рынок хорошо изучены. Кроме того, за многие годы выработана целая система макроэкономических индикаторов, типа индекса Доу-Джонса или S&P 500, своеобразных "барометров" текущего состояния рынка. Многие из этих параметров исправно фиксируются с 1901 года, а базы данных по сводкам последних месяцев сами являются предметом бойкой торговли. Вы можете возразить, что для России таких показателей еще не заведено. Поверьте, они появятся в самом ближайшем будущем. Раньше, чем вы получите очередные дивиденды со своего ваучера.
Наконец, в-третьих (и это главное), состояние финансового рынка определяется не одним - пусть доминирующим -параметром, а целой совокупностью процессов разной природы, обладающих различной инерционностью. К примеру, курс доллара может рухнуть за один час (что уже и проделывал), однако ожидания брокеров, отражаемые в котировках фьючерсов на следующие месяцы, будут меняться гораздо медленнее. И если вы владеете инструментом для оценки скорости этого процесса (каким являются нейронные сети) и имеете хорошие нервы, у вас будет достаточно времени, чтобы успеть подготовиться и грамотно сыграть. В конце концов, что для вас важнее - предсказывать "черные вторники" или получать стабильную прибыль?
Давайте рассмотрим использование нейронной сети в финансовом прогнозировании на конкретном примере - предсказании курса валютных фьючерсов. Фирма, уже успешно применявшая нейросетевой пакет Brain Maker Pro для своих внутренних задач, в марте 1995 года решила попробовать его для прогнозирования котировок фьючерсов на МТБ. В качестве объекта прогнозирования - выходного параметра нейронной сети - была выбрана котировка фьючерсного контракта на $1000 с июньской датой оплаты. Входными параметрами для обучения сети являлись изменения курсов фьючерсов на май, июнь и июль за последние четыре биржевых дня (при этом динамика последнего дня учитывалась как отдельный параметр, вычисляемый по специальной формуле) и курс доллара к рублю за четыре дня. Обучающие данные включали сорок последних биржевых дней (два месяца). После шести с половиной тысяч шагов обучающего алгоритма (что заняло примерно 3 минуты счета) нейронная сеть стала вполне адекватно реагировать на весь набор предъявляемых примеров - т.е. обучилась.
После этого сеть использовали в течение десяти дней для предсказания сегодняшнего курса фьючерсов на июнь. Расчет делали в тот момент, когда становился известен текущий курс доллара и последняя котировка майского фьючерса. Как правило, до торгов по июньским фьючерсам оставалось около часа. Результат оказался неожиданно точен - сеть ни разу не ошиблась в предсказании тенденций изменения (падение или рост) и в девяти случаях из десяти отклонение реального курса от прогнозируемого составило не более 10 рублей. (Приводимые данные реальны и доступны для проверки).
Разумеется, подобную методику можно использовать и для игры на ГКО и для валютного дилинга и для многих других приложений. Однако данный пример достаточно характерен, поскольку показывает некоторые любопытные правила работы с нейронными сетями. Во-первых, как показывает опыт, нейронные сети, при всей внешней простоте их пользовательского интерфейса - инструмент тонкий и начинают слушаться своих владельцев лишь спустя 2-3 недели интенсивного освоения и "привыкания". Во-вторых, не оправдывает себя погоня за дешевизной при выборе инструментальных средств. Можно, конечно работать и с т.н. "студенческой" версией нейропакета ценой в три сотни долларов, однако для настройки на новую задачу необходим мощный профессиональный пакет типа BrainMaker Pro, OWL или им подобные. В-третьих, аналитические средства нейропакетов открывают новые возможности для исследования параметров задачи, поскольку настроенная сеть аккумулирует в себе скрытые закономерности предметной области. Например, в рассмотренном примере с фьючерсами нейропакет был также использован для анализа влияния сегодняшнего колебания курса доллара на котировки фьючерсов с отложенным сроком исполнения. Выяснилась весьма необычная закономерность : на отметке +30 рублей за торги наступает своего рода "насыщение" ожиданий брокеров и дальнейший рост курса уже не сказывается на котировках фьючерсов (в принципе, это можно объяснить, однако вывести такую зависимость традиционными аналитическими методами весьма проблематично).
А как же быть с ответственностью за принятие решений - ведь цена ошибки в финансовых операциях запредельно высока ? Советуем (вслед за американцами) применять следующую методику : если нейропакет показывает приближение "черного вторника", а ваш брокер наоборот, уверен, что все пойдет гладко - доверьтесь брокеру. В случае его ошибки вы не проиграете (т.к. ваш брокер, вероятно, достаточно опытен и вместе с ним ошибется большинство конкурентов) - ваш нейропакет, правильно предсказавший финансовый крах, подскажет и выигрышную стратегию игры. В случае ошибки пакета вы также не проиграете - только лишний раз отметите про себя, что нельзя бездумно доверяться компьютеру. А кроме того, есть масса задач, где цена разовой ошибки не столь высока и есть время для корректировки. Так, специалисты Инкомбанка всерьез подумывают об использовании нейропакета для выбора наиболее оптимальных мест для открытия новых филиалов. С методологической точки зрения такой подход беспроигрышен - сеть безусловно облегчит выбор среди хороших вариантов, а заведомо плохие в состоянии отбросить сам эксперт.
Если же сформулировать одной фразой место нейронных сетей в арсенале ваших финансовых инструментов, можно сказать, что это - подсказчик для опытного аналитика. Нейронная сеть не поможет неудачнику, однако игру хорошего брокера она может сделать блестящей.
Источник: icmm.ru
