![II.Основные соотношения(продолжение)
1. Локальная экспонента Липшица-Хёльдера:
d
i
i i i , где i = 1, 2, 3, 4.
i ( (q ) (q 1)) / q ( q )/ q
dq
2. Мультифрактальный спектр сингулярности :
fI ( ) arg min [ q i
( q )] (arg min [ q i
(q ) i ( q )])
q q](https://image.slidesharecdn.com/random-130213135145-phpapp01/85/-5-320.jpg)
![2.a. Динамическая модель финансового рынка
(продолжение)
Динамика цен:
xt 1
xt be t bw t ef t b (1 w t ) en t
Относительный доход двух стратегий за k шагов:
t 1 t 1 t 1 t 1
Rt [ xt ef j x j ef j ] / k [ x t en j x j en j ] / k
j t k j t k j t k j t k
Изменение доли F – трейдеров и N- трейдеров:
wt
wt 1 gR t
wt (1 wt )e](https://image.slidesharecdn.com/random-130213135145-phpapp01/85/-12-320.jpg)
![Presentation for iccms [автосохраненный]](https://cdn.slidesharecdn.com/ss_thumbnails/presentationforiccms-150703201043-lva1-app6892-thumbnail.jpg?width=560&fit=bounds)
![Presentation for iccms [автосохраненный]](https://cdn.slidesharecdn.com/ss_thumbnails/presentationforiccms-150222140158-conversion-gate02-thumbnail.jpg?width=560&fit=bounds)
More Related Content
More from Victor Romanov (20)
инновации и технологии
- 1. ИННОВАЦИИ И ТЕХНОЛОГИИ ПРОФЕССОР РОМАНОВ ВИКТОР ПЕТРОВИЧ, РЭУ ИМЕНИ Г.В. ПЛЕХАНОВА Romanov.VP@rea.ru
- 2. Основные направления исследований 1. Предиктор кризисных ситуаций на финансовых рынках на основе мультифрактального анализа 2. Моделирование финансовых рынков и симулятор(тренажер) трейдера на примере программного комплекса FIMAS. 3. Адаптивное АРМ трейдера – программно- аналитический комплекс SweetSuite 4. Оценка рисков кредитования физ. и юр. лиц на основе Clementine SPSS
- 3. 1. Мультифрактальный анализ • В качестве индикатора раннего предупреждения о надвигающемся кризисе на финансовом рынке была принято увеличение ширины мультифрактального спектра. Был проведен анализ и оценка ширины мультифрактального спектра сингулярности и получено подтверждение гипотезы о том, что расширение фрактального спектра является предупреждающим сигналом о предстоящей кризисной ситуации. ”Иглы”, определяющие расширение мультифрактального спектра на почасовом графике РТС 5.2008-11.2008
- 4. Функции партиций и скейлинг-функции Для каждой версии временных рядов вычисляем функцию партиций: N 0 q N (Z , q) | Z 0 ( KA ) (T ) Z 0(K 1) A | K 1 N 1 q N (Z , q) | Z K (T ) ZK 1 | K 1 0 log N (Z , q) log A log N 0 N (q ) log A 1 log N (Z , q) log A log N 1 N (q ) log A
- 5. II.Основные соотношения(продолжение) 1. Локальная экспонента Липшица-Хёльдера: d i i i i , где i = 1, 2, 3, 4. i ( (q ) (q 1)) / q ( q )/ q dq 2. Мультифрактальный спектр сингулярности : fI ( ) arg min [ q i ( q )] (arg min [ q i (q ) i ( q )]) q q
- 6. II. Мониторинг рынка. Индекс РТС. 2.5 За 4 года объем выданных 2 ипотечных кредитов и займов в России вырос более чем в 16 раз - с 3,6 млрд. 1.5 руб. в 2002 году до 58,0 млрд. руб. в 2005 году. В количественном 1 выражении - с 9.000 кредитов в 2002 году до 78.603 в 2005 году. 0.5 0 Почему ипотека развивается так стремительно? Факторов много. Это и увеличение реальных доходов населения, и спад недоверия к ипотеке, как со стороны потенциальных покупателей, так и со стороны продавцов, и общее снижение среднестатистической процентной ставки ипотечного кредитования с 14 до 11% годовых, и приход московских банков в регионы, и активизация на рынке средних и малых банков.
- 7. II. Мониторинг рынка. Индекс Dow Jones Industrial 2.5 2 Наблюдалось резкое падение индекса и 9 октября 2002 DJIA 1.5 достиг промежуточного 1 минимума со значением 7286,27. 0.5 0 Промышленный индекс Dow Jones 15 сентября 2008 года упал на 4,42 процента до 10917 пунктов - это самое крупное его падение за один день со времени 9 октября 2002 года, сообщает France Presse. Мировой фондовый рынок испытал резкое снижение основных индексов в связи с банкротством инвестбанка Lehman Brothers.
- 8. II. Мониторинг рынка. Индекс Nasdaq 2.5 2 Индекс 1.5 высокотехнологичных компаний NASDAQ 1 Composite достиг своего пика в марте 2000 года. 0.5 0 В августе 2002−го NASDAQ закрывает свой филиал в Японии, так же закрывая филиалы в Европе, и вот сейчас настал черед европейского отделения, где за два года количество компаний, чьи акции торгуются на бирже, сократилось с 60 до 38.
- 9. Полезность использования • В условиях высокой неопределенности и быстрых изменений окружающей среды рискованно разрабатывать стратегию предприятия с опорой на единственный вероятностный прогноз, тем более данный момент дальнейшие события мирового экономического кризиса невозможно предвидеть, основной смысл сценарного подхода - создание различных одинаково правдоподобных вариантов развития будущего, которые являются хорошо структурированными и логичными. • Этот механизм должен располагать соответствующей информационно-аналитической службой. Результаты нашего исследования, демонстрируют возможности использования современных информационно- аналитических технологий для прогнозирования кризисных ситуаций.
- 10. Перспективы развития • Предлагаемая методика позволяет предсказать негативные тенденции на рынке за 50 дней до первых серьезных событий. Это позволяет высказать точку зрения, что мы должны иметь в стране механизмы своеобразного “финансового МинЧС”, который располагает ресурсами, имеет заранее заготовленные сценарии действий в случае кризиса с тем, чтобы использовать ресурсы для воздействия на параметры динамической системы и максимально быстро и с наименьшими потерями вернуть ее в нормальное хаотическое состояние. • Предлагаемая методика позволяет улучшить качество прогнозирования кризисных ситуаций и благодаря этому усовершенствовать технологию оптимизацию стратегии управления инвестиционным портфелем в условиях неопределенности
- 11. 2.а. Динамическая модель финансового рынка Существует два типа трейдеров на рынке ценных бумаг F – трейдеры и N – трейдеров. Стратегия F- трейдера : ef t c F (vt xt ) 3 (vt xt ) 3 vt vt 1 h t - истинная цена, Стратегия N-трейдеров -шум en t c N ( xt yt ) xt yt yt xt 1 (1 ) yt 1 Чем больше значение , тем короче эффективный период скользящего среднего. Общий избыточный спрос рынка в целом составляет: et w t ef t (1 w t ) en t
- 12. 2.a. Динамическая модель финансового рынка (продолжение) Динамика цен: xt 1 xt be t bw t ef t b (1 w t ) en t Относительный доход двух стратегий за k шагов: t 1 t 1 t 1 t 1 Rt [ xt ef j x j ef j ] / k [ x t en j x j en j ] / k j t k j t k j t k j t k Изменение доли F – трейдеров и N- трейдеров: wt wt 1 gR t wt (1 wt )e
- 13. 2.a. Динамическая модель финансового рынка (продолжение) Q – новостной фон, µ - память, новость ξt, ξ – случайная величина, 0 ≤ ξt ≤ 1 t (t ) , Qt e k Влияние новостного фона на истинную цену , при 0 ≤ θ ≤ 1. exp Q t 1 t 1 t exp Q t 1
- 14. 2.a. Динамическая модель финансового рынка (продолжение) Доход инсайдера eins q * ( xt xt 1 ) 2 t Общий доход с R t If Rins 0t Rt ≥ учетом инсайдера Rt * { R t If Rins0 t Rt < Доход инсайдера за t 1 t 1 шагов Rins t (x j eins j x j eins j ) / k j t k j t k Избыточный спрос с учетом инсайдера et w t ef t (1 w ) * en t l * eins t
- 15. 2.a. Динамическая модель финансового рынка (продолжение) 26.5 26 25.5 25 24.5 Ряд1 24 23.5 23 22.5 0 20 40 60 80 100 120 140 160 180 200 Поведение цен при наличии инсайдера Реальные данные курса обмена USD/руб. за период 05.03.1999 – 01.11.1999 Доход инсайдера
- 16. 2.б. Симулятор FIMAS • Программный комплекс FIMAS (Financial Market Simulation) позволяет создать виртуальный мир, в котором каждый участник руководствуется собственными правилами поведения, имеет собственные стратегии, цели и планы. Он предназначен для моделирования работы рынка ценных бумаг, соответственно участниками виртуального мира являются индивидуальные трейдеры, брокеры, компании и биржи.
- 17. Мультиагентные технологии • Суть мультиагентных технологий заключается в принципиально новом методе решения задач. В отличие от классического способа, когда проводится поиск некоторого чётко определенного (детерминированного) алгоритма, позволяющего найти наилучшее решение проблемы, в мультиагентных технологиях решение получается автоматически в результате взаимодействия множества самостоятельных целенаправленных программных модулей — так называемых агентов.
- 18. Участники виртуального рынка • Трейдер (TFMTraderRole) – класс стандартного рыночного трейдера. Трейдер совершает сделки на рынке через брокера, руководствуясь текущей стратегией принятия решения. • Брокер (TFMSBrokerRole) – класс стандартного брокера. Брокер является связующим звеном между рынком и трейдером. Он получает запросы от трейдеров, обрабатывает их и либо выполняет сам, либо перенаправляет их рынку. • Компания (TFMCompanyRole) – класс стандартной компании. Компания ведёт экономическую деятельность, нанимает сотрудников, выпускает акции на рынок и выплачивает дивиденды владельцам акций. Компания хранит информацию о своём экономическом благосостоянии, ведёт бухучет, книгу доходов и расходов и т.п. • Рынок, биржа (TFMSMarketRole) – класс стандартной биржи. Биржа получает запросы от рынка и находит совпадения между запросами на покупку и продажу акций. Для каждой пары совпадающих запросов она производит транзакцию.
- 19. Симулятор FIMAS • Программный комплекс FIMAS дает возможность наблюдать, как в режиме реального времени происходят торги, как меняется цена одной из акции, как меняются доходы различных категорий агентов: брокеров, трейдеров-новичков, фундаментальных трейдеров, маркет-мейкеров . Параметры симулятора:
- 20. График изменения цен активов на рынке
- 21. Изменение объемов торгов и график доходов различных видов трейдеров • график № 1 («Average, Min and Max prices for share # 1»). – средняя мин. и макс. цена • график № 2 («Spread»). Он достигает 5 у.е. при цене 65-75 у.е., что является достаточно высоким значением. График № 3 («Volume») видно изменение объёма торгов за весь период. График № 4 («Noise traders wealth») и № 5 («Market maker traders wealth») даны, чтобы можно было оценить доходы трейдеров.
- 22. Изменение доходов во времени
- 23. Средняя, макс. и мин. цены
- 24. Графики доходов различных типов трейдеров по истечении некоторого времени
- 25. 3. Адаптивное АРМ трейдера – программно-аналитический комплекс SweetSuite • Программно-аналитический комплекс SweetSuite разработан с целью проведения научных исследований в области автоматизации аналитической и торговой деятельности на финансовых рынках. Комплекс предназначен для выполнения следующих задач: Загрузка информации о котировках из сети Интернет с последующим ее сохранением в локальную базу данных. Изучение данных о котировках посредством применения технического анализа. Конструирование и отладка торговых стратегий. Автоматизация торгового процесса.
- 26. Компоненты системы • Модуль загрузки котировок из Интернет (GetRate) - Модуль GetRate предназначен для периодической загрузки данных о котировках из сети Интернет. • СУБД SqlServer - В качестве основного хранилища информации о котировках выбрана СУБД SqlServer 2005. • Визуальный конструктор стратегий SweetSuite -Модуль конструирования является центральным элементом комплекса. Основное назначение модуля заключается в предоставлении аналитику возможности визуального конструирования торговых стратегий и проведения технического анализа.
- 27. Особенности конструирования • Основной особенностью редактора является его возможности визуализации как статистических данных (временных рядов), так и самого процесса анализа и конструирования. Основными инструментами редактора, с которыми предлагается работать аналитику - это диаграмма процесса и крупнейший набор функциональных блоков, из которых собирается та или иная торговая стратегия. • Почти каждый функциональный блок может иметь несколько входов и один выход и быть связан с другими функциональными блоками на диаграмме. Как видно из иллюстрации самый верхний блок не имеет входа. В этом случае блок является источником, а его функциональность заключается в предоставлении данных о котировках из внешних систем. В данном случае из базы данных SqlServer.
- 28. Работа в режиме конструирования Данный режим предусмотрен для использования комплекса с целью проведения технического анализа финансовых рынков, исследования временных рядов, а также для построения и отладки торговых стратегий. Такой режим работы предусматривает использование исторических данных о котировках, которые накапливаются в базе данных SqlServer. Общая схема взаимодействия компонентов системы в режиме конструирования можно изобразить следующим образом:
- 29. Работа в автономном режиме После отладки торговой стратегии в режиме конструирования, имеется возможность проверить ее в реальном времени. Для выполения этого функционала комплекс SweetSuite оснащен функциональным модулем взаимодействия с программой-терминалом брокера. Терминал-клиент брокера предосталяет возможность исполнения запросов на покупку/продажу ценных бумаг, а также своевремменого предоставления информации о котировках без каких- либо задержек, что позволяет мгновенно реагировать на изменение климата на рынке.
- 30. Визуализация • Оличительной особенностью описываемой системы является ее возможность визуального отображения результатов выполнения каждого функционального блока. На иллюстрации изображены результаты выполнения функциональных блоков: RTSI- 1day, MA5, MA20, CrossLineMethod (Buy/Sell/Stop) и ProfitResult. Блоки, результаты которых не интересы аналитику разрешается не отображать.
- 31. Пример создания торгового автомата
- 32. 4. Оценка рисков кредитования физических и юридических лиц Кредитный риск - риск возникновения у кредитной организации убытков вследствие неисполнения, несвоевременного либо неполного исполнения должником финансовых обязательств перед кредитной организацией в соответствии с условиями договора Кредитный Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок.
- 33. Методы скоринга • Линейный дискриминатный анализ • Многофакторная логистическая регрессия • Кластерный анализ • Деревья решений • Нейронные сети
- 34. Внедрение систем кредитного скоринга позволяет: • Повысить доходность кредитных операций за счет снижения кредитных рисков. Оценивать риски дефолтов, просрочек, досрочного возврата и давать рекомендации по условиям кредита. • Обоснованно выводить на рынок новые кредитные продукты, анализируя конъюнктуру рынка на основе накопленных банком данных. • Снизить издержки банка на операциях по выдаче кредитов за счет автоматизации принятия решений, увеличить скорость принятия решений при массовом кредитовании. • Централизованно контролировать принимаемые кредитные решения, управлять влиянием человеческого фактора на принятие решений. • Управлять кредитным портфелем банка в соответствии с текущей кредитной политикой банка. Оценивать доходность/убыточность клиентов в портфеле, анализировать структуру портфеля. • Выявлять и предотвращать попытки мошенничества при обращении за
- 35. Информация о просроченной задолженности по 30 крупнейшим банкам РФ (по данным ЦБ РФ) Активы По состоянию По состоянию на 1 марта 2008 на 1 марта 2009 1 Кредиты и прочие ссуды - всего 11 176 723 076 16 051 437 943 В том числе: 1.1 Кредиты, депозиты и прочие размещенные средства 11 149 746 063 16 016 203 064 в том числе просроченная задолженность Из них: 137 379 426 421 307 541 1.1.1 Кредиты и прочие размещенные средства, предоставленные 7 333 300 406 10 572 860 764 нефинансовым организациям в том числе просроченная задолженность 68 870 830 313 121 649 1.1.2 Кредиты, предоставленные физическим лицам 2 123 757 770 2 809 182 774 в том числе просроченная задолженность 68 398 711 103 907 722 1.1.3 Кредиты, депозиты и прочие размещенные средства, 1 250 619 832 1 987 788 245 предоставленные кредитным организациям в том числе просроченная задолженность 69 430 2 244 500
- 36. SPSS Clementine • SPSS Clementine - это автоматизированное рабочее место для data mining, позволяющее быстро разрабатывать прогностические модели с привлечением бизнес-экспертизы, а затем внедрять полученные модели для усовершенствования процесса принятия решений.
- 37. SPSS Clementine
- 38. Анализ кредитоспособности заёмщика в SPSS Clementine
- 39. Деревья решений на основе CHAID алгоритма Деревья решений – это способ представления правил в иерархической, посл едовательной структуре, где каждому объекту соответствует единственный узел, дающий решение.
- 40. Модель деревьев решений в SPSS Clementine
- 41. Модель логистической регрессии в SPSS Clementine
- 42. Модель Байесовской сети в SPSS Clementine
- 43. Можно ли выдавать клиенту кредит? •Выбор клиентов для выдачи «безопасных» кредитов •Обнаружение характерных транзакций по «отмыванию денег» •Удержание выгодных клиентов •Выделение лояльных и недовольных клиентов •Принятие мер по предотвращению оттока клиентов Кредитная история клиента
- 44. Дерево решений говорит, какие клиенты не вернут кредит
- 45. 5. АВТОМАТИЗАЦИЯ СОЗДАНИЯ ОНТОЛОГИЙ И ИХ ПРИМЕНЕНИЕ
- 46. Логика внедрения Многослойная архитектура разработки Преобразует Логик- онтологии математик Формальная онтология Приложения (протоколы, Инженер руководства и т.п.) Преобразует по знаниям и “метаавтор” Отраслевая онтология Авторы- отраслевые эксперты ЯДРО Критерии качества Руководство ОНТОЛОГИИ по онтологии + Инструментальные средства Интерпретации Авторы и правообладатели контента 46 Источники
- 47. Основы Основная аксиома онтологии: x X у (y x) y, z (y x z х y z) y (y x y X). Определение 1. Пусть L – логический язык, абстрактная онтология – это структура O: = (C, C ,R, , R ,IR), где: два несвязных множеств C и R , элементы которых называются концептами и отношениями соответственно, частичного порядка с на C, называемого иерархией концептов или таксономией, функции R C C, называемой сигнатурой, частичного порядка R на R , где r1 R r2 означает (r1) C C (r2),для r1 , r2 R , называемого отношением иерархии. множества IR правил вывода, выраженных на логическом языке L. Функция dom: R C с dom(r):= 1( (r)) дающая значение домена r, Функция range: R C с range(r):= 2( (r)) которая дает ранг отношения r. • Чтобы объединить абстрактную онтологию с естественным языком, мы используем эксплицитное представление лексического 47 уровня. Следовательно, мы определяем лексикон для нашей
- 48. 5. Эксперименты по автоматизации создания Онтологии 48
- 49. 49
- 50. 50
- 51. 51
- 52. 52
- 53. 53
- 54. 54
- 55. 55