business analytics systems (small business)

Автоматизация технического анализа. Нейронная сеть распознает ценовые фигуры

Входные нейроны

Нейроны промежуточного слоя Выходные

нейроны

-0,15

-0,1

-0,05

0

0,05

0,1

0,15

0,2

0 5 10 15

342

256

107

-0,8

-0,6

-0,4

-0,2

0

0,2

0,4

0,6

0 10 20 30 40

447

229

490

147

циклический

стабильный

медвежий

бычий

Классы:

Нейронная сеть формирует набор ценовых фигур

Нейронная сеть обучается ценовым фигурам

27

27.5

28

28.5

29

29.5

30

30.5

31

0 100 200 300 400 500 60033.5

34

34.5

35

35.5

36

36.5

37

37.5

38

38.5

0 100 200 300 400 500 600

-0,3

-0,2

-0,1

0

0,1

0,2

0,3

0,4

0 5 10 15 20 25 30 35

Чарт паттерн класса A Чарт паттерн класса B

Стрелки указывают места, где сеть Кохонена обнаружила паттерны классов A и B

Нейронная сеть распознает на графике ценовые фигуры

Нелинейная динамическая модель финансового рынка

0

0,5

t

Модель финансового рынка: эффект памяти и новостной фон

Фундаментальная цена растет при наличии «хороших»

новостей

Фундаментальная цена падает при наличии «плохих» новостей

Модель финансового рынка: влияние «хороших» и «плохих» новостей на

цены активов

22.5

23

23.5

24

24.5

25

25.5

26

26.5

0 20 40 60 80 100 120 140 160 180 200

Ряд1

Сверхдоходы и инсайдера могут обрушить рынок

Реальные данные курса доллар-рубль в период дефолта: а был ли инсайдер?

Модель финансового рынка: действия инсайдеров при «хороших новостях»

«Хорошие» новости позволяют многократно повторять операцию

Влияние операций инсайдера «купил/продал» на цены активов

0

2

4

6

8

10

12

14

16

18

0 100 200 300 400 500 600

Ряд1

Несколько инсайдеров действуют на рынке, плохие новости

Новости не очень плохие (инсайдер делает 2 попытки)

Новости очень плохие (инсайдер продает все и уходит с рынка)

Для сравнения: цены открытого аукциона по Юкосу в период 13.10.2003 - 26.11.2004

Модель финансового рынка: действия инсайдеров при «плохих новостях»

Динамическая модель финансового рынка

Одинаковые стратегии трейдеров приводят к нестабильности рынка

Параметры модели рынка: Шумовые трейдеры = 0; Фундаментальные = 500;

График оценки ширины фрактального спектра сингулярности (Δ(t)=αmax-αmin) на

российском индексе РТС на период 07.10.1999-07.11.2008

За 4 года объем выданных ипотечных кредитов и займов в России вырос более чем в

16 раз - с 3,6 млрд. руб. в 2002 году до 58,0 млрд. руб. в 2005 году. В количественном

выражении - с 9.000 кредитов в 2002 году до 78.603 в 2005 году.

Предкризисная ситуация: июль 2008 – начало сентября 2008

Сигнал возникает за 50 дней до первых негативных событийСигнал возникает за 50 дней до первых негативных событий

Предиктор кризисных ситуаций (PTC)

Мониторинг, мультифрактальный анализ и предсказание кризиса: индекс РТС

Наблюдалось резкое падение индекса и 9 октября 2002 DJIA достиг промежуточного минимума со значением 7286,27.

Предкризисная ситуация: июль 2008 – начало сентября 2008

График оценки ширины фрактального спектра сингулярности (Δ(t)=αmax-αmin) на

американском индексе Dow Jones Industrial на период 07.10.1999-

07.11.2008

Предиктор кризисных ситуаций (DJI)

3 мая 1999, индекс достиг значения 11014,70. Своего максимума — отметку 11722,98 — Доу-Джонс индекс достиг 14

января 2000 года.

Сигнал возникает за 50 дней до первых негативных событийСигнал возникает за 50 дней до первых негативных событий

На левой части приведенных графиков видно расширение фрактального спектра в период ипотечного бума и кризиса в США и бума кредитования в

России, когда в России в 16 раз возрос объем выданных кредитов.

Мониторинг и предсказание кризиса: индекс Dow Jones Industrial

График оценки ширины фрактального спектра сингулярности (Δ(t)=αmax-αmin) на

американском индексе NASDAQ Composite на период 07.10.1999-07.11.2008

Индекс высокотехнологичных компаний NASDAQ Composite достиг своего пика в

марте 2000 года.

Предкризисная ситуация: июль 2008 – начало сентября 2008

Сигнал возникает за 50 дней до первых негативных событийСигнал возникает за 50 дней до первых негативных событий

В правой части графика рисунка видно, что сигнал предстоящего кризиса нарастает и в настоящий момент 12.01.09 сигнал говорит о том, что

интенсивность кризиса убывает. На графике в виде полос выделен интервал дат, в пределах которого происходит нарастание упреждающего сигнала

кризисной ситуации в виде увеличивающееся ширины фрактального спектра. Обвалы на Dow Jones Industrial, NASDAQ, РТС соответствуют дате 26

сентября 2008 года.

Предиктор кризисных ситуаций (NASDAQ)

Мониторинг и предсказание кризиса: индекс NASDAQ

Информация о просроченной задолженности по 30 крупнейшим банкам

РФ (по данным ЦБ РФ)Активы По состоянию

на 1 марта 2008По состоянию на 1 марта 2009

1 Кредиты и прочие ссуды - всего В том числе:

11 176 723 076 16 051 437 943

1.1 Кредиты, депозиты и прочие размещенные средства в том числе просроченная задолженностьИз них:

11 149 746 063

137 379 426

16 016 203 064

421 307 541

1.1.1 Кредиты и прочие размещенные средства, предоставленные нефинансовым организациям в том числе просроченная задолженность

7 333 300 406

68 870 830

10 572 860 764

313 121 649

1.1.2 Кредиты, предоставленные физическим лицам в том числе просроченная задолженность

2 123 757 770

68 398 711

2 809 182 774

103 907 722

1.1.3 Кредиты, депозиты и прочие размещенные средства, предоставленные кредитным организациям в том числе просроченная задолженность

1 250 619 832

69 430

1 987 788 245

2 244 500

Можно ли выдавать клиенту кредит?

Кредитная история клиента

•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

Модель Байесовской сети в SPSS Clementine

Дерево решений говорит, какие клиенты не вернут кредит

Кредитная история юридического лица

Рынок скоринговых систем

Сочетание экономических и социально-политических факторов

(примеры инвестиционных проектов)Пусть ЛПР имеет некоторую сумму денег, которую оно может

вложить в следующие проекты с соответствующими предполагаемыми доходностями:

гостиница в г. Сочи – 34 % порт в г. Новороссийске – 113 % аэропорт в г. Геленджике – 30 % сельскохозяйственное перерабатывающее предприятие в г.

Краснодаре – 18%Сделать выбор проекта на основе представленных выше данных

невозможно. Следует использовать программы для поддержки принятия

решений, в т.ч. для моделирования сценариев.Для построения дерева решений и разработки различных

сценариев используем DecisionPro 4.1Для сценарного моделирования используем систему когнитивного

моделирования «КАНВА».

Последовательность работ по проектам (Project Expert)

Год Проект

Порт Аэропорт Гостиница Перерабатывающее предприятие

1 строительство здания

строительство здания и взлетно-посадочной полосы

строительство технического района, строительство нефтяного терминала

строительство комбината, элеватора и зернохранилища

2 внутренняя отделка и оформление, благоустройство территории, подбор персонала

строительство ангаров, благоустройство территории, подбор персонала, оборудование рабочих мест

строительство угольного терминала, строительство лесного терминала

строительство административного здания, комбината, элеватора, зернохранилища и комбикормового завода, установка оборудования

3 работа работа строительство района генеральных грузов и контейнерного терминала, работа

строительство комбикормового завода, административного здания, работа комбината

4 работа работа работа работа

5 работа работа работа работа

Денежные потоки по проектам*

Год Проект

Порт Аэропорт Гостиница Перерабатывающее предприятие

1 -1 157 125 -83 000 -17 000 -1 184

2 -784 041 -11 700 -7 000 -1 243

3 1 267 981 62 700 14 300 14

4 2 332 000 81 700 28 200 2975

5 2 729 000 453 200 67 600 12 350* тыс. долл.

NPV и IRR по проектам

Проект Показатель

IRR, % NPV, тыс. долл.

Порт 10,91 2 611 847

Аэропорт 13,94 310 789

Гостиница 12,2 52 584

Перерабатывающее предприятие

13,69 7 694

* NPV (net present value) – чистый дисконтированный доход* IRR (internal rate of return) – внутренняя норма доходности

Разработка сценариев в программе «КАНВА»

Факторы моделиФакторы для представленных в задаче проектов делятся на 2 группы: • общеэкономические факторы (котировка доллара, ситуация на

финансовом рынке, кредитная обстановка, цены на нефть, ВВП, численность населения, средняя заработная плата)

• факторы, влияющие на доходность конкретного предприятия (цены на зерно для перерабатывающего предприятия или цены на авиабилеты для аэропорта)

Выделяют два типа причинно-следственных связей: положительные и отрицательные

Связи между факторами в модели

Выходные данные в динамике

(изменение)

Имитационное моделирование экономики

Многообразие ролей человека в имитационной модели экономики

Customer

Labor market

Enterprise

State MarketQualifier

Bank

Старт модели : Два предприятия выставляют свои вакансии на рынок труда. Десять временно безработных агентов получают от государства пособие по

безработице. Каждый из них ищет работу на бирже труда, обладая начальным капиталом.

ПредприятияПредприятия

РынокРынок

БанкБанк

Биржа трудаБиржа труда

УниверситетУниверситет

ГосударствоГосударство

Безработные Безработные

Получают Получают

пособия пособия

по безработице по безработице

Начальный капитал агентовНачальный капитал агентов

Первые шаги:Агенты трудоустроились на одно из предприятий, покинули биржу труда

и перестали получать пособие по безработице

Доходы трудоустроившихся работников Доходы трудоустроившихся работников значительно увеличилисьзначительно увеличились

Изменение спроса на Изменение спроса на продукцию продукцию предприятия предприятия

Изменение рыночных Изменение рыночных цен на продукцию цен на продукцию предприятияпредприятия

Нереализованная Нереализованная продукция / продукция / неудовлетворенный спроснеудовлетворенный спрос

Показа-тели Показа-тели работы пред-работы пред-приятияприятия

Динамика основных показателей предприятия

Распределение дохода потребителя по видам продуктов

- townhouse- townhouse- car- car- cell phone- cell phone- clothes- clothes- food- food- savings- savings

Текущие Текущие данные:данные:--квалификациквалификацияя-разряд-разряд-доход-доход-занятость и -занятость и др.др.

Изменение показателей экономики при увеличении числа потребителей

Регулятор количества потребителей

При значительном увеличении числа потребителей образуется некоторая часть безработных. Пока безработный не находит вакансию согласно его квалификации, он получает пособие по безработице от государства

Работа биржи труда:

Список вакансий на бирже труда

Входящие и исходящие сообщения Labor Market

Список безработных

Вновь появившийся агент не смог трудоустроиться

Потеряв работу (или

только вступив в

модель), потребитель

регистрируется на

бирже труда для

поиска вакансий,

соответствующих его

квалификации

Выбрав вакансию, агент идет учиться на курсы

В отсутствии вакансий по прежней квалификации безработный поступил на платные курсы новой специальности

Агент трудоустроился

Переменная UNEMPLOYED приняла значение “FALSE”, значит агент трудоустроился по полученной специальности

Спрос, предложение и цены на рынке

Предложение отслеживает динамично изменяющийся спрос. Цена зависит от разности спроса и предложения.