Модель системы поддержки принятия решений на финансовых рынках для предприятий на основе вероятностного анализа и машинного обучения
Электронный научный архив УРФУ
Информация об архиве | Просмотр оригинала| Поле | Значение | |
| Заглавие |
Модель системы поддержки принятия решений на финансовых рынках для предприятий на основе вероятностного анализа и машинного обучения
Model of the De cision Support System on the Financial Markets for enterprises Based on Probability Analysis |
|
| Автор |
Синицын, Е. В.
Толмачев, А. В. Sinitsyn, E. V. Tolmachev, A. V. |
|
| Тематика |
MODEL
DECISION SUPPORT SYSTEM MACHINE LEARNING TIME SERIES FORECASTING PROBABILISTIC ANALYSIS THE BAYES METHOD МОДЕЛЬ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ МАШИННОЕ ОБУЧЕНИЕ ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ ВЕРОЯТНОСТНЫЙ АНАЛИЗ МЕТОД БАЙЕСА |
|
| Описание |
Expanding the portfolio of instruments for finance management of an enterprise in order in order to increase the return on investments is a task of current interest. In the article, we discuss a model of the trading decision support system in financial markets based on probability analysis and machine learning, which can be used to solve the above problem. The aim of this work is to develop and test a model of the decision support system for trading operations with stock financial instruments as a part of the enterprise financial management process. The model is based on machine learning technologies that provide acquisition of large amounts of input data, its primary processing, the formation of a multi-dimensional space of feature vectors, and its transformation. The forecasting method is based on the Bayesian rule. The obtained Bayesian probabilities are stored in a hypercube which is used to determine the rules for trading decisions making. The developed model was tested on historical data of the futures market of the Moscow Exchange in the case of the RTS Index Futures as the main instrument for transactions and the USD-RUB Futures as an auxiliary instrument used for analysis. To evaluate the results of testing, quantitative metrics have been developed, which include the number and volume of profitable and unprofitable transactions, the average profit/loss per transaction. These metrics were used for analysis of effectiveness and limits of applicability for the developed model. The model can be implemented as a software HFT robot that can provide the probability to get profit greater than the probability of losses. As a further step in the development of this topic, research can be undertaken on the mechanisms for the formation of feature vectors using data mining methods.
Расширение портфеля инструментов для управления финансами предприятия с целью повышения доходности вложений является актуальной задачей. В статье мы обсудили модель системы поддержки принятия торговых решений на финансовых рынках на основе вероятностного анализа и машинного обучения, которая может быть использована для ее решения. Целью работы является разработка и апробация модели системы поддержки принятия решений при совершении торговых операций с биржевыми финансовыми инструментами в рамках процесса управления финансами предприятия. Модель основана на технологиях машинного обучения, обеспечивающих получение больших объемов исходных данных, их первичную обработку, формирование многомерного пространства векторов признаков и его трансформацию. Метод прогнозирования рассмотрен на основе правила Байеса. Полученные байесовские вероятности собраны в гиперкуб, который используется для определения правил принятия торговых решений. Разработанная модель протестирована на исторических данных срочного рынка Московской биржи на примере фьючерса на индекс РТС в качестве основного инструмента для выполнения операций и фьючерса на курс доллара США к рублю в качестве вспомогательного инструмента, используемого для анализа. Для оценки результатов тестирования разработаны количественные метрики, включающие в себя количество и объем прибыльных и убыточных сделок, среднюю/средний прибыль/убыток в расчете на одну сделку. С их помощью проанализирована эффективность и границы применимости разработанной модели. Модель может быть реализована в виде программного HFT-робота, способного обеспечить вероятность получения прибыли, превышающую вероятность потерь. В качестве дальнейших шагов по развитию данной темы могут быть предприняты исследования механизмов формирования векторов признаков с помощью методов интеллектуального анализа данных. |
|
| Дата |
2020-01-23T12:24:22Z
2020-01-23T12:24:22Z 2019 |
|
| Тип |
Article
Journal article (info:eu-repo/semantics/article) Published version (info:eu-repo/semantics/publishedVersion) |
|
| Идентификатор |
Синицын Е. В. Модель системы поддержки принятия решений на финансовых рынках для предприятий на основе вероятностного анализа и машинного обучения / Е. В. Синицын, А. В. Толмачев // Вестник УрФУ. Серия: Экономика и управление. — 2019. — Том 18. — № 3. — С. 378-393.
2412-5725 http://elar.urfu.ru/handle/10995/79534 10.15826/vestnik.2018.17.3.019 |
|
| Язык |
ru
|
|
| Связанные ресурсы |
Вестник УрФУ. Серия: Экономика и управление. — 2019. — № 3
|
|
| Формат |
application/pdf
|
|
| Издатель |
Издательство Уральского университета
|
|