Исследование методов управления портфелем ценных бумаг на основе машинного обучения

Оригинал документа в pdf, конвертация в Word автоматическая (в word могут быть недочеты, которые вы легко исправите самостоятельно)

В настоящей работе рассматриваются вопросы применения современных методов машинного обучения для управления портфелем ценных бумаг на фондовом рынке, в частности для прогнозирования стоимости. Актуальность тематики подчеркивается важностью учета динамики текущей рыночной ситуации при проведении аналитических исследований, составлении экономических прогнозов, а также при принятии финансовых решений. Увеличение объема различных факторов, влияющих на цену актива, предполагает необходимость работы с большими данными и подчёркивает важность применения методов искусственного интеллекта. В качестве математического аппарата для проведения исследований выбраны различные методы глубокого обучения и машинного обучения с учителем и с подкреплением. Для отработки указанных методов первой модельной задачей является осуществление краткосрочного прогноза котировок акций с целью принятия торговых решений, а второй - управление портфелем, состоящим из ценных бумаг одного эмитента. В статье затрагиваются важные вопросы формирования обучающих данных с дальнейшим выбором наиболее информативных признаков на основе биржевой информации и различных индикаторов. Для оптимизации исходных данных используется подход, заключающийся в удалении сильно коррелирующих между собой признаков и применении алгоритма RFE (Recursive feature elimination). Проводятся экспериментальные исследования с применением модели линейной регрессий, метода опорных векторов, алгоритма CatBoost, нейронной сети LSTM и алгоритма A2C. Даются выводы о возможности применения полученных результатов при принятии краткосрочных финансовых решений, а также выводы о работе алгоритма обучения с подкреплением, выполняющего функцию управления портфелем ценных бумаг.

В настоящее время происходит активное развитие методов искусственного интеллекта и их применение в различных прикладных областях, начиная с сельского хозяйства и заканчивая космическими исследованиями. В связи с нарастающей востребованностью важное место занимает управление портфелем ценных бумаг на фондовом рынке, в первую очередь это оценка и прогнозирование стоимости. Необходимо отметить, что прогноз ценовых котировок используется как для принятия финансовых решений, так и для оценки различных экономических показателей, т.к. фондовый рынок отражает состояние отдельных отраслей и всей экономики в целом. Увеличение объема биржевых данных и потока информации, влияющего на цены активов, привлекает в эту сферу как технических специалистов, так и ученых в области искусственного интеллекта и обработки больших данных.

Настоящая работа посвящена исследованию современных методов машинного обучения, направленных на решение сложной и актуальной задачи управления портфелем ценных бумаг на основе прогнозирования динамики фондовых рынков. В качестве модельной задачи рассматривается формирование краткосрочного прогноза котировок акций с целью принятия торговых решений, а также управление портфелем, состоящим из ценных бумаг одного эмитента. Для решения данной задачи, как правило, применяют два типа алгоритмов машинного обучения: обучение с учителем и обучение с подкреплением. В настоящем исследовании предполагается с применением языка программирования Python разработать модели на базе обоих типов алгоритмов. На основе имеющихся биржевых котировок, рассматривается задача извлечения дополнительной информации и информативных признаков. Исследуются вопросы оптимизации информативных признаков с целью формирования качественной обучающей выборки. Отдельный раздел посвящен проведению экспериментов с применением модели линейной регрессий, метода опорных векторов, алгоритма CatBoost, а также построении и использовании нейронной сети LSTM и алгоритма A2C. Методы исследования

Структура работы

В первой главе дана постановка задачи, введение в рынок ценных бумаг

и обзор классических методов решения задачи управления портфелем ценных бумаг.

Во второй главе исследованы и формально описаны современные методы машинного обучения, используемые в частности для решения задачи управления портфелем ценных бумаг.

В третьей главе предложены методы и алгоритмы для управления портфелем ЦБ и прогнозирования стоимости акций. В четвёртой главе исследуются практические вопросы построения соответствующей информационной системы, проводятся экспериментальные исследования.

Оглавление

Список сокращений .................................................................................... 3

Введение ..................................................................................................... 4 1 Постановка и исследование методов решения задачи управления

портфелем ценных бумаг ..................................................................................... 7 1.1 Введение в рынок ценных бумаг ...................................................... 7 1.2 Постановка задачи ............................................................................. 9 1.3 Исследование современных методов и подходов к решению

задачи ............................................................................................................... 10

2 Современные методы машинного обучения и их применение для

решения задачи управления портфелем ЦБ ...................................................... 15 2.1 Модели обучения с учителем ......................................................... 15

2.2 Модели глубокого обучения ........................................................... 17

2.3 Модели обучения с подкреплением ............................................... 22

3 Разработка метода решения задачи ...................................................... 27

3.1 Алгоритмы для построения моделей прогнозирования стоимости ценных бумаг ................................................................................................... 27

3.2 Алгоритм для построения модели управления портфелем ценных бумаг ................................................................................................................ 34

4 Практическое исследование решения задачи....................................... 37 4.1 Инструменты и подготовка данных ............................................... 37 4.2 Построение и обучение моделей с учителем ................................. 45 4.3 Построение и обучение модели с подкреплением......................... 51

Вывод ........................................................................................................ 55 Список используемых источников .......................................................... 57 Приложения .............................................................................................. 60