Автор работы: Пользователь скрыл имя, 11 Апреля 2014 в 18:11, реферат
Современный финансовый рынок характеризуется высокой динамичностью происходящих процессов, наличием огромного числа объективных и субъективных факторов, взаимо обусловливающих друг друга, относительной скудностью априорной информации о среде. В такой ситуации процесс принятия эффективного решения для большинства экономических агентов крайне затруднен.
Эта процедура занимает много времени: очень редко получается хорошая сеть с первого раза и приходится снова и снова повторять процесс обучения.
По итогам каждого следующего торгового дня мы можем вводить в сеть необходимые параметры и получать прогноз курсовой стоимости акций на следующий торговый день, что дает нам возможность фактически без дальнейших затрат на аналитику осуществлять активное управление портфелем. Однако с течением времени качество прогноза наших сетей будет ухудшаться. Это может быть обусловлено, например, резкими изменениями рыночной конъюнктуры, появлением ряда новых факторов, влияющих на рынок и соответственно не учтенных в обучающей выборке.
Критерии оценки качества модели могут быть различными, самый распространенный - это проверка критерия согласия (СКО и др.) на тестовом множестве, которое составляется из реальных данных.
Модель Марковица статична, она имеет цель снизить риск. Однако она неповоротлива, поскольку многие новые тенденции, появляющиеся на рынке, не находят моментального и достаточно точного отражения в этой модели. В связи с этим наиболее актуальным и перспективным будет метод, способный одновременно анализировать множество значимых параметров и тем самым оперативно и непрерывно отражать происходящие процессы, что существенно повысит качество получаемой информации.
Сегодняшний уровень нейросетевого программного обеспечения и его инструментальные возможности выводят метод в ряд важнейших инструментов финансового инвестиционного анализа.
Список использованной литературы
1. Головко В.А., Нейроинтеллект: теория и применения. – Брест: БПИ, 2008.
2. Косарев В.П., Компьютерные системы и сети. – М.: Финансы и статистика, 2011.
3. Уоссермен Ф., Нейрокомпьютерная техника: теория и практика, 2006