Автоматизированная система поддержки принятия решений в области торговли кредитными деривативами тема диссертации и автореферата по ВАК РФ 05.13.10, кандидат технических наук Овечкин, Роман Михайлович

  • Овечкин, Роман Михайлович
  • кандидат технических науккандидат технических наук
  • 2012, Пенза
  • Специальность ВАК РФ05.13.10
  • Количество страниц 176
Овечкин, Роман Михайлович. Автоматизированная система поддержки принятия решений в области торговли кредитными деривативами: дис. кандидат технических наук: 05.13.10 - Управление в социальных и экономических системах. Пенза. 2012. 176 с.

Оглавление диссертации кандидат технических наук Овечкин, Роман Михайлович

Введение.

Глава 1. Анализ систем мониторинга и поддержки принятия решений для управления банковской деятельностью.

1.1 Компоненты системы мониторинга финансово-экономической деятельности предприятия.

1.2 Аналитический обзор существующих систем поддержки принятия решений.

1.2.1 Функциональность СППР.

1.2.2. Классификация СППР.

1.2.3 Классификация архитектурных решений СППР.

1.3 Применение экспертных систем в сфере управления финансово-кредитными организациями.

1.4 Постановка задачи управления кредитными рисками.

1.5 Аналитический обзор существующих программных решений по управлению кредитными рисками.

Выводы по разделу.

Глава 2. Разработка модели и методики интеллектуального анализа рынка кредитных деривативов и производных финансовых продуктов.

2.1 Краткая характеристика биржевого трейдинга кредитных деривативов как предметной области исследований.

2.2 Модель и методика обработки данных для системы торговли кредитными деривативами.

2.3 Методика расчета аналитических величин для поддержки принятия решений при торговле деривативами.

2.3.1 Базовые модели для оценки стоимости опционов и подразумеваемой волатильности.

2.3.2 Методика оценки стоимости опционов.

2.3.3 Методика расчета подразумеваемой волатильности.

2.4 Методика определения хеджирующих и инвестиционных стратегий для рынка облигаций.

2.5 Разработка дополнительных аналитических показателей для работы системы мониторинга и поддержки принятия решений.

Выводы по разделу.

Глава 3. Разработка комплекса программно-инструментальных средств для мониторинга и поддержки принятия решений.

3.1 Анализ платформенных решений для синтеза серверной части и клиентских приложения системы.

3.2 Базовые принципы работы и структура инструментальной системы мониторинга и поддержки принятия решений.

3.3 Инструментальное средство интеллектуального анализа данных по сделкам с кредитными деривативами.

3.3.1 Модуль визуализации многомерных данных о сделках.

3.3.2 Модуль создания и редактирования режимов агрегации многомерных данных

3.3.3 Модуль выделения подмножества анализируемых данных из гиперкуба. 102 3.4. Метод поддержки принятия решений для управления кредитными рисками на основе сценарного анализа рыночных ситуаций.

3.5 Механизм ускорения аналитической обработки данных при помощи графического видеопроцессора.

3.5.1 Принцип декомпозиции сложных алгоритмов в видеопамяти графического процессора.

3.7 Архитектура программно-аппаратного комплекса для сверхбыстрой аналитической обработки больших массивов данных.

3.8 Использование нереляционной схемы данных в масштабируемой системе мониторинга и поддержке принятия решений.

3.8 Использование реляционной модели для хранения состояния рынка (Market

Structure).

Выводы по разделу.

Глава 4. Экспериментальные исследования системы мониторинга и поддержки принятия решений.

4.1 Архитектура распределенной системы мониторинга и поддержки принятия решений.

4.2 Выбор платформ и технологий для реализации системы мониторинга и поддержки принятия решений.

4.3 Кластерная инфраструктура аппаратных средств системы.

4.4 Оценка загруженности системы и объемов базы данных для интеллектуального анализа.

Выводы по разделу.

Рекомендованный список диссертаций по специальности «Управление в социальных и экономических системах», 05.13.10 шифр ВАК

Введение диссертации (часть автореферата) на тему «Автоматизированная система поддержки принятия решений в области торговли кредитными деривативами»

Ни для кого не секрет, что на сегодняшний день банки являются центральными звеньями в системе рыночных отношений. Современная банковская система - это важнейшая сфера национального хозяйства любого развитого государства. В последние годы она претерпела значительные изменения. Модифицируются все компоненты банковской системы, но в особенности сфера информационных технологий. Невозможно представить функционирование любого, даже небольшого банка или кредитной организации без помощи специализированного программного обеспечения, которое помогает людям анализировать и обрабатывать большие объемы информации, увеличивающиеся с каждым днем. Человек любой сфере своей деятельности всегда стремится к принятию рациональных (обоснованных, оптимальных) решений. Средства, которые он использует при этом могут варьироваться от обычной интуиции до привлечения группы высококвалифицированных экспертов и применения соответствующих методов и программных продуктов.

Эффективным средством решения задач управления в финансово-кредитных организациях являются автоматизированные системы мониторинга и системы поддержки принятия решений, которые являются развитием идеологии экспертных технологий. В таких системах формирование, анализ и принятие решений производится человеком во взаимодействии с системой, осуществляющей обработку значительных объемов объективной и субъективной разноплановой информации, для ее использования в нужном контексте.

Специализированное программное обеспечение включает системы экономического мониторинга и анализа информации, системы поддержки принятия управленческих решений, системы коммуникации и др.

Экономический мониторинг понимается как систематический сбор, обработка и анализ маркетинговой информации, которая может быть использована для совершенствования процесса принятия управленческих решений в системе банковских или рыночных отношений. Программными средствами реализуются автоматизированные системы мониторинга, выполняющие сбор и агрегацию информации о всех релевантных изменениях рынка. Эта информация может непосредственно предоставляться сотруднику для анализа и принятия управленческих решений, либо передаваться в базу данных системы поддержки принятия решений.

Для быстрого и верного принятия управленческого решения, требуется достаточный объем информации, понятной для понимания, то есть правильно обработанной. Именно на этот процесс работы с информацией и направлены информационные технологии поддержки принятия управленческих решений. Не смотря на то, что в настоящее время данные технологии уже достаточно разработаны, все еще ведутся все новые и новые поиски в данном направлении с целью оптимизировать управленческий процесс.

Для некоторых областей, например бюджетирования и планирования имеется довольно большое количество хорошо проработанных программных решений входящих в состав комплексных ERP-систем (англ. Enterprise Resource Planning System — Система планирования ресурсов предприятия) от таких производителей как SAP, Microsoft, Oracle, PeopleSoft. Однако все есть области, в которых автоматизация процесса анализа и принятия управленческих решений требуют усовершенствований. Одной из таких областей является управление рисками при торговле производными кредитными продуктами - кредитными деривативами. Кредитные операции -самая доходная статья банковского бизнеса. За счет этого источника формируется основная часть чистой прибыли, отчисляемой в резервные фонды и идущей на выплату дивидендов акционерам банка. Банки предоставляют кредиты различным юридическим и физическим лицам из собственных и заемных ресурсов. Средства банка формируются за счет клиентских денег на расчетных, текущих, срочных и иных счетах; межбанковского кредита и т.д.

Аспекты управления кредитными рисками в банковской деятельности в целом нашли отражение в работах Жака Лорана, Джона К. Халла, Миркина Я. М. (в части ценообразования кредитных рисков и метрик); Чалиева A.A., Оварова А.О., Нормана Д. (в части прикладного регрессионного и статистического анализа); К.А. Багриновского, A.A. Гусева, Д. Ландо, П. Конюховского, Е. Ширинской (в части применения экономико-математических методов и моделей); О. Ефимовой, М. Мельник, А. Шеремета (в разработке вопросов формирования отчетности), Б.А. Лагоша, В.А. Колемаева, С.А. Айвазяна, B.C. Мхитаряна (по применению математических методов), В.П. Романова, И.А. Чубукова, A.A. Барсегян, С. Хайкина (по использованию информационных технологий в банковском деле).

Данная работа направлена на создание новых подходов к мониторингу и автоматизированной поддержке принятия решений для управления кредитными рисками среднего и крупного коммерческого банка и торговли производными финансовыми продуктами, позволяющих повысить качество и надежность принимаемых управленческих решений, что в условиях активно развивающегося финансового рынка является наиболее актуальной проблемой. Разработка и внедрение новых моделей, методов и технологий сбора, хранения и обработки информационных потоков в финансовых организациях, сценарного анализа финансовой деятельности, мониторинга развития ситуаций на рынках с использованием автоматизированных интеллектуальных систем поддержки принятия решений является актуальной научно-исследовательской задачей, которая решается в диссертационной работе.

Постановка задачи.

Управление рисками является одной из функций банковского менеджмента, главным его принципом является оптимизация доходности и рисков банковских операций, среди которых одним из наиболее серьезных является кредитный риск. Особого внимания заслуживает процесс управления данным риском, потому что от его качества зависит успех работы банка. Ключевыми элементами эффективного управления являются: взвешенная кредитная политика и процедуры, качественное управление кредитным портфелем, эффективный кредитный мониторинг и что наиболее важно - подготовленный для работы в этой системе персонал.

Кредитный риск - риск, связанный с неплатежами по обязательствам, является важнейшим из рисков банка и базовым, инициирующим многие иные риски. Этот вид риска проявляется в форме полного не возврата кредита, частичного не возврата (часто это дело касается начисленных процентов и комиссионных платежей) или отсрочки погашения кредита.

Кредитный риск может быть определен как неуверенность кредитора в том, что заемщик будет в состоянии и будет намереваться выполнить свои обязательства по возврату и оплате займа средств в соответствии со сроками и условиями кредитного соглашения.

В данной работе пойдет речь не о мелких кредитах, выдаваемых частным лицам, где риски могут быть компенсированы залогом собственности или поручительством, а о кредитах большого объема, выдаваемых крупным корпорациям на производственные нужды. Здесь все проблема рисков гораздо сложнее.

Рассмотрим следующий пример: пусть, корпорация А берет долгосрочный кредит у банка Б под 175 bp (1 bp англ. Basis Point равняется сотой доле процента, используется для удобства обозначения процентных ставок). Хотя по данным рынка выходит что настоящая стоимость риска по кредиту составляет скорее 300 bp. Кредит числится в банковских книгах и по прошествии некоторого времени, выясняется что бизнес корпорации А переживает не лучшие времена и стоимость риска значительно возрастает, скажем, до 1000 bp и в случае если корпорация А движется к банкротству, банк Б понесет значительные убытки.

Конечно такой случай не является примером хорошей организации работы банка, хотя именно так и была организована работа банков раньше и, к сожалению, некоторые из них до сих пор продолжают работать по той же схеме.

Толчком для разработки новой формы обеспечения выданных кредитов послужило обращение Exxon Mobil к JP Morgan Chase с просьбой о пятимиллиардном кредите на покрытие штрафных санкций после разлива нефти из танкера «Эксон Валдиз» Базельские соглашения требуют от банков резервировать на специальных счетах не менее 8 % от суммы выданных кредитов. Выдача крупного кредита требовала формирования дополнительного резерва. Но резервы нужны для покрытия риска невозврата кредита. Если же каким-то образом уменьшить риск или найти вариант компенсации риска, то сумму резервов можно было бы уменьшить. Сотрудниками JP Morgan Chase и их последователями были введены несколько новых понятий в области экономики и управления рисками: Кредитный дериватив и Хеджирование кредитных рисков. Рассмотрим эти понятия подробнее.

Кредитные деривативы - производные инструменты, предназначенные для управления кредитными рисками. Они позволяют отделить кредитный риск от всех других рисков, присущих конкретному инструменту, и перенести такой риск от продавца риска («приобретателя кредитной защиты») к покупателю риска («продавцу кредитной защиты»). Основной набор таких инструментов - это кредитные дефолтные свопы, производные бумаги, привязанные к кредитным рискам, опционы, фьючерсы и т. д.

Отличительная особенность деривативов состоит в том, что они не связаны с количеством базового актива, обращающегося на рынке. Обладатели базового актива обычно не имеют никакого отношения к выпуску деривативов.

По сути дериватив представляет собой соглашение между двумя сторонами, по которому они принимают на себя обязательство или приобретают право передать определённый актив или сумму денег в установленный срок или до его наступления по согласованной цене.

Обычно, целью покупки дериватива является не получение базового актива, а хеджирование (страхование рисков) ценового или валютного риска во времени, или получение спекулятивной прибыли от изменения цены базового актива.

Определение из экономики: Хеджирование — страхование, снижение риска от потерь, обусловленных неблагоприятными для продавцов или покупателей изменениями рыночных цен на товары в сравнении с теми, которые учитывались при заключении договора. Суть хеджирования состоит в том, что продавец (покупатель) товара заключает договор на его продажу (покупку) и одновременно осуществляет фьючерсную сделку противоположного характера, то есть продавец заключает сделку на покупку, а покупатель — на продажу товара. Таким образом, любое изменение цены приносит продавцам и покупателям проигрыш по одному контракту и выигрыш по другому. Благодаря этому в целом они не терпят убытка от повышения или понижения цен на товары, которые надлежит продать или купить по будущим ценам.

Целью хеджирования является защита от неблагоприятных изменений цен на рынке акций, товарных активов, валют, процентных ставок, и прочее.

Операции на рынке осуществляются биржевыми торговцами -трейдерами, непосредственная работа которых включает анализ текущей ситуации на рынке и заключение торговых сделок. Торговцы бывают как независимые, выполняющие операции за свои деньги и в своих интересах, так и профессиональные, представляющие интересы определенного финансового учреждения (банк, страховая компания и т.д.). Контингент пользователей разрабатываемой системы составляют трейдеры, занимающихся торговлей кредитными деривативами (хеджированием), их еще называют Хеджеры.

До компьютеризации торговли, трейдинг осуществлялся непосредственно в биржевом зале где трейдерам приходилось арендовать место. Отслеживать ситуацию на рынке возможно было по специальным табло, расположенным в биржевом зале.

Благодаря широкомасштабному внедрению информационных и Интернет технологий в сферы банковской и биржевой деятельности, значительно упростился способ получения информации, однако значительно увеличились и ее объемы с ростом количества сделок.

Цели и задачи исследования. Целью диссертационной работы является разработка моделей, методик и автоматизированной системы мониторинга и поддержки принятия решений в области биржевой торговли кредитными деривативами и ценными бумагами в целях повышения эффективности управления банковскими процессами и системными рисками.

Для достижения цели необходимо решить следующие задачи:

1. Провести анализ предметной области, методов, технологий и систем поддержки принятия решений, экспертных систем и программных решений в области управления рисками и обосновать необходимость разработки системы поддержки принятия решений для управления кредитными рисками и повышения эффективности бизнес-процессов в области биржевой торговли;

2. Разработать методики расчета аналитических величин производных финансовых продуктов для поддержки принятия решений в области банковской биржевой торговли кредитными деривативами;

3. Разработать методику прогнозирования изменений развития рыночных ситуаций с целью оценки и снижения банковских рисков, обеспечивающую связь теории и практики банковского дела с современными достижениями в области информационных технологий;

4. Разработать архитектуру, математическое и программное обеспечение системы с возможностью взаимодействия с пользователем в реальном времени и аппаратного ускорения процессов обработки информации в вычислительном кластере и графических процессорах;

5. Выполнить апробацию и провести экспериментальное исследование разработанных моделей, методик, алгоритмов в процессе функционирования аналитической системы.

Объектом исследования диссертационной работы является автоматизированная система поддержки принятия решений в области торговли кредитными деривативами и ценными бумагами.

Предметом исследования являются модели и методики, производные финансовые инструменты для управления кредитными рисками в банковской операционной деятельности в плане повышения эффективности биржевой торговли.

Методы исследований. Для решения поставленных задач использовались методы системного анализа, оперативной аналитической обработки данных (OLAP), теории принятия решений, теории вероятности, теории управления, математического моделирования, математической экономики и статистики, модульного и объектно-ориентированного проектирования и программирования, теории баз данных. Научная новизна.

1. Разработана методика расчета аналитических величин «рекомендованная стоимость» и «подразумеваемая волатильность» для производных финансовых продуктов типа «Опцион», которые в отличии от существующих, использует комбинацию моделей Блэка-Шоулза, биномиального дерева и численный метод бисекционного поиска, что позволяет управлять точностью и вычислительной сложностью при решении данной задачи.

2. Предложен метод поддержки принятия решений для управления банковскими кредитными рисками на основе сценарного анализа, включающий методики конструирования, симуляции и исследования произвольных сценариев изменения развития рыночных ситуаций в реальном времени с целью оценки и снижения рисков возможных потерь при торговле кредитными деривативами и облигациями.

3. Предложен усовершенствованный способ хранения и обработки многомерных данных в режиме реального времени на основе комбинирования реляционной СУБД Oracle с распределенной нереляционной системой хранения сверхбольших массивов данных, который существенно повышает эффективность выборки срезов данных по сравнению с традиционными подходами, обеспечивая повышенную отказоустойчивость и линейную масштабируемость при увеличении объема данных.

4. Разработана новая архитектура программно-аппаратного комплекса для сверхбыстрой аналитической обработки больших массивов финансовых данных в рамках парадигмы программирования «Отображение-Свертка», использующая в отличие от аналогов двухуровневую платформу распределенных вычислений, а именно вычислительный кластер на первом уровне и графические процессоры кластерных узлов на втором уровне. Практическая значимость.

Определяется прикладным характером предложенного подхода автоматизации процесса биржевой торговли, разработанного в результате анализа работы трейдеров на рынках ценных бумаг и банковской деятельности при использовании производных финансовых продуктов для эффективного управления рисками.

Диссертационные исследования выполнены в рамках приоритетного направления «Информационно-аналитические системы» и способствуют развитию критических информационных технологий, управляющих технологий, технологий разработки программного обеспечения распределенных и высокопроизводительных вычислительных систем.

Результаты исследований позволяют внедрять инновационные методы управления банковскими рисками в области биржевой торговли кредитными деривативами и облигациями управления для поддержки принятия решений в кредитно-финансовых организациях на основе многомерного анализа данных в режиме реального времени.

Внедрение системы позволяет автоматизировать работу трейдерского и аналитического подразделений банка, упростить составление отчетности для подразделений, повысить эффективность управления финансовыми и информационными потоками, кредитными рисками.

Достоверность и обоснованность результатов обеспечиваются адекватностью математических моделей производных финансовых инструментов, подтверждаются результатами моделирования, экспериментального исследования и тестирования системы поддержки принятия решений, результатами практической реализации, внедрения и эксплуатации разработанных программно-инструментальных средств.

Соответствие паспорту специальности. Работа выполнена в соответствии с паспортом специальности ВАК РФ 05.13.10 - Управление в социальных и экономических системах, пункты 4, 5, 6, 9, 10 и 12.

Внедрение результатов работы и связь с научными программами.

Диссертационные исследования проводились на кафедре «Системы автоматизированного проектирования» Пензенского государственного университета (ПГУ) при выполнении ряда НИР по аналитической ведомственной целевой программе "Развитие научного потенциала высшей школы (2009-2011гг)", в частности, «Разработка научных основ теории синергетического управления информационными процессами», «Исследование методов и принципов управления информационными процессами в сенсорных и ячеистых сетях нового поколения».

Результаты исследования внедрены в эксплуатацию при создании системы поддержки принятия решения в области торговли кредитными деривативами для банка Salzburg-Munchen Bank AG.

Также результаты диссертации внедрены в учебный процесс Пензенского государственного университета, Пензенского филиала Российского государственного университета инновационных технологий и предпринимательства.

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах: Международные конференции «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Ялта-Гурзуф, 2009-2012); XIV Международный симпозиум «Надежность и качество» (Пенза, 2011); Международная научно-практическая конференция «Молодежь. Наука. Инновации» (Пенза, 2011); IX Международная научно-техническая конференция «Проблемы информатики в образовании, управлении, экономике и технике»; (Пенза, 2011); Всероссийская научная школа «Информационно-телекоммуникационные системы и управление» (Воронеж, 2011) Международные конференции «Передовые научные разработки» (Прага, 2011, 2012).

Публикации. По материалам диссертации опубликовано 14 работ, в том числе 3 статьи в изданиях, рекомендованных ВАК РФ. Наиболее значимые работы приведены в конце автореферата.

В основных статьях, выполненных в соавторстве, лично соискателю принадлежит: в [88] - разработанный и описываемый компонент пользовательского интерфейса «гипертаблица»; в [89] - модель вычислений теоретической стоимости опционов; в [91] - описание архитектуры системы поддержки принятия решений; в [92] - метод оценки подразумеваемой волатильности для финансового продукта типа опцион; в [93] - описание архитектуры программного каркаса для выполнения задач на графических процессорах.

Структура и объем работы. Диссертация состоит из введения, четырёх глав и заключения, изложенных на 176 страницах, списка литературы из 101 наименования, 1 приложение, содержит 43 рисунка, 55 формул и 6 таблиц.

Похожие диссертационные работы по специальности «Управление в социальных и экономических системах», 05.13.10 шифр ВАК

Заключение диссертации по теме «Управление в социальных и экономических системах», Овечкин, Роман Михайлович

Выводы по разделу

В последнем разделе данной работы произведен и обоснован выбор технологий, программных инструментов, протоколов и библиотек, отвечающих всем требованиям, необходимым для реализации предложенной компонентной архитектуры разработанной системы поддержки принятия решений в области торговли кредитными деривативами.

Проведены экспериментальные исследования данной системы на различных аппаратных средствах, были подобраны оптимальные параметры конфигурации точности расчетов и вычислительной сложности. Составлено оптимальное расписание и временные интервалы запуска асинхронных процессов управления информационными потоками, благодаря чему удалось максимально снизить пиковые нагрузки на сервера базы данных и другие ключевые вычислительные ресурсы системы.

В результате сбора статистических сведений экспериментальной работы системы, построены графики использования процессорного времени за 24 часовой интервал, нагрузки на сервер базы данных, вычислены средние показатели пропускной способности данных, максимальные объемы данных и тенденции роста количества информации, обрабатываемой системой.

Проведена апробация и экспериментальное исследование разработанных моделей, методик и алгоритмов в процессе функционирования информационно-аналитической системы, осуществляющей мониторинг и поддержку принятия решений в области биржевой торговли. Разработанная система мониторинга и поддержки принятия решений позволяет систематизировать и автоматизировать работу аналитического, трейдерского и портфельного подразделений банка, сократить трудозатраты на получение аналитической и управленческой отчетности в среднем на 17 %, почти в 1,4 раза уменьшить степень влияния человеческого фактора на производимые банком операции.

Заключение

При выполнении данной диссертационной работы были достигнуты следующие результаты:

1. Проведенные сравнительные аналитические исследования существующих методов, систем мониторинга и поддержки принятия решений в области управления банковскими рисками показал целесообразность и необходимость разработки и внедрения новых систем аналитической обработки сверхбольших массивов финансовых данных в реальном времени для повышения эффективности биржевой торговли ценными бумагами для кредитно-финансовых организаций.

2. На основе проведенного анализа предметной области, а именно банковской деятельности в области управления рисками при торговле кредитными деривативами и прочими ценными бумагами, разработан формализованный подход к моделированию и оценке рыночных ситуаций, включающий модели и методики расчета производных финансовых инструментов для использования в системах мониторинга и поддержки принятия решений.

3. Разработаны модели и методики расчета аналитических величин «рекомендованная стоимость» и «подразумеваемая волатильность» для производных финансовых продуктов типа «Опцион», которые в отличии от существующих используют комбинацию моделей Блэка-Шоулза, биномиального дерева и численный метод бисекционного поиска.

4. Предложен метод поддержки принятия решений в плане управления банковскими кредитными рисками на основе сценарного анализа, включающий алгоритмы и процедуры конструирования, симуляции и исследования произвольных сценариев изменения и развития рыночных ситуаций в реальном времени с целью оценки и снижения рисков возможных потерь при биржевой торговле кредитными деривативами и облигациями.

5. Разработана модель и усовершенствованная методика хранения многомерных данных путем комбинирования промышленного SQL хранилища с распределенной нереляционной схемой хранения сверхбольших массивов данных, которая существенно повышает эффективность выборки срезов данных по сравнению с традиционными подходами, обеспечивая повышенную отказоустойчивость и линейную масштабируемость.

6. Разработан новый программный инструментарий в виде набора библиотек для сверхбыстрой аналитической обработки больших массивов финансовых данных в рамках парадигмы программирования «Отображение-Свертка», использующий в отличие от аналогов двухуровневую платформу распределенных вычислений, а именно вычислительный кластер на первом уровне и графические процессоры кластерных узлов на втором уровне.

7. Проведена апробация и экспериментальное исследование разработанных моделей, методик и алгоритмов в процессе функционирования информационно-аналитической системы, осуществляющей мониторинг и поддержку принятия решений в области биржевой торговли. Разработанная система мониторинга и поддержки принятия решений позволяет систематизировать и автоматизировать работу аналитического, трейдерского и портфельного подразделений банка, сократить трудозатраты на получение аналитической и управленческой отчетности в среднем на 17 %, почти в 1,4 раза уменьшить степень влияния человеческого фактора на производимые банком операции

Список литературы диссертационного исследования кандидат технических наук Овечкин, Роман Михайлович, 2012 год

1. Абрютина М. С., Грачев А. В. Анализ финансово-экономической деятельности предприятия М.: Дело и Сервис, 1998. 255 с.

2. Бушмелева Г.В. СОДЕРЖАНИЕ КАТЕГОРИИ «МОНИТОРИНГ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ И ЭКОЛОГИЧЕСКИХ ПРОЦЕССОВ» / Г.В. Бушмелева // «Управление общественными и экономическими системами 2006 № 2», Ижевский государственный технический университет, г. Ижевск.

3. Крумкачева Н. В., Савалей В. В. Оценка финансово-экономического состояния предприятий. Владивосток: ДВГАЭУ, ЦБРГУПК, 1996.

4. П.Гараджа М. Мониторинг результативности бюджетных расходов: основные этапы внедрения на местном уровне: Зарубежный опыт США, Канады, Великобритании и Австралии. М.: Институт экономики города, 2003 г., 48 с.

5. Карева Т. А., Миняшкин В. В. Финансовый мониторинг стратегии промышленного предприятия. М., 2003 г.

6. Фитуни JL JI. Финансовый мониторинг: Учебно-методическое пособие. М.: Издательство Международного Независимого Эколого-Политологического Университета, 2002 г., 552 с.

7. Халкечев К. В., Касаева JI. Д. Основы мониторинга экономического состояния банка. -М.: ВИНИТИ №744-В98, 1998.

8. Тараненко В. Управление персоналом, корпоративный мониторинг, психодиагностика. Тесты для отбора персонала. От хорошего к великому (2-е издание). ~ М.: РЕФЛ-бук, 2002 г. 240 с.

9. Уилсон Э. Мониторинг и анализ сетей. Методы выявления неисправностей. -М.: Лори. 2002 г.

10. Бождай, А.С. Теория управления в технических и социальных системах. Учеб. пособие. / А.С.Бождай Пенза, изд-во ПТУ, 2003 г., 128 с.

11. Терелянский, П. В. Системы поддержки принятия решений. Опыт проектирования : монография / П. В. Терелянский ; ВолгГТУ. -Волгоград, 2009. 127 с.

12. Ларичев О. И., Петровский А. В. Системы поддержки принятия решений. Современное состояние и перспективы их развития. // Итоги науки и техники. Сер. Техническая кибернетика. — Т.21. М.: ВИНИТИ, 1987, с. 131—164

13. Keen P.G.W. Decision Support Systems: The next decades // Decision Support Systems, 1987. — v. 3. — pp. 253—265

14. Thierauf R.J. Decision Support Systems for Effective Planing and Control. -Englewood Cliffs, N.J: Prentice Hall, Inc, 1982. — 536 p.

15. Golden В., Hevner A., Power D.J. Decision Insight Systems: A Critical Evaluation // Computers and Operations Research, 1986. — v. 13. — N2/3. — p. 287—300.

16. Сараев А. Д., Щербина О. А. Системный анализ и современные информационные технологии //Труды Крымской Академии наук. -Симферополь: СОНАТ, 2006. С. 47-59.

17. Eom Н., Lee S. Decision Support Systems Applications Research: A Bibliography (1971—1988) // European Journal of Operational Research, 1990.-N46.-pp. 333-342.

18. Holsapple C.W., Whinston A.B. Decision Support Systems: A Knowledge-based Approach. — Minneapolis: West Publishing Co., 1996.-pp. 51-63.

19. Hamilton, Scott. Maximizing your ERP system: a practical guide for managers. — McGraw-Hill, 2003. — 392 c.

20. Джон К. Халл. Опционы, фьючерсы и другие производные финансовые инструменты = Options, Futures and Other Derivatives. 6-е изд. - M.: «Вильяме», 2007. - 1056 с.

21. Уткин Э. А. Бизнес-план компании М.: ТАНДЕМ: ЭКМОС, 2000. 95 с.

22. Credit default swap. Материал из Википедии — свободной энциклопедии / Режим доступа: http://en.wikipedia.org/wiki/Creditdefaultswap. Загл. с экрана.

23. Jorion, Philippe (2009). Financial Risk Manager Handbook (5 ed.). John Wiley and Sons. p. 287.

24. Barr, Anthony J., Goodnight, James H., Sail, John P., Helwig, Jane Т. A User's Guide to SAS 76, SAS Institute, Inc., 1976. 243 p.

25. Data Mining Software, Text Mining and Predictive Analytics Software. Statsorf Official. Режим доступа: http://www.statsoft.com/products/data-mining-solutions.

26. Путятинский, С.А. Компонентность, открытость, гибкость. Три кита системы Neoflex FrontOffice. Режим доступа:http://www.neoflex.ru/presscentr/publikacii/komponentnostotkrytostgibko sttrikitasistemyneoflexfrontoffice/.

27. Calypso Technology. Материал из Википедии — свободной энциклопедии / Режим доступа:http://en.wikipedia.org/wiki/CalypsoTechnology. Загл. с экрана.

28. Кумешер И. М. История биржи (в изложении) // Банковская энциклопедия. Киев: Банк, энцикл., 1916. Т.П. С. 40-75.

29. Лаврушин О.И. Банковское дело: современная система кредитования: учебное пособие / О.И.Лаврушин, О.Н.Афанасьева, С.Л.Корниенко; под ред. засл. деят. науки РФ, д-ра экон. наук, проф. О.И.Лаврушина. 3-е изд., доп. - М.: КНОРУС, 2007. - 264 с.

30. Turban et al. (2008). Information Technology for Management, Transforming Organizations in the Digital Economy. Massachusetts: John Wiley & Sons, Inc., pp. 300-343.

31. Альфред В. Ахо, Структуры данных и алгоритмы / Альфред В. Ахо, Джон Хопкрофт //М.: Вильяме, 2003. 384 стр.

32. Кормен, Т., Лейзерсон, Ч., Ривест, Р., Штайн, К. Глава 11. Хеш-таблицы. // Алгоритмы: построение и анализ = Introduction to Algorithms / Под ред. И. В. Красикова. — 2-е изд. — М.: Вильяме, 2005. — 1296 с.

33. Щавелёв, JI.B. Оперативная аналитическая обработка данных: концепции и технологии / JI.В.Щавелёв. Режим доступа: http://www.citforum.ru/seminars/cis99/sch.shtml.

34. Tett, Gillian. The Dream Machine: Invention of Credit Derivatives. // Financial Times. March 24, 2006. Retrieved March 17, 2009, pp.46-59.

35. Black, F. The Pricing of Options and Corporate Liabilities. Journal of Political Economy. Black, Fischer; Myron Scholes, 1973. pp. 637-654.

36. Ильинский, A.M. Биномиальное дерево и многопериодные модели биржевых цен. Электронный журнал «Все о финансовфх рынках». -2000. Режим доступа:http://www.spekulant.ru/archive/Binomialnoederevoimnogoperiodnyem odelibirzhevyhcen.html.

37. Майкл С. Томсетт Торговля опционами Getting Started in Options. Майкл С — М.: «Альпина», 2001. - С. 360.

38. Буренин, А.Н. Рынки производных финансовых документов. Москва, ИНФРА-М, 1996.-457 с.

39. Галиц, Д., Финансовая инженерия: инструменты и способы управления финансовым риском. М., «ТВП». 1996. сс. 356-390.

40. Колб Р.У. Финансовые деривативы. Москва, Филинъ, 1997 341 с.

41. Финансово-промышленные группы и конгломераты в экономике и политики современной России. // Общество и экономика, 1998 г. №2. -сс. 89-115.

42. Четыркин Е. М. Методы финансовых и коммерческих расчетов. М.: Дело, 1992.-373 с.

43. Ширяев, А.Н. Основы стохастической финансовой математики. М.: Фазис, Экономическая энциклопедия. - М.: Экономика, 1999. - 410 с.

44. Фельдман А.Б. Основы рынка производных ценных бумаг. М.: Инфра-М., 1996.-221 с.

45. Stamos, A. Living in the RIA World: Blurring the Line between Web and Desktop Security. Alex Stamos, David Thiel, iSEC Partners, 2008. 70 p.

46. Браун, К. Создание корпоративных Java-приложений для IBM WebSphere. Браун, К.; Крейг Г.; Хестер Г. и др. — Кудиц-Образ, 2005. — С. 860.

47. Кларенс Хо, Роб Харроп Spring 3 для профессионалов Pro Spring 3. — М.: «Вильяме», 2012. — 880 с.

48. Bauer, С. Hibernate in Action. /Christian Bauer, Gavin King //Manning Publications Co. 2004. 420 p.

49. Scott, W. A. Mapping Objects to Relational Databases: O/R Mapping In Detail. Scott, W. Ambler, 2005. Режим доступа: http://www.agiledata.org/essays/mappingObjects.html.

50. SQL. Материал из Википедии — свободной энциклопедии / Режим доступа: http://ru.wikipedia.org/wiki/SQL. Загл. с экрана.

51. Jamae, J. JBoss in Action: Configuring the JBoss Application Server. Jamae, Javid; Johnson, Peter. 2010. Manning Publications. pp. 496

52. Application server. Материал из Википедии — свободной энциклопедии / Режим доступа: http://en.wikipedia.org/wiki/Applicationserver. Загл. с экрана.

53. Lawrence, Е. HTTPS Security Improvements in Internet Explorer 7. Lawrence, Eric. MSDN. 2006. 344 p.

54. A1 Hilwa, Randy Perry Adobe Flex in the Enterprise: The Case for More Usable Software. IDC. 2010. Режимдоступа: http://www.adobe.com/enterprise/pdf/idc.pdf.

55. Дэвид, X. XML. Базовый курс Beginning XML. Дэвид Хантер, Джефф Рафтер и др. - М.: Вильяме, 2009. — 1344 с.

56. Першиков В.И., Совинков В.М. Толковый словарь по информатике. М.: Финансы и статистика, 1995. 357 с.

57. Taylor, Ian J. From P2P to Web Services and Grids Peers in a Client/Server World. Springer, 2005. pp. 89-117.

58. Скотт Мюллер. Модернизация и ремонт ПК Upgrading and Repairing PCs. — 17-е изд. - М.: Вильяме, 2007. - С. 59-241.

59. Nvidia. Материал из Википедии — свободной энциклопедии Режим доступа: http://ru.wikipedia.org/wiki/Nvidia. Загл. с экрана

60. Фролов В. Официальное руководство по программированию на CUDA, вер. 1.1// CUDA Programming Guide. A New Architecture for Computing on the GPU. 2010.-314 c.

61. Lakshman, A. Cassandra A structured storage system on a P2P Network. Avinash Lakshman. Engineering @ Facebook's Notes. 2008.

62. Brewer, Eric A. A Certain Freedom: Thoughts on the CAP Theorem // Proceeding of the IXXX ACM SIGACT-SIGOPS symposium on Principles of distributed computing. — N. Y.: ACM, 2010. — B. 29. — № 1. — C. 325336.

63. Capriolo, Edward. Cassandra High Performance Cookbook (1st ed.). Packt Publishing. 2011. p. 324.

64. Hewitt, Eben. Cassandra: The Definitive Guide (1st ed.). O'Reilly Media. 2011.-p. 300.

65. Иллюстрированный энциклопедический словарь. M: Большая Российская энциклопедия, 1999. 467 с.

66. Советский энциклопедический словарь. Изд. четвертое, испр. и доп. М.: Советская энциклопедия, 1989. 838с.

67. Крысин JI.П. Толковый словарь иноязычных слов. М.: Русская энциклопедия, 1998. 848 с.

68. Гаврилова, Т.А. Базы знаний интеллектуальных систем : учебник для вузов / Т.А. Гаврилова, В.Ф. Хорошевский. СПб. : Питер, 2001.

69. Современное управление. Энциклопедический справочник. М.: "Издатцентр", 1997.-Т. 1.

70. Современное управление. Энциклопедический справочник. М.: "Издатцентр", 1997. Т. 2.

71. Камельский В. Д., Аксенов К. А. Разработка сервиса имитационного моделирования бизнес-процессов // Современные проблемы науки и образования. 2012. - № 3; URL: http://www.science-education.ru/103-6287 (дата обращения: 22.05.2012).

72. Gensym: Gensym G2 2011 EDITIONS Электронный ресурс. Режим доступа: [http://www.gensym.com/product/G2] (дата обращения: 02.08.12).

73. Meli P., Grance Т. The NIST Definition of Cloud Computing Recommendations of the National Institute of Standards and Technology. NIST. URL: http://csrc.nist.gov/publications/nistpubs/800-145/SP800-145.pdf. (дата обращения: 20.10.11).

74. RunTheModel: Upload, share and run your AnyLogic models online Электронный ресурс. Режим доступа: [www.RunTheModel.com] (дата обращения: 02.08.12).

75. Softline: Gensym G2 7.0 новая платформа для систем принятия решений Электронный ресурс. - Режим доступа: [http://news.softline.ru/detail/3455] (дата обращения: 31.03.03).

76. XJ technologies: Имитационное моделирование AnyLogic Электронный ресурс. - Режим доступа: [http://www.xjtek.ru/] (дата обращения: 12.07.12).

77. Rahman, R. EJB 3 in Action. Debu Panda, Reza Rahman, Derek Lane. Manning Publications, 2007. 712 p.

78. Java Database Connectivity. Материал из Википедии — свободной энциклопедии Режим доступа:http://en.wikipedia.org/wiki/JavaDatabaseConnectivity. Загл. С экрана.

79. Java Platform Enterprise Edition. Материал из Википедии — свободной энциклопедии Режим доступа: http://en.wikipedia.org/wiki/JavaEE. -Загл. С экрана.

80. Джошуа Блох. Java. Эффективное программирование = Effective Java. — M.: Лори, 2002, — 224 с.

81. Барри Берд. Java для чайников = Java For Dummies. — 5-е изд. — M.: Диалектика, 2012. — 368 с.

82. Любою Бруга. Java по-быстрому: Практический экспресс-курс = Lubos Brûha. Java Hotovâ reseni. — M.: Наука и техника, 2006. — 369 с.

83. Роберт Седжвик, Кевин Уэйн. Алгоритмы на Java = Algorithms. — 4-е изд. — М.: Вильяме, 2012. — 848 с.

84. Герберт Шилдт. Java и Apache POI. Полное руководство.The Complete Reference Java with Apache POI. — 3-е изд. — M.: Вильяме, 2012. — 504 с.

85. Овечкин, Р. М. Теория поддержки принятия решений в области торговли кредитными деривативами / А. Г. Финогеев, Р. М. Овечкин // Молодежь. Наука. Инновации: материалы IV Научно-практической конф. Пенза, Изд-во Пензенского филиала РГУИТП. - 2012.

86. Овечкин, Р. М. Ускорение многопоточных неграфических вычислений при помощи GPU / А. Г. Финогеев, Р. М. Овечкин // Молодежь. Наука. Инновации: материалы IV Науч-практической конф. Пенза, Изд-во Пензенского филиала РГУИТП. -2012.

87. Овечкин, Р. М. Система поддержки принятия решений в областиторговли кредитными деривативами / А. Г. Финогеев, Р. М. Овечкин // Передовые научные разработки 2011.—Том 9— Praha: Publishing House «Edu-cation and Science» s.r.o, 2011. C. 77-86

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.