Українські рефератиучбові матеріали на українській мові

RefBaza.com.ua пропонує студентам та абітурієнтам найбільшу базу з рефератів! Також ви можете ділитися своїми рефератами для поповнення бази.

Модель прогнозування параметрів фінансових та оптимального управління інвестиційним портфелем

Реферат: Модель прогнозування параметрів фінансових та оптимального управління інвестиційним портфелем

Побудова математичну модель прогнозування поведінки є складним завданням у зв'язку з сильним впливом політичних вимог і інші проблеми (вибори, природні катаклізми, спекуляції великих учасників ринку…).

У основі моделі лежить аналіз деяких критеріїв з наступним висновком щодо поведінки дохідності і цінових показників. У набір критеріїв входять різні макро- і мікроекономічні показники, інформація з торгових майданчиків, в експертних оцінках фахівців. Процедура прогнозування складається з етапів:

1. Підготовка й попередня фільтрація даних;

2. Аппроксимация шуканої залежності лінійної функцією;

3. Моделювання похибки з допомогою лінійної мережі.

Для підвищення точності моделі практикується нелінійний аналіз з допомогою багатошарової однорідної нейронної мережі. Етапи проведення нелінійного аналізу, у системі збігаються зі стандартними кроками під час роботи з нейросетями.

1-ї етап. Підготовка вихідних даних.

Выходными даними є zi = yi-pi, де yi - реальне значення прогнозованою величини певну дату, pi - інтерв'ю, розраховане цій даті з допомогою лінійного аналізу.

2-ї етап. Нормування вхідних сигналів.

(1)

де xij - j-я координата деякого критерію Xi, M[Xi] - вибіркова оцінка середнього квадратичного відхилення.

3-й етап. Вибір функції активації й архітектури нейронної мережі.

Використовуються функції активації стандартного виду (сигмоидная, ступінчаста), і навіть наступного виду:

(2)

(3)

(4)

(5)

Архітектура нейронної мережі представлена малюнку:

S1

f1

вектор

вхідних

P.S

сигналів вектор

выходн.

f1

Sm

Вектор сигналів

вхідних

сигналів

Введено такі позначення: Sj - лінійні сумматоры; fj - нелинейные функції; використовувані для апроксимації; P.S - підсумковий акумулятор.

4-й етап. Вибір алгоритму навчання нейронної мережі, заснованого одному з наступних методів: зворотного поширення помилки, градиентного спуску, методу пов'язаних градієнтів, методі Ньютона, квазиньютоновском. Методи оцінюються за часом, затрачиваемому навчання за величиною похибки.

5-ї етап. Підсумкові обчислення кордонів прогнозованого значення:

P=Pлин+Рнелин±Енелин

де Р — підсумкове прогнозоване значення, Рлин і Рнелин значення лінійного і нелінійного аналізів. Енелин — похибка отримана на етапі нелінійного аналізу.

Результати завдання прогнозування використовують у побудованої її основі завданню оптимального управління інвестиційним портфелем. У основі розробленої завдання управління ідея мінімізації трансакційних витрат із переведення портфеля до класу оптимальних.

Використовуваний похід грунтується на припущеннях, що ефективність інвестування на якийсь набір активів є реалізацією багатовимірної випадкової величини, математичне очікування якої характеризує дохідність (m={mi}i=1 n, де mi=M[Ri], i=1 n), матриця ковариаций — ризик (V=(Vij), i,j=1 n, де Vij=M[(Ri-mi)(Rj-mj)],i,j=1 n). Описані параметри (m,V) є оцінку ринку України і є або прогнозованою величиною, або задаються експертно. Кожному вектору Х, описывающему відносне розподіл засобів у портфелі, можна експортувати відповідність пару оцінок: mx=(m,x), Vx=(Vx,x). Розмір mx є середньозважену дохідність портфеля, розподіл засобів у якому описується вектором Х величина (варіація портфеля [3,5]) є кількісної характеристикою ризику портфеля x. Введем в розгляд оператор Q, діючий з простору Rn у просторі R2 (критериальная площину [3]), що ставить у відповідність вектору x пару чисел (mx, Vx):

Q: Rn-R2


Схожі реферати

Статистика

[1] 2