Управление портфелем ценных бумаг на основе D-оценок Руссмана и нейтросетевого моделирования

Тип работы:
Диссертация
Предмет:
Экономические науки
Страниц:
128
Узнать стоимость новой

Детальная информация о работе

Выдержка из работы

Актуальность темы исследования. Как известно, российскому рынку ценных бумаг присущи следующие особенности: пеликвидность значительной доли ценных бумаг, доминирующее влияние игровых спекулятивных операций, резкое изменение тенденций, отсутствие зависимости стоимости акций от финансовых результатов эмитента, информационная непрозрачность, доминирующее значение политических и макроэкономических факторов, большая волатильность. Все это вызывает большие трудности для оценки и прогнозирования значений рыночных показателей и усложняет применение долгосрочных инвестиционных стратегий. Вследствие чего наиболее популярна сейчас активная стратегия управления портфелем, которая сводится к частому пересмотру портфеля в поисках финансовых инструментов, неверно оцененных рынком, и торговле ими с целью получить более высокую доходность.

Однако такой подход трудно соотнести с традиционными способами построения оптимального рыночного портфеля, которые, в силу использования в своей основе средних значений доходности, рассчитаны на долгосрочные инвестиции (пассивную стратегию управления портфелем). В связи с этим возникает необходимость в разработке стратегий для краткосрочных портфельных инвестиций, по возможности свободных от предположений о рыночной эффективности, которая в последнее время очевидным образом нарушается.

Отметим, что особую роль в современной экономической науке, равно как и практической деятельности, играет проблематика рисков. Вопросы идентификации, систематизации, анализа, количественной оценки и управления рисками занимают важное место как на уровне теоретической литературы и научных исследований, так и в системе реальной экономики.

Объективная реальность развития рынка свидетельствует о том, что на данном этапе требуются новые подходы к формированию портфеля ценных бумаг, новые способы оценки рыночного риска в условиях текущей сверхрискованности российского рынка акций и невозможности долгосрочного и среднесрочного прогнозирования тенденций фондового рынка.

Степень разработанности проблемы. Начало исследований в области моделей портфельного инвестирования было положено Г. Марковичем в 1952 году. В настоящее время развитие теории оптимального портфеля продолжается. Значительный вклад в исследование рынка ценных бумаг внесли, прежде всего, лауреаты Нобелевских премий (Дж. Тобин, Г. Маркович, У. Ф. Шарп, М. Шоулс, Р. Ингл), а также ряд других зарубежных (Г. Дж. Александер, Дж. В. Бейли, Г. Дженкинс, Дж. Линтнер, Д. Мерфи, Дж. Моссин, Д. Нельсон, С. Росс и др.) и отечественных (JI.O. Бабешко, A.B. Воронцовский, В. В. Давние, В. Н. Едронова, Д. А. Ендовицкий, Ю. П. Лукашин, Я. М. Миркин, А. О. Недосекин, Л. П. Яновский, Е. М. Четыркин и др.) ученых.

Большое внимание проблематике рисков портфельного инвестирования также уделялось в работах К. Рэдхэда, С. Хьюса, И. Т. Балабанова, В. Р. Евстигнеева.

Однако, как уже отмечалось, эти работы, в основном, касаются оценок риска долгосрочного портфельного инвестирования, тогда как современные рыночные реалии требуют аппарата для получения оценок риска в краткосрочных стратегиях.

Объектом исследования является динамика зарубежных и российских фондовых рынков.

Предметом исследования в настоящей работе является математический аппарат для мониторинга рыночной конъюнктуры и формирования портфеля ценных бумаг.

Цели и задачи диссертационной работы. Целью данного исследования является развитие математического аппарата формирования оптимального портфеля ценных бумаг для стратегий краткосрочного инвестирования.

Для реализации поставленной цели в диссертационной работе были поставлены и решены следующие задачи: исследовано состояние российского рынка ценных бумаг и проанализированы тенденции его развития- изучены современные подходы к формированию портфеля ценных бумаг- исследованы прикладные возможности методологического аппарата теории Б-оценок Руссмана применительно к моделированию процесса портфельного инвестирования- усовершенствован аппарат О-оценок Руссмана за счет возможности привлечения методов нейросетевого моделирования- разработаны методы подготовки входных данных для нейросетевого анализа временных рядов доходностей- предложены подходы к созданию и использованию нейросетевого комитета, адаптивно реагирующего на изменение рыночной ситуации- рассчитаны оценки риска краткосрочных портфельных стратегий на основе Б-оценок Руссмана и данных, предоставляемых нейросетевым комитетом- осуществлено тестирование программной реализации алгоритмов формирования портфеля ценных бумаг и торговых стратегий.

Область исследования. Диссертационная работа выполнена в рамках п. 1.6. & laquo-Математический анализ и моделирование процессов в финансовом секторе экономики. «, п. 1.9. & laquo-Разработка и развитие математических методов и моделей анализа и прогнозирования развития социально-экономических процессов общественной жизни. »- паспорта специальности 08. 00. 13 — & laquo-Математические и инструментальные методы экономики& raquo-.

Теоретическую и методологическую основу исследования составили современная теория финансовых рынков, а также последние достижения в области нейросетевого моделирования. В процессе работы над диссертацией использовались труды отечественных и зарубежных ученых в области построения моделей портфельного инвестирования, инвестиционного менеджмента, применения нейронных сетей к анализу финансовых рынков.

Информационно-эмпирическую базу исследования составили материалы научной периодической печати, архивы котировок цен акций и индексов, расположенные на официальных сайтах ЗАО Финам (www. fmam. rn) и Российской Торговой Системы (www. rts. ru).

Обработка данных проводилась на ПЭВМ с использованием пакетов статистического анализа данных, тестирование представленных методик осуществлялось с помощью программного обеспечения, используемого в деятельности ООО & laquo-Инвестиционная палата& raquo-.

Научная новизна заключается в разработке подхода к управлению портфелем ценных бумаг для краткосрочных стратегий, отличающегося от существующих тем, что в его основу положено совместное использование Б-оценок Руссмана и методов нейросетевого моделирования. Такое объединение, с одной стороны, позволяет с помощью аппарата Б-оценок получать не только текущие, но и ожидаемые оценки риска, с другой стороны, для нейронных сетей отпадает необходимость прогнозирования непосредственных значений котировок, а вместо нее решается значительно более простая задача прогнозирования коридора будущих значений цен.

Научную новизну содержат следующие результаты диссертационного исследования: разработана синтетическая методика формирования портфеля ценных бумаг на основе Э-оценок Руссмана и данных, представляемых нейросете-вым комитетом, обеспечивающая применение краткосрочных стратегий инвестирования- предложена методика оценки риска краткосрочных портфельных стратегий, в рамках которой оценка риска рассматривается как изменяющаяся во времени величина, а сам портфель — как система переменной структуры- построены модели формирования портфеля ценных бумаг на основе Б-оценок Руссмана с привлечением методов нейросетевого моделирования- разработан метод подготовки входных данных для нейросетевого анализа эмпирической базы, позволяющие уменьшить противоречивость этих данных и частично избавиться от шумов- предложены методы формирования нейросетевого комитета, предусматривающие автоматическое ранжирование нейроэкспертов на основе анализа краткосрочных рыночных тенденций- рассчитаны оценки риска для наиболее статистически обоснованных сценариев поведения портфеля активов в перспективном периоде, использование которых позволяет сформировать оптимальный портфель ценных бумаг.

Практическая значимость исследования заключается в том, что сформулированные выводы и предложения, разработанные модели и алгоритмы могут быть использованы финансовыми учреждениями, частными инвесторами, разработчиками информационно-аналитических систем, другими субъектами рынка ценных бумаг в качестве инструментария для получения дополнительной информации, способствующей повышению степени обоснованности инвестиционных решений.

Апробация результатов работы. Основные результаты исследования докладывались и обсуждались на: семинарах и научных сессиях экономического факультета Воронежского государственного университета- 30-й Международной научной школе- семинаре & quot-Системное моделирование социально-экономических процессов& quot- (Воронеж, 2007) — IV Международной научно-практической конференции & laquo-Экономическое прогнозирование: модели и методы& raquo- (Воронеж, 2008) — 31-й Международной школе-семинаре & quot-Системное моделирование социально-экономических процессов& quot- (Воронеж, 2008).

Внедрение результатов исследования. Предложенные методы, модели и программы прошли успешную верификацию на реальных временных рядах российского фондового рынка. Отдельные результаты диссертационного исследования нашли применение в практической деятельности финансовой компаний ООО & laquo-Инвестиционная палата& raquo-, что подтверждается актом внедрения.

Публикации. По теме диссертационного исследования опубликовано 7 работ, в том числе 2 статьи в издании, рекомендованном ВАК России ([11] и [34]), 2 статьи в выпусках Вестника Воронежского государственного университета, 3 статьи в сборниках трудов научно-практических конференций.

В работе [9] автором осуществлен вывод формул оценки риска для широкого класса функций изменения состояния системы вида: fit) = ta{a> 0). В работе [10], лично автору принадлежит вывод формул оценки риска для функций изменения состояния системы, представляющих собой двухзвенные ломаные линии. В [11] автором предложена методика формирования портфеля ценных бумаг на основе D-оценок Руссмана и прогнозных данных, предоставляемых нейросетевым комитетом. В работе [32] автором проведен статистический анализ закономерностей, присущих российскому рынку ценных бумаг. На основе этого анализа сделаны выводы о наиболее обоснованных сценариях поведения портфеля активов в плановом периоде (в зависимости от текущей рыночной ситуации). В [33] и [34] автору принадлежат алгоритмы подготовки и преобразования входных данных для нейросетевого прогнозирования временных рядов доходностей. В [35] автором предложен алгоритм формирования нейросетевого комитета, позволяющий осуществлять автоматическое ранжирование прогнозирующих нейроэкспертов на основе анализа краткосрочных рыночных тенденций.

Объем и структура работы. Диссертация состоит из введения, трех глав с выводами по каждой главе и заключения, а так же списка используемой литературы из 123 наименований, в т. ч. англоязычных — 41, и двух приложений. Основной текст изложен на 115 страницах, содержит 10 таблиц, 25 рисунков.

Выводы к главе 3

1. Введение в рассмотрение понятий сложность, противоречивость и повторяемость обучающей выборки для нейронной сети и анализ исходных данных с точки зрения этих понятий позволяет уменьшить время, требуемое для обучения сети на временных рядах приращений котировок акций и существенно повысить качество этого обучения.

2. Использование комитетов нейронных сетей вместо отдельных сетей повышает качество прогнозирования и позволяет преодолеть неопределенность, связанную с требуемым алгоритмами обучения случайным формированием первоначальных значений весовых коэффициентов сетей.

3. Использование нейросетевого прогнозирования коридора прироста каждой акции с целью более точного определения параметров системы в плановом периоде позволяет усовершенствовать представленный в главе II подход к управлению портфелем на основе Э-оценок Руссмана и предложить синтетическую методику управления портфелем активов.

4. Разработанная синтетическая методика на примере динамики доходности формируемого с ее помощью портфеля ценных бумаг в сравнении с динамикой индекса ММВБ доказывает свою практическую пригодность для ее использования на финансовом рынке.

— 103 -ЗАКЛЮЧЕНИЕ

В диссертационной работе на основе выполненных теоретических и прикладных исследований в области управления портфелем финансовых активов сформулированы следующие выводы:

1. В связи с тем, что в настоящее время российский рынок акций является нестабильным, методики краткосрочного портфельного инвестирования являются пока более востребованными, чем долгосрочные. Однако традиционные подходы к формированию оптимальных портфелей финансовых активов рассчитаны на долгосрочное инвестирование, так как для оценок риска и доходности они используют усредненные по большому промежутку времени характеристики. Поэтому возникает необходимость в разработке подходов к определению оценок риска и доходности портфельных инвестиций для краткосрочных стратегий (а также долгосрочных, но подразумевающих частый пересмотр портфеля).

2. В качестве основы для получения оценок риска могут быть выбраны О-оценки Руссмана, позволяющие трактовать риск как степень угрозы неполучения заявленной доходности в течение инвестиционного периода. Риск при этом становится переменной величиной и зависит от текущей доходности портфеля. С использованием аппарата Б-оценок Руссмана управление портфелем ценных бумаг может рассматриваться как процесс достижения цели системой переменной структуры.

3. На основе полученных оценок риска можно сформировать новую краткосрочную стратегию управления инвестиционным портфелем. При этом задача управления портфелем ставится следующим образом: сформировать портфель таким образом, чтобы риск, трактуемый как максимальная степень угрозы неполучения запланированной доходности, при движении системы вдоль некоторой предполагаемой траектории, А = /(г) был минимален. Целью управления в данном случае является получение дохода Ар1 за время

4. С помощью аппарата Б-оценок могут быть выведены формулы оценки портфельного риска для произвольной непрерывной траектории в плановом периоде. При этом анализ статистических данных позволяет указать наиболее значимые классы траекторий движения системы. Для этих траекторий выводятся конкретные формулы оценки портфельного риска, позволяющие предложить алгоритмы формирования портфеля, приносящего запланированный доход с минимально возможным в плановом периоде риском. Для реализации этих алгоритмов (в частности, оценки параметров системы в плановом периоде) необходим разработанный аппарат прогнозирования коридора значений доходности для каждой акции, которая может быть включена в портфель.

5. Оценки коридора значений доходности портфеля в предстоящем краткосрочном периоде могут быть получены с помощью нейросетевого моделирования, поскольку нейронные сети на сегодняшний день являются одним из самых эффективных инструментов в области краткосрочного прогнозирования. Однако использование нейросетевого подхода требует тщательной подготовки исходных данных, так как от этого зависит итоговое качество прогнозирования. Введение в рассмотрение понятий сложность, противоречивость и повторяемость обучающей выборки для нейронной сети и анализ исходных данных с точки зрения этих понятий позволяет уменьшить время, требуемое для обучения сети на временных рядах приращений котировок акций и повысить качество этого обучения.

6. Использование комитетов нейронных сетей вместо отдельных сетей дает возможность дальнейшего повышения качества прогнозирования и позволяет преодолеть неопределенности, связанные с требуемым алгоритмами обучения нейронных сетей случайным формированием первоначальных значений весовых коэффициентов связей.

7. Использование нейросетевого прогнозирования коридора прироста каждой акции с целью более точного определения параметров системы в плановом периоде позволяет усовершенствовать представленный подход к управлению портфелем на основе Б-оценок Руссмана и предложить синтетическую методику управления портфелем активов. Разработанная синтетическая методика на примере динамики доходности формируемого с ее помощью портфеля ценных бумаг в сравнении с динамикой индекса ММВБ доказывает свою практическую пригодность для ее использования на финансовом рынке.

Показать Свернуть

Содержание

1. Методы управления портфелем. Б-оценки Руссмана и теоретический аппарат нейросетевого моделирования.

1.1. Обзор существующих методов управления портфелем. Проблема измерения рыночного риска.

1.2. О-оценки Руссмана как аппарат для оценки риска портфельного инвестирования.

1.3. Возможности краткосрочного прогнозирования финансовых временных рядов.

1.4. Теоретический аппарат нейросетевого моделирования.

Выводы к главе 1.

2. Применение Б-оценок Руссмана к задаче управления портфелем активов.

2.1. Вывод на основе О-оценок формулы оценки риска для произвольной непрерывной траектории поведения системы в плановом периоде.

2.2. Исследование свойств оценок риска вдоль траекторий движения системы, представляющих собой двухзвенные ломаные.

2.3. Исследование свойств оценок риска вдоль траекторий движения системы вида /(0 = 'а

2.4. Некоторые статистические закономерности рынка ценных бумаг.

Выводы к главе 2.

3. Разработка и практическое использование синтетической методики управления портфелем.

3.1. Подготовка данных для нейросетевого анализа.

3.2. Методы формирования комитета нейроэкспертов.

3.3 Алгоритмы совместного применения комитетов нейросетей и

О-оценок Руссмана к задаче управления портфелем активов.

3.4. Обзор результатов тестирования представленных алгоритмов.

Выводы к главе 3.

Список литературы

1. Айвазян CA. Прикладная статистика и основы эконометрики: Учебник для вузов / С. А Айвазян, B.C. Мхитарян. М.: ЮНИТИ, 1998. — 1022 с.

2. Бабунашвили М. К. Оперативное управление в организационных системах/ М. К Бабунашвили, М. А. Бермант, И. Б. Руссман // Экономика и математические методы. -1971.- Т.7. № 3. -С. 120 -132.

3. Бабунашвили М. К. Контроль и управление в организационных системах/ М. К Бабунашвили, М. А. Бермант, И. Б. Руссман // Экономика и математические методы.- 1969.- Т. 5, № 2. С. 480 -492.

4. Балабанов И. Т. Риск-менеджмент/ И. Т. Балабанов. М.: Финансы и статистика, 1996. — 192 с.

5. Барбаумов В. Е. Финансовые инвестиции: учеб. / Е. В. Барбаумов, И. М. Гладких, A.C. Чуйко. М.: Финансы и статистика, 2003. — 544 с.

6. Берколайко М. З. О некоторых методах формирования и управления портфелем активов. Часть 1/ М. З. Берколайко, И.Б. Руссман// & quot-Экономическая наука современной России& quot-, РАН.- 2004.- № 1.- С. 18−32.

7. Берколайко М. З. О некоторых методах формирования и управления портфелем активов. Часть 2/ М. З. Берколайко, И.Б. Руссман// & quot-Экономическая наука современной России& quot-, РАН. 2004.- № 2.- С. 25−36.

8. Боровиков В. П. STATISTICA: искусство анализа данных на компьютере. Для профессионалов / В. П. Боровиков. СПб.: Питер, 2001. — 656 с.

9. Бэстенс Д. -Э. Нейронные сети и финансовые рынки. Принятие решений в торговых операциях/ Д. -Э. Бэстенс, В. -М. Берг, Д. Вуд М.: ТВП, 1997.- 235 с.

10. Васин A.C. Стохастические свойства курсов иностранных валют / A.C. Васин // Финансы и кредит. 2005. — № 17(185). — С. 15−26.

11. Вейсвеллер Р. Арбитраж. Возможности и техника операций на финансовых и товарных рынках. Пер с англ. — М.: Церих-ПЭЛ, 1993. 208 с.

12. Вине Р. Математика управления капиталом. Методы анализа риска для трейдеров и портфельных менеджеров/ Р. Вине М: Альпина Бизнес Букс, 2007.- 400 с.

13. Винтизенко И. Г. Прогнозирование в моделях экономических систем / И. Г. Винтизенко, И. М. Колесников, М. Г. Шадуев. Кисловодск: Изд. центр Кисловодского института экономики и права, 2001. — 100 с.

14. Волков М. В. Структура и классификация рынка ценных бумаг. Операции с ценными бумагами в деятельности банков. Управление портфелем ценных бумаг / М. В. Волков // Финансы и кредит. 2005. — № 10(178). -С. 31−40.

15. Воронцовский A.B. Инвестиции и финансирование: Методы оценки и обоснования. СПб.: Изд-во С. -Петербург, гос. ун-та, 2003. — 528 с.

16. Воронцовский A.B. Управление рисками: учеб. пособие / A.B. Воронцовский. СПб.: Изд-во С. -Петербург, гос. ун-та, 2000. — 206 с.

17. Глухов В. В. Финансовый менеджмент: Участники рынка, инструменты, решения / В. В. Глухов, Ю. М. Бахрамов. СПб.: Специальная литература, 1995. -430 с.

18. Давние В. В. Адаптивное прогнозирование: модели и методы: монография / В. В. Давние. Воронеж: Изд-во Воронеж, гос. ун-та, 1997. — 196 с.

19. Давние В. В. Адаптивные модели: анализ и прогноз в экономических системах / В. В. Давние, В. И. Тинякова. Воронеж: Воронежский государственный университет, 2006. — 380 с.

20. Давние В. В. Прогнозные модели экспертных предпочтений: монография / В. В. Давние, В. И. Тинякова. Воронеж: Изд-во Воронеж, гос. ун-та, 2005. -248 с.

21. Давние В. В. Управление эффективностью портфеля на основе прогнозных оценок / В. В. Давние, A.A. Нагин // Экономическое прогнозирование: модели и методы: Материалы Междунар. науч. -практ. конф Воронеж: Воронеж гос. ун-т, 2005. — 4. II. — С. 281−285.

22. Евстигнеев В. Р. Портфельные инвестиции в мире и России: выбор стратегии/ В. Р. Евстигнеев.- М.: Финансы и статистика 2002, — 304 с.

23. Едронова В. Н. Учет и анализ финансовых активов: акции, облигации, векселя / В. Н. Едронова, Е. А. Мизиковский. М.: Финансы и статистика, 1995. -267 с.

24. Ежов A.A. Нейрокомпьютинг и его применения в экономике и бизнесе/ A.A. Ежов, С. А. Шумский. М.: МИФИ, 1998. -224 с.

25. Каширина И. Л. Методы повышения качества обучения нейронных сетей в задачах прогнозирования / И. Л. Каширина, К. Г. Иванова // Системы управления и информационные технологии. 2007. — № 4. — С. 31−36.

26. Клапко А. О. Математическое моделирование и прогнозирование цен на фондовом рынке: автореф. дис. канд. экон. наук / А. О. Клапко Москва, 2005. -24 с.

27. Ковалев В. В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчетности/ В. В. Ковалев М.: Финансы и статистика, 1995. -432 с.

28. Крисилов В. А. Предварительная оценка качества обучающей выборки для нейронных сетей в задачах прогнозирования временных рядов / В. А. Крисилов, Р. А. Тарасенко// Тр. Одес. Политехи. Ун-та. Одесса, 2001. -Вып.1. С. 90−96.

29. Кричевский М. JI. Интеллектуальные методы в менеджменте / M. JT. Кри-чевский. СПб.: Питер, 2005. — 304 с.

30. Кузнецова Л. Г. Экскурс в теорию блужданий и ее использование для оценки стоимости финансовых активов / Л. Г. Кузнецова // Финансы и кредит. 2005. — № 28(196). — С. 67−71.

31. Лиховидов В. Н. Фундаментальный анализ мировых валютных рынков: методы прогнозирования и принятия решений / В. Н. Лиховидов г. Владивосток.: Forexclub, 1999. — 234 с.

32. Лукашин Ю. П. Статистические методы изучения фондового рынка / Ю. П. Лукашин // Вопросы статистики. 1995. — № 7. — С. 14−21.

33. Ляшенко В. И. Фондовые индексы и рейтинги / В. И. Ляшенко. Д.: Сталкер, 1998. -320 с.

34. Магнус Я. Р. Эконометрика: Учеб. / Я. Р. Магнус, П. К. Катышев, A.A. Пе-ресецкий. М.: Дело, 2004. — 576 с.

35. Маккей Ч. Наиболее распространенные заблуждения и безумства толпы / Ч. Маккей. М.: Альпина Паблишер, 2003, — 844 с.

36. Маковецкий М. Ю. Роль рынка ценных бумаг в инвестиционном обеспечении экономического роста / М. Ю. Маковецкий. Финансы и кредит. -2004. -№ 19(157). -С. 11−24.

37. Маковецкий М. Ю. Использование финансовых инструментов рынка ценных бумаг в инвестиционном процессе / М. Ю. Маковецкий. Финансы и кредит. — 2005. — № 31(199). — С. 19−37- № 32 (200). — С. 14−24- № 33 (201). -С. 53−63.

38. Малюгин В. И. Рынок ценных бумаг: Количественные методы анализа: Учеб. пособие/ В. И. Малюгин М.: Дело, 2003. — 320с.

39. Меньшиков И. С. Финансовый анализ ценных бумаг: Курс лекций/ И. С. Меньшиков М. :Финансы и статистика, 1998. — 360 с.

40. Миркин Я. М. Ценные бумаги и фондовый рынок / Я. М. Миркин. М.: Перспектива, 1995. — 532 с.

41. Миркин Я. М. Рынок ценных бумаг России: воздействие фундаментальных факторов, прогноз и политика развития / Я. М. Миркин. М.: Аль-пина Паблишер. — 2002. — 624 с.

42. Мэрфи Дж. Технический анализ фьючерсных рынков: теория и практика / Дж. Мэрфи. М.: Сокол, 1996. — 592с.

43. Найман Э. Л. Путь к финансовой свободе: Прфессиональный подхд к трейдингу и инвестициям / Э. JT. Найман. — М.: Альпина Бизнес Букс, 2004. -480 с.

44. Найман Э. Л. Трейдер инвестор / Э. Л. Найман. — Киев.: ВИРА-Р, 2000.- 640 с.

45. Нименья И. Н. Эконометрика. / И.Н. Нименья- Спб.: Издательский Дом & laquo-Нева»-, 2003 224с.

46. Перепелица В. А. Математическое моделирование экономических и социально-экологических рисков: монография / В. А. Перепелица, Е. В. Попова. Ростов н/Д.: Изд-во Рост, ун-та, 2001. — 126 с.

47. Петере Э. Хаос и порядок на рынках капитала. Новый аналитический взгляд на циклы, цены и изменчивость рынка. М.: Мир, 2000. — 333 с.

48. Поляков В. В. Мировой рынок: вопросы прогнозирования / В. В. Поляков.- М.: КНОРУС, 2004. 240 с.

49. Рынок ценных бумаг и его финансовые институты: учеб. пособие / Под ред. B.C. Торкановского. СПб.: АО & laquo-Комплект»-, 1994. — 421 с.

50. Руссман И. Б. Непрерывный контроль процесса достижения цели/И.Б. Руссман, A.A. Гайдай//Управление большими системами: Сб. трудов института проблем управления РАН.- Выпуск 7, 2004.- с. 106−113.

51. Рэдхэд К. Управление финансовыми рисками/ К. Рэдхэд, С. Хьюс. М.: ИНФРА-М, 1996. — 288 с.

52. Сорнетте Д. Как предсказывать крахи финансовых рынков: критические события в комплексных финансовых системах / Д. Сорнетте. М.: Интернет-трейдинг, 2003. — 400 с.

53. Срагович В. Г. Теория адаптивных систем / В. Г. Срагович. М.: Наука, 1976. -320 с.

54. Суржко A.B. О развитии рынка ценных бумаг в России / A.B. Суржко // Финансы и кредит. 2005. — № 14(82). — С. 55−57.

55. Твардовский В. В. Секреты биржевой торговли: торговля акциями на фондовых биржах / В. В. Твардовский, C.B. Паршиков. М.: Альпина Бизнес-Букс, 2004. — 368 с.

56. Тюрин Ю. Н. Статистический анализ данных на компьютере / Ю. Н. Тюрин. A.A. Макаров. М.: ИНФА-М, 1998. — 528 с.

57. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика/ Ф. Уос-сермен. Перевод на русский язык Ю. А. Зуев, В. А. Точенов. — М.: Мир, 1992. -296 с.

58. Уотшем Т. Дж. Количественные методы в финансах: учеб. пособие для вузов /. Т. Дж. Уотшем, К. Паррамоу. М.: Финансы, ЮНИТИ, 1999. -527 с.

59. Хаертфельдер М. Фундаментальный и технический анализ рынка ценных бумаг / М. Хаертфельдер, Е. Лозовская, Е. Хануш. СПб.: Питер, 2005. -352 с.

60. Хакен Г. Синергетика. Иерархия неустойчивости в самоорганизующихся системах и устройствах: Пер. с англ. М.: Мир, 1985. — 423 с.

61. Хорн Дж. К. Ван. Основы управления финансами / Дж. К. Ван. М.: Финансы и статистика, 2000. — 800 с.

62. Царегородцев В. Г. Предобработка обучающей выборки, выборочная константа Липшица и свойства обученных нейронных сетей // Материалы X Всеросс. семин. & quot-Нейроинформатика и ее приложения& quot-, Красноярск, 2002. 185с. С. 146−150.

63. Шарп У. Инвестиции / У. Шарп, Г. Александер, Дж. Бейли. М.: ИН-ФРА-М, 2006. — XII, 1028 с.

64. Швагер Дж. Технический анализ. Полный курс / Дж. Швагер. М.: Аль-пина Паблишер, 2001. — 768 с.

65. Ширяев А. Н. Основы стохастической финансовой математики. Том I: Факты. Модели / А. Н. Ширяев. М., ФАЗИС, 1998

66. Шоломицкий А. Г. Теория риска. Выбор при неопределенности и моделирование риска: учеб. / А.Г. Шоломицкий- Гос. ун-т Высшая школа экономики. — М.: ГУ ВШЕ, 2005. — 400 с.

67. Эконометрика: учеб. / Под ред. И. И. Елисеевой. М.: Финансы и статистика, 2005. -576 с.

68. Янукян М. Г. Современные тенденции развития международного рынка ценных бумаг / М. Г. Янукян // Финансы и кредит. 2005. — № 5(173). — С. 52−57.

69. Callan E. A Theory of Social Imitation / E. Callan, D. Shapiro // Physics Today. 27, 1974.

70. Cambell J. Y. and other. The Econometric of Financial Markets / J. Y. Cambell. -New Jersey: Princeton. University, 1997.

71. Cootner P. The Random Character of stock Market Prices. Cambridge: MIT Press, 1964 b.

72. Dacorogna M.M., Muller U.A. Moment Condition for the HARCH (k) Models. Preprint. Zurich: «Olsen & Associates», May 30, 1995.

73. Devaney R.L. An Introduction to Chaotic Dynamical Systems / R.L. Devaney. -Redwood City.: Addison-Wisley Publishing Company, 1989.

74. Engle R. Generalized Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K. Inflation / R. Engle // Econometrica. 1982. — № 50. -Pp. 987−1007.

75. Engle R. Estimating Time Varying Risk Premia in the Term Structure: The «ARCH-M Model"/ R. Engle, D. Lilien, R. Robins // Econometrica. 1987. -№ 55.

76. Engle R. Modelling the Persistance of Conditional Variances / R. Engle, T. Bollerslev // Econometric Reviews. 1986. — № 5.

77. Fama, E. F and Roll, R. Some properties of symmetric Stable Distributios // Journal of the American Statistical Associations 63, 1968.

78. Hurst H. E. Long-term Storage of Reservoirs / H.E. Hurst // Transactions of the American Society of Civil Engineers. 116, 1951.

79. Kendeall M.G. The analysis of economic time-series. Part I. Prices // Journal of the Royal Statistical Society. 1953. V. 96. P. 11−25.

80. LeBaron B. A Fast Algorithm for the BDS Statistic // Studies in Nonlinear Dynamics and Econometrics. Январь 1997. Vol. 2. No. 2. P. 53−59.

81. Mandelbrot B. The Variation of Certain Speculative Prices / B. Mandelbrot. -Cambridge: MIT Press, 1964. -11 598. Markowitz H.M. Portfolio Selection / H.M. Marlcowitz // Journal of Finance. 1952.- Vol. 7, № 1. — Pp. 77−91.

82. Markowitz H.M. Mean-variance Analysis in Portfolio Choice and Capital Market / H.M. Markowitz. Oxford- N.Y.: Blackwell, 1987. — 387 p.

83. Markowitz H.M. Portfolio Selection. Efficient Diversification of Investments / H.M. Markowitz. Oxford- N.Y.: Blackwell, 1991. — 384 p.

84. Mossin J. Equilibrium in a Capital Asset Markets / J. Mossin // Econometrica. October 1966. Pp. 768−783.

85. Nelson D.B. Conditional Heteroscedasticity in Asset Returns / D.B. Nelson // Econometrica. 1991. -V. 59. — Pp. 347−370.

86. Osborn M. Brownian Motion in the Stock Market / M. Osborn // The concepts, Cognition. 9, 1981.

87. Pindyck R.S. Econometric Models and Economic Forecasts / R.S. Pindyck, D.L. Rubinfeld. McGraw-Hill, Inc. 1999.

88. Ragnar F. Editorial //Econometrica, 1: 1, January 1933, p.2.

89. Roberts H.V. Stock-market «patterns» and financial analysis: Methodological suggestions//Journal of Finance. 1959. V. 14. P. 1−10.

90. Roll R. A Critique of Asset Pricing Theory’s Tests / R. Roll // Journal of Finance and Economics. March 1977. Pp. 129−176.

91. Ross S. A. The Arbitrage Theory of Capital Asset Pricing / S.A. Ross // Journal of Economy Theory. 1976. — Vol. 13, № 3. — Pp. 343−362.

92. Ross Sh.M. An Elementary Introduction to Mathematical Finance: Options and Other Topics / Sh. M. Ross. Cambridge University Press, 2003. — 253 p.

93. Ruelle D., Takens F. On the nature of turbulence. Comm. Math. Phys. 20, 167 (1971).

94. Samuelson P. A. Proof that properly anticipated prices fluctuate randomly // Industrial Management Review, v. 6, 1965

95. Sharpe W.F. Capital Asset Price: A Theory of Market Equilibrium Under Conditions of Risk / W.F. Sharpe // Journal of Finance 1964. — Vol. 19, № 3. -Pp. 425−442.

96. Shephard N. Statistical Aspects of ARCH and Stochastic Volatility / N. She-phard. In Time Series Models in Econometrics, Finance and Other Fields. L.: Chapman& Hall, 1996. — Pp. 1−67.

97. Sornette D., Johansen A., an Bouchaud, J. -P (1996). Stock market crashes, precursors and replicas, Journal de Pfysique I, France 6, 167−175.

98. Sterge A.J. On the Distribution of Financial Futures Price Changes / A.J. Sterge // Financial Analysts Journal. May/June 1989.

99. Takens F. Detecting strange attractors in turbulence. In: Dynamical Systems and Turbulence. Lecture Notes in Mathematics, edited by D.A. Rand L.S. Young. Heidelberg: Springer-Verlag, 366−381 (1981).

100. Tobin J. Liquidity Preferences as a Behavior Toward Risk / J. Tobin // Review Economic Studies. 1958. — Vol. 25, № 6. — Pp. 65−68.

101. Tobin J. The Theory of Portfolio Selection / J. Tobin // Theory of Interest Rates / Ed. by F.H. Hahn, F.P.R. Brechling. London: MacMillan, 1965. -Pp. 3−51.

102. Turner A.L. An Analysis of Stock Market Volatility / A.L. Turner, E.J. Wei-gel // Russel Research Commentaries, Frank Russel Company, Tacoma, WA, 1990.

103. Vaga T. The Coherent Market Hypothesis / T. Vaga // Financial Analysts Journal. December/January, 1991.

104. Weidlich W. The Statistical Description of Polarization Phenomena is Society, British Journal of Math. Statist. Psychology 24, 1971. Pp. 251−266.

Заполнить форму текущей работой