Применение методов искусственного интеллекта при прогнозировании финансовых процессов

Применение методов искусственного интеллекта при прогнозировании финансовых процессов

Применение методов искусственного интеллекта при прогнозировании финансовых процессов

Применение методов искусственного интеллекта при прогнозировании финансовых процессов

В условиях современной экономики необходимо повышать действенность и обоснованность экономических решений, что требует разработки и применения адекватных экономико-математических моделей валютно-курсовой политики, которые предоставят возможность субъектам валютного рынка решать задачи по регулированию валютного курса и обеспечат его стабильность, позволят уменьшить потери благодаря принятию обоснованных решений.

Для страны, которая находится в условиях экономических реформ, вопросы прогнозирования событий на финансовом рынке является особенно актуальным как на макро-, так и на микроуровне. Без надежного прогнозирования финансовых процессов невозможно правильно оценивать результаты внешнеэкономической деятельности, планировать доходную и расходную части бюджета, определять экспортные и импортные цены и т.д., разрабатывать эффективную валютную политику, направленную на защиту экономических интересов страны. Вместе с тем, финансовые институты, органы власти, коммерческие структуры часто испытывают потребность в получении надежной информации о соотношении курсов валют как в краткосрочном, так и долгосрочном периоде. Причинами такого положения являются постоянные колебания на мировом валютном рынке, большое количество факторов, влияющих на финансовое состояние государства, и их неопределенность, отсутствие однозначных аналитических зависимостей между входными и выходными параметрами моделей, используемых в настоящее время для прогнозирования финансовых процессов. Все это определяет значительную сложность задач, связанных с прогнозированием курса национальной валюты страны.

Читайте также  Роль коммерческих банков с участием иностранного капитала в банковской системе

На современном этапе исследований остаются неизученными специфические аспекты прогнозирования финансовых процессов государства

В частности, дальнейшего исследования требует разработки их математических моделей функционирования. А также количественного определения ее параметров и оценки влияния инструментов финансовой политики на основные макроэкономические параметры.

Учитывая сложную структуру финансово-экономических систем, для описания их функционирования используют методы искусственного интеллекта. Одним из самых популярных среди них является метод искусственных нейронных сетей. Искусственная нейронная сеть имитирует работу человеческого мозга, обладает способностью к обучению и может быть использована для прогнозирования. Перед началом работы сети необходимо осуществить ее настройки (выбор архитектуры, значений основных параметров). Наше исследование связано с необходимостью определения оптимальной архитектуры нейронной сети для прогнозирования финансовых процессов. Цель исследования заключается в выявлении влияния архитектуры искусственной нейронной сети на эффективность прогнозирования финансовых процессов.

Читайте также  Возможности внедрения зарубежного опыта для государственного финансового контроля

В процессе исследования нами были решены следующие задачи:

– проанализированы теоретические подходы к формированию механизма финансовой политики;
– разработаны концептуальные положения прогнозирования финансовых процессов;
– разработаны прогнозные модели для финансовых процессов с использованием различных типов архитектур нейронных сетей;
– выявлено лучший вариант архитектуры нейронной сети для прогнозирования финансовых процессов;
– с использованием оптимальной модели построены практические прогнозы финансовых процессов.

Основными конструктивными блоками искусственной нейронной сети является входной слой нейронов, внутренний слой и выходной слой нейронов (обычно содержит 1 нейрон).

Проведенные нами компьютерные эксперименты показали, что наиболее соответствующий реальных данных прогноз курса ценных бумаг можно получить, если на входы сети подавать количество сигналов, кратную до 5 (5, 10, 15 или 20). Это можно объяснить тем, что торговая неделя на фондовых биржах продолжается 5 дней. Как было показано ранее, наибольшей точностью прогноза характеризуется сеть, которая имеет 10 или 15 нейронов на входном слое. При практических расчетах в качестве статистических данных нами были использованы цены закрытия акций IBM за 680 торговых дней (2 последних года).

Похожее ...

Добавить комментарий