Экономико-математические модели и инструментальные средства для прогнозирования динамики фондовых активов: На примере государственных облигаций тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Тычкин, Вадим Николаевич

• Тычкин, Вадим Николаевич
• кандидат экономических наук
• 2003

Оглавление диссертации кандидат экономических наук Тычкин, Вадим Николаевич

Введение.

1. Анализ задачи прогнозирования динамики финансовых инструментов. ^

1.1 Характеристика фондового рынка и анализ государственных облигаций как финансовых инструментов. ^

1.2 Обзор методологии и инструментария прогнозирования динамики финансовых инструментов.

1.3 Характеристика экономико-математических моделей и методик прогнозирования динамики финансовых инструментов. ^q

1.4 Формализация методики оценки качества экономико-математических моделей прогнозирования динамики финансовых инструментов.

1.4.1 Формализация задачи оценки экономико-математических моделей прогнозирования динамики финансовых инструментов по критерию точности расчета прогнозных значений.

1.4.2 Оценка потребительских свойств экономико-математических моделей прогнозирования динамики финансовых инструментов как информационных продуктов.

2. Разработка экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов. ^

2.1 Формализация задачи оценивания параметров при адаптивном прогнозировании значений случайных последовательностей. ^

2.2 Разработка экономико-математической модели адаптивного прогнозирования динамики финансовых инструментов на базе ^ ^ линейной фильтрации.

2.3 Построение экономико-математической модели адаптивного прогнозирования динамики финансовых инструментов с экстраполяцией.

2.4 Разработка экономико-математической модели адаптивного прогнозирования динамики финансовых инструментов с интерполяцией.

3. Оценка качества и сравнительный анализ экономико-математических моделей прогнозирования динамики финансовых инструментов.

3.1 Оценка точности расчета прогнозных значений экономико-математических моделей прогнозирования динамики финансовых инструментов.

3.2 Оценка потребительских свойств экономико-математических моделей прогнозирования динамики финансовых инструментов как информационных продуктов.

3.3 Описание разработанной системы поддержки принятия решений для прогнозирования динамики финансовых инструментов. , ЛО

Введение диссертации (часть автореферата) на тему «Экономико-математические модели и инструментальные средства для прогнозирования динамики фондовых активов: На примере государственных облигаций»

За последние годы прошло несколько этапов становления и развития фондового рынка, были подъемы, спады, тяжелейший кризис. Но, тем не менее, рынок рос, развивался. В настоящее время прибыль от арбитражных операций с ценными бумаги стала играть заметную роль в доходах предприятий, кредитных организаций, а также частных инвесторов. Рациональное поведение инвестора на рынке ценных бумаг позволяет получать дополнительные прибыли от вложений в финансовые инструменты, важное место среди которых занимают акции и облигации. Использование государственных облигаций в качестве финансовых инструментов позволяет минимизировать риск и обеспечить большую стабильность инвестиций, что важно при формировании портфеля ценных бумаг кредитной организацией, стремящейся минимизировать собственные риски. Чтобы эффективно действовать на фондовом рынке, необходимо правильно оценивать его состояние и происходящие на нем процессы, и в первую очередь осуществлять прогнозирование динамики котировок финансовых инструментов. Данное обстоятельство обуславливает актуальность разработки экономико-математических моделей прогнозирования динамики финансовых инструментов. Инвесторы проявляют заинтересованность в эффективных методах анализа и системах поддержки принятия инвестиционных решений. Таким образом, остро встает вопрос об автоматизации деятельности аналитиков инвестиционных компаний (ИК), о повышении качества информационного обеспечения лица, принимающего решение в ИК. Это объясняется, во-первых, тем, что рассматриваемая предметная область предъявляет повышенные требования к оперативности обработки и выдачи информации по запросам пользователей, и, во-вторых, решение многих задач (в том числе прогнозирование динамики финансовых инструментов), связанных с информационным обеспечением деятельности ИК, вручную невозможно из-за исключительно высоких трудозатрат. В тоже время использование систем поддержки принятия решений позволяет не только снизить себестоимость выполняемых работ за счет экономии затрат живого труда, но и, главное, повысить качество принимаемых решений за счет ускорения процессов обработки и поиска нужной пользователю информации, то есть за счет повышения качества информационного обеспечения деятельности объекта управления - ИК. В последнее время в связи с использованием сети Internet стала возможной работа на фондовом рынке частных инвесторов из дома либо офиса. Интерес потенциальных инвесторов к осуществлению спекулятивных операций на фондовом рынке требует разработки новых и совершенствования старых методик прогнозирования и программного обеспечения. В процессе построения прогнозов динамики финансовых инструментов часто возникает проблема выбора аналитиком альтернативных алгоритмов и методик прогнозирования. Стоит задача выбора наиболее подходящего алгоритма, обеспечивающего достаточную точность расчета прогнозных значений последовательности исходных данных. Это обусловило необходимость оценки потребительского качества экономико-математических моделей прогнозирования динамики финансовых инструментов.

Степень разработанности проблемы. Потребности субъектов фондового рынка в промышленно развитых странах способствовали возникновению и развитию финансовой теории, а также теории инвестиций. Так, в работах таких зарубежных и российских исследователей, как У. Шарп, Д. Бейли, С. Шривастава, А. Эрлих, Т. Шаттелес, К.И. Рей, Дж. Синки, М.Фридман, П.Кругман, Т.Агапов, JI.O. Бабешко рассматриваются различные аспекты проблемы управления финансовыми и валютными рисками, механизмы развития процессов формирования спроса и предложения на финансовых рынках, применение экономико-математических моделей прогнозирования динамики финансовых инструментов. Вопросы разработки экономико-математических моделей прогнозирования динамики финансовых инструментов исследуются в работах таких исследователей, как К.Д. Льюис,

В.В. Круглое, А.Л. Сырчин, Т.Дж. Уотшем, Е.М. Четыркин, М. Песаран, Дж. Бокс, Г. Дженкинс. Однако вышеперечисленные работы слабо ориентированы на использование при разработке экономико-математических моделей адаптивных алгоритмов оценивания случайных последовательностей. Данное обстоятельство обуславливает необходимость дальнейшего развития экономико-математических методов прогнозирования динамики финансовых инструментов посредством интеграции имеющихся разработок с теоретическими подходами в области построения сложных систем на основе адаптивных алгоритмов оценивания случайных последовательностей, которые исследованы в работах Ю.Н. Прохорова, А.Г. Ивахненко, Б. Уидроу, В.Н. Фомина, С. В. Первачева и др. отечественных и зарубежных авторов.

Проблемы выбора и использования информационных систем поддержки принятия решений в инвестиционных компаниях рассматривались в работах В.П. Боровикова, Г.И. Ивченко, И.С. Меньшикова, А.А. Первозванского, А.А. Макарова, однако нам не известны работы, посвященные исследованию проблем рационального выбора экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов. Таким образом, актуальность исследования также обусловлена отсутствием информационного и методического обеспечения для корректной сравнительной оценки потребительского качества экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов при осуществлении торговых операций на фондовом рынке.

Объектом исследования являются инвестиционные компании и кредитные организации, осуществляющие торговые операции на рынке государственных ценных бумаг (государственных облигаций).

Предметом исследования являются экономико-математические модели, описывающие динамику котировок фондовых активов (на примере государственных облигаций).

Цель и задачи диссертационного исследования. Целью исследования является разработка экономико-математических моделей и инструментальных средств для прогнозирования динамики стоимости финансовых инструментов -государственных ценных бумаг (государственных облигаций). Для реализации цели потребовалось решить следующие задачи: определить целесообразность осуществления арбитражных операций на рынке государственных ценных бумаг на основе исследования динамики финансовых инструментов (гос. облигаций) за период 2002г., сформировать выборки исходных данных для прогнозирования динамки финансовых инструментов на примере государственных ценных бумаг (государственных облигаций); обосновать необходимость разработки экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов; формализовать задачу оценивания параметров при адаптивном прогнозировании динамики финансовых инструментов; разработать экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, а также осуществить практическую апробацию экономико-математических моделей адаптивного прогнозирования на подготовленных данных о котировках финансовых инструментов; спроектировать и осуществить программную реализацию системы поддержки принятия решений для прогнозирования динамики финансовых инструментов; определить критерии и осуществить сравнительную оценку потребительского качества разработанных экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов.

Теоретические и методологические основы исследования.

Теоретическую основу исследования составили труды отечественных и зарубежных ученых по экономике, по экономико-математическим моделям и методам, по эконометрике, по теории вероятностей и математической статистике, по оценке качества программных средств. Исследование опиралось также на современные работы, посвященные прогнозированию динамики временных рядов, на материалы конференций, на статьи в сборниках научных трудов и в периодической печати, информационные, аналитические и статистические материалы интернет-серверов компаний - участников фондового рынка.

Инструментарий исследования составили методы математической статистики, регрессионного анализа, теории вероятностей, линейной алгебры, теории оптимизации, теории информационных систем и обработки данных, метод групповых экспертных оценок, разработанная СППР для прогнозирования динамики финансовых инструментов, СУРБД Oracle 8i.

Эмпирическую базу исследования составили данные о значениях динамики котировок финансовых инструментов (государственных облигаций) Московской межбанковской валютной биржи, оценки, полученные в ходе опроса экспертов.

Диссертационная работа выполнялась в рамках пунктов 1.6 «Математический анализ и моделирование процессов в финансовом секторе экономики, развитие метода финансовой математики и актуарных расчетов» и 2.4 «Разработка систем поддержки принятия решений для оптимизации управления экономикой на всех уровнях» паспорта специальности 08.00.13 - математические и инструментальные методы экономики.

Научная новизна результатов исследования заключается в следующем: обоснована целесообразность разработки и использования экономико-математических моделей для прогнозирования динамики финансовых инструментов на основе алгоритмов адаптивного оценивания параметров случайных последовательностей, осуществлена формализация задачи оценивания параметров при адаптивном прогнозировании значений случайных последовательностей; разработана система поддержки принятия решений для прогнозирования динамики финансовых инструментов, включающая экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, которые обеспечивают расчет прогнозных значений с достаточной точностью в реальном режиме времени; осуществлена сравнительная оценка разработанных экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов по критерию точности расчета прогнозных значений; проведен отбор критериев и сравнительная оценка потребительского качества разработанных экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов.

Практическая ценность определяется тем, что разработанная система поддержки принятия решений, включающая в свою структуру реализованные экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, позволяет повысить уровень и качество анализа и прогнозирования динамики финансовых инструментов при осуществлении торговых операций на фондовом рынке. Выполненная в работе формализация задачи оценивания параметров при адаптивном прогнозировании значений случайных последовательностей может быть использована для проектирования экономико-математических моделей прогнозирования и разработки систем поддержки принятия решений при осуществлении торговых операций на фондовом рынке. Практическую ценность представляет также методика оценки потребительского качества экономико-математических моделей адаптивного прогнозирования, которая позволяет осуществлять сравнительный анализ экономико-математических моделей прогнозирования динамики финансовых инструментов.

Основные положения и результаты, выносимые на защиту:

1. Разработанная система поддержки принятия решений при осуществлении торговых операций на фондовом рынке, включающая экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов и обеспечивающая достаточную точность расчета прогнозных значений динамики котировок финансовых инструментов.

2. Разработанные экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, оригинальные по своей структуре и обеспечивающие достаточную точность расчета прогнозных значений.

3. Результаты сравнительной оценки потребительского качества экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов с использованием метода групповых экспертных оценок, которые могут быть использованы для рационального выбора СППР и экономико-математических моделей прогнозирования.

4. Результаты сравнительной оценки экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов по критерию точности расчета прогнозных значений, которые показывают, что лучшими прогнозными свойствами обладает экономико-математическая модель адаптивного прогнозирования динамики финансовых инструментов с интерполяцией.

Апробация и внедрение результатов исследования. Основные положения и выводы диссертационной работы обсуждались на III Московском международном молодежном форуме «Образование, занятость, карьера» (Москва, 25-30 октября 2001 г.).

Разработанная система поддержки принятия решений для прогнозирования динамики финансовых инструментов успешно используется в Казначействе филиала «Ростовский» ОАО Банк «Павелецкий» г. Ростов-на-Дону, для краткосрочного прогнозирования котировок финансовых инструментов, а также в инвестиционной компании ООО «ПК РуС» г. Москва при проведении консультаций и обучении инвесторов. Акты внедрения и использования научных результатов прилагаются к диссертации.

Публикации. Основные результаты исследований, изложенные в диссертации, опубликованы в 8 печатных работах 2.25 п.л. (лично автора 2.15 п.л.).

Структура и объем работы отражает цель и задачи исследования. Диссертационная работа состоит из введения, трех глав, заключения, библиографического списка используемой литературы и приложений. Работа содержит 21 рисунок и 24 таблицы. Библиографический список используемой литературы включает 157 наименований.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Тычкин, Вадим Николаевич

Заключение

Прогнозирование динамики стоимости финансовых инструментов является, безусловно, сложной и ответственной задачей, требующей от исследователя не только знания предметной области и умения ориентироваться в сложившихся экономических условиях, но и владения различными методами анализа и прогнозирования экономических процессов. Задача прогнозирования динамики финансовых инструментов является исследованием перспективного плана и является важной частью процесса управления денежными средствами инвесторов и кредитных организаций.

В диссертационном исследовании проведена разработка экономико-математических моделей и инструментальных средств для прогнозирования динамики финансовых инструментов - государственных ценных бумаг (государственных облигаций). Также в работе выполнен сравнительный анализ и оценка потребительского качества разработанных экономико-математических моделей адаптивного прогнозирования динамки финансовых инструментов. Основные положения и результаты, выносимые на защиту:

1. Разработанная система поддержки принятия решений при осуществлении торговых операций на фондовом рынке, включающая экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов и обеспечивающая достаточную точность расчета прогнозных значений динамики котировок финансовых инструментов.

2. Разработанные экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, оригинальные по своей структуре и обеспечивающие достаточную точность расчета прогнозных значений.

3. Результаты сравнительной оценки потребительского качества экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов с использованием метода групповых экспертных оценок, которые могут быть использованы для рационального выбора СППР и экономико-математических моделей прогнозирования.

4. Результаты сравнительной оценки экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов по критерию точности расчета прогнозных значений, которые показывают, что лучшими прогнозными свойствами обладает экономико-математическая модель адаптивного прогнозирования динамики финансовых инструментов с интерполяцией.

Практическая ценность исследования определяется тем, что разработанная система поддержки принятия решений, включающая в свою структуру реализованные экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, позволяет повысить уровень и качество анализа и прогнозирования динамики финансовых инструментов при осуществлении торговых операций на фондовом рынке. Выполненная в работе формализация задачи оценивания параметров при адаптивном прогнозировании значений случайных последовательностей может быть использована для проектирования экономико-математических моделей прогнозирования и разработки систем поддержки принятия решений при осуществлении торговых операций на фондовом рынке. Практическую ценность представляет также методика оценки потребительского качества экономико-математических моделей адаптивного прогнозирования, которая позволяет осуществлять сравнительный анализ экономико-математических моделей прогнозирования динамики финансовых инструментов.

Список литературы диссертационного исследования кандидат экономических наук Тычкин, Вадим Николаевич, 2003 год

1. Абламская Л.В., Бабешко Л.О. Основы финансового анализа рынка ценных бумаг. М.: ФА. Центр дистанционного обучения, 1998. -234 с.

2. Алексахин С.В., Балдин А.В., Криницин В.В. и др. Прикладной статистический анализ данных. Теория. Компьютерная обработка. Области применения: Учебно-практическое пособие для вузов/ Под ред. Криницина В.В. -М.: «Изд-во ПРИОР», 1998. -52 с.

3. Аллен Р. Математическая статистика. М.: ИЛ, 1968.

4. Бабешко Л.О. Коллокационные модели прогнозирования в финансовой сфере. М.: Экзамен, 2001. - 129с.

5. Бабешко Л.О. Коллокационные модели прогнозирования доходности ценных бумаг. М.: Экзамен, 2002. - 369 с.

6. Бабешко Л.О. Краткий обзор стохастических моделей прогноза характеристик фондового рынка. М.: ФА, Сборник: Актуальные проблемы математического моделирования в финансово-экономической области, 2000. -78с.

7. Бабешко Л.О. Параметрическая модель среднеквадратичной коллокации и равновесные модели формирования доходности финансовых активов. Сборник научных трудов: Информационный бизнес в России. Вып.2. Часть 1. Изд. ТГТУ, Тамбов, 1999.-123с.

8. Бабешко Л.О. Применение коллокации при прогнозировании количественных характеристик основных финансовых инструментов фондового рынка. М.: ФА, Вестник Финансовой Академии, 2000, №2, стр.77-86.

9. Бабешко Л.О., Вьет Т. Исследование некоторых методов восстановления скалярного поля с хаотичной сетки. Изв.вузов. Геодезия и аэрофотосъемка, 1988, 1, с.30-34.

10. Ю.Баканов М.И., Шеремет А.Д. Теория экономического анализа. М.: ЮНИТИ, 1999. -568с.

11. П.Беклемишев Д.В. Курс аналитической геометрии и линейной алгебры. -М.: Наука, 1980.-589с.

12. Бендат Дж. Основы теории случайных шумов и ее применения. М.: Наука, 1965.-364с.

13. Бендат Дж. Прикладной анализ случайных данных. М.: Наука, 1979.-234с.

14. Бендат Дж. С. Применение корреляционного и спектрального анализа. -М.: Наука, 1970.-67с.

15. Бендат Дж., Пирсон А. Измерение и анализ случайных процессов. М.: Наука, 1974.-5 87с.

16. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Выпуск 1.-М.: Мир, 1974.-369с.

17. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 1983-416с.

18. Боровиков В.П. Популярное введение в программу STATISTICA. М.: КомпьютерПресс, 1998.-289с.

19. Боровиков В.П., Боровиков И.П. STATISTICA. Статистический анализ и обработка данных в среде Windows. М.: Информационно-издательский дом Филинъ, 1998.-456с.

20. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA в среде Windows. М.: Финансы и статистика, 1999.-302с.

21. Браун С. Дж., Крицмен М.П. Количественные методы финансового анализа.-М.: Инфра-М, 1996.-201с.

22. Бусленко Н.П., Калашников В.В., Коваленко И.Н. Лекции по теории сложных систем. М.: Сов. радио, 1975.-531с.

23. Бывшев В.А., Бабешко JI.O. Алгоритм прогнозирования финансовых индексов в рамках стационарной модели Колмогорова-Винера. М.: Статистика, 2002.-406с.

24. Бывшев В.А., Бабешко JI.O., Арсеньева JI.B. Алгоритм оценивания основных инвестиционных характеристик финансовых активов при помощи оптимальной статистической процедуры Эйткена. Управление риском. -М.: Экзамен, 2001.-89с.

25. Вайну Я. Коррекция рядов динамики. М.: Статистика, 1977.-563с.

26. Василенко В.А. Сплайн-функции: теория, алгоритмы, программы. -Новосибирск: Наука, 1983.-89с.

27. Вентцель Е.С., Овчаров JI.A. Теория случайных процессов и ее инженерные приложения. -М.: Наука, 1991.-698с.

28. Вентцель Е.С., Овчаров JI.A. Теория вероятностей и ее инженерные приложения. -М.: Наука, 1988.-467с.

29. Вентцель В.В. Интегральная регрессия и корреляция. Статистическое моделирование рядов динамики. М.: Финансы и статистика, 1982.-45 8с.

30. Вергасов В.А., Журкин И.Г., Красикова М.В., Нейман Ю.М., Смирнов С.А. Вычислительная математика. -М.: Недра, 1976.-567с.

31. Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа.- СПб.: Издательство СПб ГТУ, 1997. 510 с.

32. Вучков И., Бояджиева JL, Солаков Е. Прикладной регрессионный анализ.- М.: Финансы и статистика, 1987-239с.

33. Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высшая школа, 1997.-895с.

34. Гоноровский И.С. Радиотехнические цепи и сигналы. -М.: Радио и связь, 1990.-652с.

35. Горчаков А.А., Орлова И.В. Компьютерные экономико-математические модели: Учебное пособие / ВЗФЭИ. М.: Экономическое образование, 1994.-238с.

36. Грибанов Ю.И. Спектральный анализ случайных процессов. М, Наука,1975.-669с.

37. Данилин В.И. Экономико-математические модели годового планирования на предприятиях. М.: Наука, 1975.-56с.

38. Демиденко Е.З. Линейная и нелинейная регрессия. Фортран-IV. М.: Изд. ИМЭМО, 1979.-188с.

39. Денисенко А.Н. Спектральный анализ сигналов. М.: Мир ЭА, 1991.-522с.

40. Доугерти К. Введение в эконометрику. М.: Инфра-М, 1997.-89с

41. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Книга 2. М.: Финансы и статистика, 1987.-296с.

42. Дуброва Т.А. Статистические методы прогнозирования Учебно-практическое пособие М.: МЭСИ, 1998 - с.94

43. Ефимов А.Н. Предсказание случайных процессов. -М.: Высшая школа,1976.-632с.

44. Ефимов А.Н., Золотарев Ю.Г., Терпигорева В.М. Математический анализ (специальные разделы). Часть 2. Применение некоторых методов математического и функционального анализа. М.: Высшая школа, 1980.-259с.

45. Жидков Н.П. Линейные аппроксимации функционалов. М.: Изд. МГУ,1977.-78с.

46. Журкин И.Г., Нейман Ю.М. Методы вычислений в геодезии. М.: Недра, 1988.-63с.

47. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. Киев, 1975.-369с.

48. Ивахненко А.Г. Моделирование сложных систем по экспериментальным данным. Киев, 1986.-456с.

49. Ивахненко А.Г. Моделирование сложных систем. Киев, 1987.-569с.

50. Ивахненко А.Г. Предсказание случайных процессов. Киев, 1971.-369с.51 .Ивахненко А.Г. Самоорганизация прогнозирующих моделей. Киев, 1984.-652с.

51. Кендалл М., Стюарт А. Многомерный статистический анализ и временные ряды. -М.: Наука, 1976.-99с.

52. Клиот-Дашинский. Алгебра векторов и матриц. С.-Пб.: Лань, 1998.-128с.

53. Кобелев Н.Б. Методы оптимального управления отраслью обслуживания населения. -М.: Изд-во лег.пищ.пром., 1981.-289с.

54. Кобелев Н.Б., Гармаш А.Н. Управление научно-техническим прогрессом в отрасли бытового обслуживания. -М.: Легпромбытиздат,1989.-96с.

55. Кобелев Н.Б., Шатаев И.М. Системное решение проблем управления в сфере обслуживания населения. М.: Легкая индустрия, 1979.-169с.

56. Колесников В.Н., Торнаковский B.C., Тарасевич Л.С., и др. Ценные бумаги. М.: Финансы и статистика, 1998.-267с.

57. Коллатц Л. Функциональный анализ и вычислительная математика. М.: Мир, 1969.-589с.

58. Коллатц Л. Численные методы решения дифференциальных уравнений. -М.: ИЛ, 1953.-169с.

59. Колмогоров А.Н. Интерполирование и экстраполирование стационарных случайных последовательностей, Изв.Акад.наук СССР, сер.матем., т.5, №1 (1941), стр.3-14.

60. Колмогоров А.Н. Основные понятия теории вероятности. 3-е изд. М.: Фазис, 1998.-268с.

61. Колмогоров А.Н. Стационарные последовательности в гильбертовом пространстве. Бюллетень МГУ, т.2, вып.6 (1941), стр. 1-40.

62. Колмогоров А.Н., Фомин С.В. Элементы теории функций и функционального анализа. М.: Наука, 1976.-301с.

63. Коршунов Ю.М. Математические основы кибернетики. -М.: Энергоатомиздат, 1987.-299с.

64. Круглов В.В. Искусственные нейронные сети: Теория и практика. М: Горячая линия - Телеком, 2001, - 382 с.

65. Круглов В.В. Нечеткая логика и искусственные нейронные сети. -М: Физматлит, 2001, -224 с.

66. Коуэл К.Ф., Грант П.М. Адаптивные фильтры, -М: Наука, 1981.-255с.

67. Лоэв М. Теория вероятностей. М.: ИЛ, 1962.-652с.

68. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М, Статистика, 1979.-542с.

69. Льюис К.Д. Методы прогнозирования экономических показателей. М.: 1986.-78с.

70. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. М.: Дело, 1997.-96с.

71. Макс Ж. Методы и техника обработки сигналов при физических измерениях. М.: Наука, 1972.-566с.

72. Марпл Стенли Лоренс. Цифровой спектральный анализ и его приложения. -М.: Мир, 1990.-479с.

73. Медич Дж. Статистические оптимальные линейные оценки и управление. -М.: Энергия, 1973.-263с.

74. Мельник М.М. Экономико-математические методы и модели в планировании и управлении материально-техническим снабжением. М.: Высшая школа, 1990.-266с.

75. Меныииков И.С. Финансовый анализ ценных бумаг. М.: Финансы и статистика, 1998.-65с.

76. Моисеев Н.Н. Математик задает вопросы. М.: Знание, 1974.-155с.

77. Мышкис А.Д. Элементы теории математических моделей. М.: Физико-математическая литература, 1994.-126с.

78. Нейман Ю.М. Вариационный метод физической геодезии. М.: Недра, 1979.-89с.

79. Нейман Ю.М., Лебедев С.В. Приближенное решение задач коллокации методом конечных элементов. Изв.вузов. Геодезия и аэрофотосъемка, 1986, вып. 1,2, с. 14-28.

80. Огарков М.А. Методы статистического оценивания параметров случайных сигналов. -М.: Энергоатомиздат, 1990.-326с.

81. Отчет о мировом развитии за 2002 год. Государство в меняющемся мире.- Прайм-ТАСС, 2002.-78с.83.0уэен Г. Теория игр. -М.: Мир, 1971.-420с.

82. Первачев С. В., Перов А.И. Адаптивная фильтрация сообщений. М.: Радио и связь, 1991.-3 67с.

83. Первозванский А.А. Математические модели управления производством.- М.: Инфра-М, 1975.-144с.

84. Первозванский А.А., Первозванская Т.Н. Финансовый рынок: расчет и риск. М.: Инфра-М, 1994.-236с.

85. Песаран М., Слейтер Л. Динамическая регрессия. М.: Финансы и статистика, 1984.-126с.

86. Петрович М.Л. Регрессионный анализ и его математическое обеспечение на ЕС ЭВМ: Практическое руководство. М.: Финансы и статистика, 1982.-623с.

87. Петрович М.Л., Давидович М.И. Статистическое оценивание и проверка гипотез на ЭВМ. М.: Финансы и статистика, 1989.-56с.

88. Половников В.А. Анализ и прогнозирование транспортной работы морского флота. М.: Транспорт, 1983.-234с.

89. Прохоров Ю.Н. Статистические модели и рекуррентное предсказание речевых сигналов. -М.: Радио и связь, 1984.-358с.

90. Пугачев B.C. Теория случайных функций и ее применение к задачам автоматического управления. М.: Гос.изд. технико-теоретической литры, 1957.-283с.

91. Рабочая книга по прогнозированию. -М, Мысль, 1982. 430с.

92. Рао С.Р. Линейные статистические методы и их применение. М.: Наука, 1968.-298с.

93. Рей К.И. Рынок облигаций: торговля и управление рисками. -М.: Финансы и статистика, 1999.-356с.

94. Розанов Ю.А. Введение в теорию случайных процессов. М.: Наука, 1982.-562с.

95. Розин Б.Б. Экономико-статистические модели с переменной структурой. -Новосибирск, 1984.-321с.

96. Розов А.К. Обнаружение, классификация и оценивание сигналов. М.: Высшая школа, 1999.-452с.

97. Ротарь В.И. Теория вероятностей. -М.: Высшая школа, 1992.-523с.

98. Ряузов Н.Н. Общая теория статистики. М.: Статистика, 1980.-434с.

99. Свешников А.А. Прикладные методы теории случайных функций. М.: Наука, 1968.-652с.

100. Сейдж Э., Меле Дж. Теория оценивания и ее применение в связи и управлении.-М.: Связь, 1976.-689с.

101. Семенов Н.А. Программы регрессионного анализа и прогнозирования временных рядов. М.: Высшая школа, 1990.-128с.

102. Солодовников В.В. Основы теории и методы спектральной обработки информации. М.: Связь, 1986.-561с.

103. Солодовников В.В. Спектральная теория нестационарных систем управления. -М.: Связь, 1971.-226с.

104. Солодовников В.В. Спектральные методы расчета и проектирования систем управления. -М.: Связь, 1986.-652с.

105. Столяров И.А. Математика и кибернетика в управлении: Библиотека хозяйственного руководителя. М.: Экономика, 1975.-357с.

106. Сырчин A.JI. Регрессионное моделирование и прогнозирование динамики экономических показателей. М.: Высшая школа, 1990.-59с.

107. Сычев И.В. Развитие фундаментального анализа валютного рынка (на примере дилинговых операций). Автореф. на канд. диссертацию Сычева И.В., -Ростов-на-Дону: РИНХ, 2000 27с.

108. Тихонов А.Н. О решении некорректно поставленных задач и методе регуляризации. Докл. АН СССР, 151, 1963, №3, с.501-504.

109. Тихонов А.Н. Об устойчивости обратных задач. Докл. АН СССР, 1943, 39, №5, с.195-198.

110. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1986.-99с.

111. Толстов Г.П. Ряды Фурье. М.: Наука, 1980.-240с.

112. Треногин В.А. Функциональный анализ. М.: Наука, 1980.-521с.

113. Тычкин В.Н. Адаптивная модель расчета прогнозных значений денежных потоков. Ростов-на-Дону: Информационные системы, экономика, управление трудом и производством: Ученые записки. Выпуск 6 РГЭУ С.29-34.

114. Тычкин В.Н. Градиентный решетчатый алгоритм прогнозирования динамики денежных потоков. Ростов-на-Дону: Информационные системы, экономика, управление трудом и производством. Выпуск 7, РГЭУ, 2002-с. 14-16.

115. Тычкин В.Н. Проектирование функциональной структуры системы поддержки принятия решений прогнозирования динамики финансовых инструментов. Ростов-на-Дону: Информационные системы, экономика, управление трудом и производством. Выпуск 8, РГЭУ, 2003.

116. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. -М.: ИНФРА-М, 1998.-106с.

117. Уидроу Б., Стирнз С. Адаптивная обработка сигналов. М.: Радио и связь, 1989.-3 69с.

118. Уотшем Т.Дж., Паррамоу К. Количественные методы в финансах. М.: Финансы, издательское объединение ЮНИТИ, 1999.-503с.

119. Федосеев В.В. Экономико-математические методы и модели в маркетинге. М.: Финстатинформ, 1996.-87с.

120. Фомин В.Н. Рекуррентное оценивание и адаптивная фильтрация. М.: Финансы и статистика, 1983.-321с.

121. Холлендер М., Вулф Д. Непараметрические методы статистики. М.: Финансы и статистика, 1983.-258с.

122. Хубаев Г.Н. Количественные методы принятия решений. Ростов-на-Дону, 1975.-32 с.

123. Хубаев Г.Н. Математико-статистические методы при сравнительной экспертной оценке качества сложных программных средств // Оценка качества программных средств: Тез. докл. Всесоюзн. науч.-техн. семинара. Калинин, 1990.

124. Хубаев Г.Н. Математико-статистические методы при сравнительной экспертной оценке качества сложных программных средств // Оценка качества программных средств: Тез. докл. Всесоюзн. науч.-техн. семинара. Калинин, 1990.

125. Хубаев Г.Н. Математические методы и вычислительная техника в задачах упорядочения объектов и при отборе значимых факторов. Ростов-на-Дону, 1975.

126. Хубаев Г.Н. Методика сравнительной экспертной оценки качества сложных программных средств // Анализ и проектирование систем управления производством: Межвуз. сб.- Н-Новгород: Изд-во Н-Новгор. ун-та, 1992.

127. Цисарь И.Ф., Чистов В.П., Лукьянов А.И. Оптимизация финансовых портфелей банков, страховых компаний, пенсионных фондов. М.: Дело, 1998.-89с.

128. Чернов Г., Мозес Л. Элементарная теория статистических решений. М.: Сов.радио, 1962.-е.

129. Черчмен У., Акоф Р., Арноф Л. Введение в исследование операций. М.: Наука, 1968.-3 82с.

130. Четыркин Е.М. Методы финансовых и коммерческих расчетов. М.: Дело, 1995.-367с.

131. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1975.-208с.

132. Шарп У.Ф., Александер Г.Дж., Бейли Д.В. Инвестиции. М.: ИНФРА-М, 1997. -560с.

133. Шаттелес Т. Современные эконометрические методы. М.: Статистика, 1975.-45с.

134. Швырков В.В., Швыркова Т.С. Моделирование внутригодичных колебаний спроса. — М.: Статистика, 1973.-63с.

135. Ширяев. А.Н. Основы стохастический финансовой математики. М.: Фазис, 1998.-252с

136. Шривастава С., О'Брайен Дж. Финансовый анализ и торговля ценными бумагами. М.: Дело Лтд, 1995.-489с.

137. Эрлих А. Технический анализ товарных и финансовых рынков. М.: ИНФРА-М, 1996.-325с.

138. Яковлев В.И. Машинная имитация. М.: Наука, 1975.-258с.

139. Roberts H.V. Stock-market "patterns" and financial analysis Methodological suggestions. Journal of Finance. 1959. V. 14. p. 1-10.

140. Osborne M.F.M. Brownian motion in the stock market. Operation Research. 1959. V. 7. p 145-173.

141. Samuelson P. A. Rational theory of warrant pricing. Industrial Management Review. 1965. V. 6. p. 13-31.

142. MarkowitzH.M. Portfolio Selection. Journal of Finance, 7, № 1, 1952, pp. 7791.