Методы и модели управления валютными рисками на базе кластерных и нейросетевых технологий тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Цветков, Николай Сергеевич

• Цветков, Николай Сергеевич
• кандидат технических наук
• 2003

Оглавление диссертации кандидат технических наук Цветков, Николай Сергеевич

ВВЕДЕНИЕ

1. анализ валютного рынка и рисков, характерных для предприятий российской федерации

1.1. Анализ валютного рынка Российской Федерации

1.2. Анализ валютных рисков и факторов, влиящих на валютные риски

ВЫВОДЫ ПО ГЛАВЕ

2. выбор и обоснование значимых факторов, влияющих на валютные риски при заключении долгосрочных валютных сделок

2.1. Выбор факторов, влияющих на валютные риски

2.2. Многофакторный анализ значимых факторов, влияющих на валютные риски

ВЫВОДЫ ПО ГЛАВЕ

3. разработка нового подхода к управлению (* валютными рисками на базе кластерных и нейросетевых технологий

3.1. Анализ методов, моделей и программных инструментов управления валютными рисками^

3.1.1. Анализ финансовых инструментов управления валютными рисками

3.1.2 Анализ методов и моделей управления валютными рисками

3.1.3. Анализ программных инструментов управления валютными рисками

3.2. Разработка нового подхода к управлению валютными рисками

3.2.1. Обработка и актуализация статистических данных для долгосрочного прогнозирования валютных рисков

3.2.2. Долгосрочное прогнозирование валютных рисков в масштабе реального времени

3.2.2.1 Разработка многофакторной динамической нейросетевой модели долгосрочного прогноза валютных рисков

3.2.2.2. Разработка механизма динамического формирования структуры нейросетевой модели

3.2.2.3. Выбор и обоснование ограничений на информационную ёмкость многофакторной динамической нейросетевой модели

3.3. Оценка вероятности валютных рисков при долгосрочном прогнозе

3.4. Выбор оптимального метода хеджирования и страхования от валютных рисков с учетом экономического потенциала предприятия и параметров валютной сделки

3.5. Анализ результатов работы многофакторной динамической нейросетевой модели

ВЫВОДЫ ПО ГЛАВЕ

4. РАЗРАБОТКА МЕТОДА ОПТИМИЗАЦИИ СКОРОСТИ ПРОГНОЗИРОВАНИЯ МНОГОФАКТОРНОЙ ДИНАМИЧЕСКОЙ НЕЙРОСЕТЕВОЙ МОДЕЛИ НА БАЗЕ КЛАСТЕРА MOSIX

4.1. Анализ подходов повышения производительности нейросетевых моделей

4.2. Разработка кластера и метода оптимизация времени долгосрочного прогнозирования на базе многофакторной динамической нейросетевой модели

4.3. Оценка эффективности разработанного подхода

ВЫВОДЫ ПО ГЛАВЕ

5. РАЗРАБОТКА ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ ДЛЯ РЕАЛИЗАЦИИ НОВОГО ПОДХОДА К УПРАВЛЕНИЮ ВАЛЮТНЫМИ РИСКАМИ

5.1. Обоснование выбора Unix - платформы для ППП «НейроЛинк»

5.2. Описание ППП «НейроЛинк»

5.2.1. Структура подсистемы «Долгосрочное прогнозирование»

5.2.2. Структура подсистемы «База данных»

5.2.3. Структура подсистемы «Интерфейс»

5.2.4. Структура подсистемы «Mosix»'

5.2.5. Структура подсистемы «Оптимизация времени прогнозирования»

5.2.6. Структура классов компоненты «Обучение нейронной сети»

5.2.7. Описание процессов ППП «НейроЛинк»

5.2.8. Описание прецендентов ППП "НейроЛинк

5.2.9. Описание пакета развертывания ППП "НейроЛинк"

ВЫВОДЫ ПО ГЛАВЕ

Введение диссертации (часть автореферата) на тему «Методы и модели управления валютными рисками на базе кластерных и нейросетевых технологий»

Актуальность работы

В современных рыночных условиях хозяйствования РФ валютный рынок характеризуется колебанием курсов валют, оказывающим негативное влияние на экономику предприятий. В качестве показателя неопределенности валютных сделок и неблагоприятных колебаний курсов валют выступают валютные риски. При этом, в экономике предприятий усиливается влияние рисков, т.е. увеличивается опасность непредвиденных потерь от управления экономическими ресурсами предприятия. Особенно велико влияние валютных рисков для предприятий, ведущих экономический обмен с другими странами. Валютные риски вносят дополнительную неопределенность планирования бюджета предприятий, обеспечения контроля и учета расхода денежных средств, а также увеличивают временные и трудовые ресурсы на обслуживание валютных сделок.

Необходимость решения проблемы управления валютными рисками на российских предприятиях стала особенно актуальна в последнее время в связи с увеличением количества заключения долгосрочных валютных сделок, ростом объемов международных денежных потоков, постоянным изменением структуры валютного рынка РФ, появлением новых финансовых инструментов управления валютными сделками. В настоящее время для принятия решения о заключении долгосрочной валютной сделки на российских предприятиях приходится использовать прогнозы динамики валютного рынка РФ, публикуемые аналитиками ЦБ РФ или другими независимыми экспертами. Однако эти прогнозы не позволяют получить точного прогноза валютных рисков для долгосрочных валютных сделок и не учитывают сильное влияние слабо формализованных факторов: политических, психологических, ожидаемых и структурных. Такой подход к проблеме управления долгосрочными валютными сделками не позволяет избежать банкротства или минимизировать расходы на обслуживание долгосрочных валютных сделок, выбрать наиболее благоприятные периоды расчета по сделке или своевременно применить финансовый инструмент для страхования сделки и фиксации её цены.

Финансовые инструменты, применяемые на предприятиях для управления валютными рисками, включают финансовые инструменты страховых организаций, работающих на биржах и аудиторских компаний. Разнонаправ-ленность предлагаемых инструментов, использование различных сегментов рынка для выбора финансового инструмента, различные подходы оценки экономического потенциала предприятия, значительно затрудняют выбор оптимального финансового инструмента управления валютной сделкой. Валютному менеджеру, обслуживающему валютные сделки, сложно оперативно дать аналитическую оценку перспективности заключаемой сделки из-за отсутствия оптимального финансового инструмента страхования, реализующего количественную и качественную оценку вероятности валютного риска на базе долгосрочного прогноза валютного рынка. Однако в современных рыночных условиях оперативность выбора наиболее благоприятных условий валютной сделки является одним из ключевых моментов, позволяющих предприятию усилить свои экономические позиции на рынке РФ.

Проблема управления валютными рисками также актуальна для предприятий-гигантов, которые могут компенсировать потери по одним валютам за счет прибыли по другим. Однако такая позиция предприятий не учитывает возможности изменения курса одной валюты по отношению ко всем другим валютам, взятым в совокупности.

Таким образом, для управления валютными рисками при заключении долгосрочных валютных сделок необходимо разработать новый подход, который обеспечил бы долгосрочное прогнозирование в реальном масштабе времени и позволил бы проводить оценку вероятности валютного риска. Этот подход должен осуществлять выбор оптимального финансового инструмента страхования или хеджирования (фиксация цены валютной сделки с помощью финансового инструмента) сделки в условиях частичной неопределенности. Следовательно, разработка нового подхода к управлению валютными рисками и их оценке на долгосрочный период является актуальной научной и практической задачей, обеспечивающей достижение стабильности и развития экономического состояния российских предприятий.

Цель исследования заключается в разработке нового подхода к управлению валютными рисками, позволяющего осуществить в реальном масштабе времени долгосрочный прогноз валютного риска и его оценку с учетом экономического потенциала предприятия и минимизация времени принятия решения.

Задачи исследования:

• анализ состояния валютного рынка РФ и исследование специфики, условий и принципов управления валютными рисками в России;

• статистический анализ влияния динамики курса валют на риск и определение значимых факторов;

• анализ существующих методов и моделей оценки валютных рисков с целью выявления их недостатков;

• разработка нового подхода, методов и моделей к управлению валютными рисками, обеспечивающих снижение риска при заключении долгосрочных валютных сделок;

• разработка метода оптимизации производительности механизма долгосрочного прогнозирования с целью уменьшения времени получения прогноза;

• разработка инструментальных средств и объектно-ориентированной модели для реализации предложенного подхода;

• моделирование вариантов покрытия валютного риска для оценки эффективности разработанного подхода.

Идея работы заключается в многофакторном количественном и качественном анализе тенденций валютных рисков на рынке России для осуществления долгосрочного прогноза в масштабе реального времени.

Основные научные положения, разработанные соискателем, и их новизна:

• разработан новый подход к управлению валютными рисками с учетом специфики российского валютного рынка, текущего финансового состояния предприятия и параметров сделки, позволяющий, в отличие от существующих, снизить валютные риски при заключении долгосрочных валютных сделок;

• разработан метод актуализации значимых факторов на базе статистического многофакторного анализа влияния факторов на риск с возможностью восстановления отсутствующих статистических данных;

• разработана многофакторная динамическая нейросетевая модель долгосрочного прогнозирования валютных рисков, позволяющая, в отличие от существующих моделей, учитывать текущее состояние валютного рынка, динамически менять свою архитектуру, а также учитывать слабо формализованные группы факторов;

• разработана классификационная нейросетевая модель для выбора оптимального метода хеджирования и страхования рисковой долгосрочной валютной сделки, учитывающая текущее финансовое состояние предприятия и параметры заключаемой долгосрочной валютной сделки;

• разработан метод оптимизации вычислительной мощности многофакторной динамической нейросетевой модели на базе распределенного кластера для уменьшения времени получения долгосрочного прогноза валютного риска.

Достоверность научных положений, выводов и рекомендаций подтверждается корректным использованием в проведенных исследованиях методов теории системного анализа, теории вероятностей и случайных процессов, теории многофакторной оптимизации, теории поддержки принятия решений, теории нейронных сетей, теории массового обслуживания и др., а также положительными результатами экспериментального моделирования разработанного пакета прикладных программ и внедрением его на ряде предприятий г. Москвы и г. Санкт-Петербурга.

Научная значимость работы состоит в разработке нового подхода к управлению валютными рисками, основанного на долгосрочном прогнозировании валютных рисков с учетом параметров валютных сделок и текущего экономического потенциала предприятия, позволяющего выбирать оптимальный метод хеджирования долгосрочной валютной сделки для конкретного предприятия.

Практическая значимость работы состоит в разработке метода сбора и актуализации статистических данных для разработанной модели долгосрочного прогнозирования валютных рисков, создании пакета прикладных программ управления валютными рисками на базе разработанной классификационной нейросетевой модели выбора оптимального метода страхования и хеджирования долгосрочной валютной сделки и высокими показателями эффективности внедрения основных результатов диссертационной работы на ряде финансовых предприятий г. Москвы (МРКС Холдинг, ООО ИТЦ «Виртуальные технологии в образовании») и г. Санкт-Петербурга (СКБ «Титан»), а также в учебный процесс для подготовки бакалавров, специалистов и магистров по направлению 550800 «Информатика и вычислительная техника» на кафедре Автоматизированные системы управления МГГУ.

Апробация работы

Основные результаты диссертации и её отдельные положения докладывались на семинарах кафедры АСУ МГГУ и следующих конференциях и симпозиумах: «Неделя-горняка-1999» (Москва, МГГУ, 25-29 января 1999 г.), «Проблемы региональной информатизации и пути её решения. Новые возможности и перспективы использования в рамках реализации программы «Электронная Россия» (Москва, ФГУП НИИ «Восход», февраль 1999), «Не-деля-горняка-2000» (Москва, МГГУ, 2-6 февраля 2000 г.), «Неделя-горняка

2001» (Москва, МГГУ, 29 января - 2 февраля 2001 г.), «Современные информационные технологии в управлении и образовании. Новые возможности и перспективы использования» (Москва, ФГУП НИИ «Восход», март 2001 г.), «Неделя-горняка-2002» (Москва, МГГУ, январь 2002 г.), «Проблемы региональной информатизации и пути её решения. Новые возможности и перспективы использования в рамках реализации программы «Электронная Россия» (Москва, ФГУП НИИ «Восход», февраль 2003 г.).

Публикации

По теме диссертации опубликовано 6 научных работ.

Структура диссертации

Диссертационная работа состоит из введения, пяти глав, заключения и 3 приложений, изложенных на 230 стр. текста, включает 30 таблиц, 60 рисунков и список использованных источников из 105 наименований.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Цветков, Николай Сергеевич

Основные выводы и научные результаты работы:

• определен набор слабо формализованных факторов: политических, психологических, ожидаемых, кризисных и спекулятивных, не использующихся в других моделях управления валютными рисками;

• разработана оптимизационная многофакторная динамическая нейросетевая модель долгосрочного прогнозирования валютных рисков. Определены топологические ограничения на архитектуру и топологию нейронной сети и разработаны методы обработки и актуализации значимых факторов, позволяющих оценивать значимость факторов как перед обучением модели, так и в процессе обучения нейронной сети;

• разработана классификационная нейросетевая модель, обеспечивающая выбор оптимального метода хеджирования и страхования валютного риска с учетом параметров сделки и экономического потенциала предприятия;

• создан кластер на базе Mosix и разработан метод оптимизации скорости обработки межслойных данных в многослойных нейронных сетях, позволяющий эффективно использовать ресурсы ЛВС и осуществлять прогноз в реальном масштабе времени;

• разработана объектно-ориентированная модель управления валютными рисками с использованием унифицированного языка моделирования UML, позволяющая интегрировать разработанный пакет прикладных программ «НейроЛинк» под любые платформы Unix-систем.

ЗАКЛЮЧЕНИЕ

В диссертационной работе представлено теоретическое и практическое решение актуальной научной задачи разработки нового подхода к долгосрочному прогнозированию валютного риска в реальном масштабе времени с учетом экономического потенциала предприятия и параметров валютной сделки на базе нейросетевых и кластерных технологий.

Список литературы диссертационного исследования кандидат технических наук Цветков, Николай Сергеевич, 2003 год

1. Жозет Перар. Управление международными денежными потоками. -М.:Финансы и Статистика, 1998;

2. Коммерческие и кооперативные банки. Справочник. М.: Акционерное общество Развитие, 1990;

3. Валютное законодательство. Серия Российское законодательство. Выпуск III. -М.:ЗАО Бизнес-школа Интел-синтез, 1998;

4. Н.В. Хохлов. Управление риском. М.гЮнити, 2001;

5. К. Рэдхэд. С. Хьюс. Управление финансовыми рисками. М.: Инфра-М, 1996;

6. Наговицкая А.Г. Валютная политика. М.:Экзамен, 2000;7. http://www.rbc.ru (Официальный сайт РИА «РосБизнесКонсалтинг»);8. http://www.franklin-grant.ru/ru/reviews/ (Официальный сайт «Франк-лин&Грант»);

7. Екушов А. Оценки риска в банковском менеджменте. № 1. -М.:Банковские технологии, 1999, с. 42-45;

8. Екушов А. Управление рисками и ресурсами . № 9. М.:Банковские технологии, 1999, с. 32-33;

9. Бюллетень банковской статистики. Центральный Банк Российской Федерации. ИТАР-ТАСС. М.:ОАО «Типография «Новости». №№1-120;

10. П.С. Безруких, В.Б. Ивашкевич, Н.П. Кондраков. Бухгалтерский учет. 2-е учебное издание. М.библиотека журнала «Бухгалтерский учет», 1996;

11. Финансовая отчетность. 3 раздел. ЦБ РФ. На 1 января 1998 г.;

12. Финансовая отчетность. 3 раздел. ЦБ РФ. На 1 января 1999 г.;

13. Финансовая отчетность. 3 раздел. ЦБ РФ. На 1 января 2000 г.;

14. Финансовая отчетность. 3 раздел. ЦБ РФ. На 1 января 2001 г.;

15. Финансовая отчетность. 3 раздел. ЦБ РФ. На 1 января 2002 г.;

16. В. Гмурман. «Теория вероятностей и математическая статистика». 7-е издание. М.: Высшая школа, 2002;

17. Э. Сигел. «Практическая бизнес статистика». М.: Издательство Вильяме, 2002;

18. А. Сидоренко, Г. Попов, В. Матвеева. Статистика. Учебник. М.:ДиС, 2000;

19. Статистика. М.: ЮНИТИ-ДАНА, 2000;

20. В. Боровиков. STATISTICA. Искусство анализа данных на компьютере. 2-е издание. С-Пб. Литер, 2003;

21. Р.Эйрес. Научно-техническое прогнозирование и долгосрочное планирование, М.:Мир, 1971;

22. Саяпова А.Р., Шамуратов Н.М., Гусельникова Е.А., Лакман И.А. Математические методы прогнозирования экономических показателей. Учебное пособие. Уфа:БашГУ, 2000;

23. Горбань А.Н. Обучение нейронных сетей. М.:СП ПараГраф, 1990;

24. F. Rosenblatt. Principles of neurodynamics. Spartan Books, Washington, 1962. Русский перевод: Розенблатт Ф. Принципы нейродинамики. -М.:Мир, 1964.;

25. Minsky М., Papert S. Perceptrons. An introduction to computational geometry, MIT Press, 1969. Русский перевод: Минский M., Пайперт С. Пер-септроны. -М., Мир, 1971;

26. Nillson N.J. Leaning Machines. McGraw-Nill Book Company, 1965; Русский перевод: Нильсон H. Обучающиеся машины. -М.:Мир, 1967;

27. Grossberg S. The Adaptive Brain, Т. 1,2, Advances in psychology, 1987;

28. M.Dertouzos. Threshold logic. A synthesis Appro ach. MIT Press, 1965. Русский перевод: М.Дертоузос. Пороговая логика. -М.:Мир, 1967;

29. Галушкин А.И. Синтез многослойных систем распознавания образов. -М.:Энергия, 1974;

30. Ивахненко А.Г. Персептрон система распознавания образов. — Киев: Наукова Думка, 1975;

31. Галушкин А.И., Фомин Ю.И. Нейронные сети, как линейные последо-вательностные машины. М.:МАИ, 1991;

32. Галушкин А.И., Судариков В.В., Шабанов Е.В. Нейроматематика: методы решения задач на нейрокомпьютерах. //Математическое моделирование, № 8. М. .-Наука, 1971;

33. A.Gill. Linear sequential circuits. Analysis, synthesis and applications. McGraw-Hill Book Company. Русский перевод: А.Гилл. Линейные по-следовательностные машины. Анализ, синтез и применение. — М.:Наука,1974;

34. Фомин Ю.И., Галушкин А.И. Методы технической диагностики сетей пороговых элементов //Техника средств связи/ Сер. системы связи, № 2,- 1980;50