Оптимизация и прогнозирование портфеля ценных бумаг на основе методов машинного обучения
(Стр. 258-267)
Подробнее об авторах
Добрина Мария Валерьевна
кандидат экономических наук, старший преподаватель кафедры моделирования и системного анализа
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация Чернов Виктор Петрович доктор экономических наук, профессор кафедры прикладной математики и экономико-математических методов
Санкт-Петербургский государственный экономический университет
г. Санкт-Петербург, Российская Федерация
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация Чернов Виктор Петрович доктор экономических наук, профессор кафедры прикладной математики и экономико-математических методов
Санкт-Петербургский государственный экономический университет
г. Санкт-Петербург, Российская Федерация
Нажимая на кнопку купить вы соглашаетесь с условиями договора оферты
Аннотация:
Статья посвящена демонстрации и анализу возможностей соединения модели Марковица, представляющей собой классическую модель формирования портфеля ценных бумаг, и методов прогнозирования, построенных на машинном обучении данных. Актуальность выбранной темы обоснована тем, что использование методов машинного обучения дает возможность упростить деятельность работников финансовой сферы и работу профессиональных игроков фондового рынка, а также сократить сложность интерпретации математических моделей и методов их построения для частных инвесторов. Цель данной работы состоит в использовании методов машинного обучения для решения проблемы построения оптимального портфеля ценных бумаг и прогнозирования его поведения. Задачи:
– построить модель Марковица на основе выбранных данных;
– построить оптимальный портфель на основе предложенного критерия оптимальности;
– предложить прогноз временного ряда;
– оценить адекватность построенной модели;
– соединить модель Марковица, относящуюся к классу широко известных классических моделей, с построением прогноза на основе машинного обучения.
Методы и модели: в работе используются методы машинного обучения, строится модель Марковица на основе выбранных данных, затем модель Марковица соединяется с построением прогноза на основе машинного обучения.
Результаты исследования: построен оптимальный портфель для AXP и выполнен его прогноз. Формирование портфеля основывалось на модели Марковица. Полученные данные протестированы на адекватность и показали достаточно хорошие результаты. Был построен портфель, критерием оптимальности которого выступает соотношение средней доходности и волатильности доходности (максимизация средней доходности при минимизации ее волатильности). Модель Марковица, относящаяся к классу широко известных классических моделей, была соединена с построением прогноза на основе машинного обучения.
– построить модель Марковица на основе выбранных данных;
– построить оптимальный портфель на основе предложенного критерия оптимальности;
– предложить прогноз временного ряда;
– оценить адекватность построенной модели;
– соединить модель Марковица, относящуюся к классу широко известных классических моделей, с построением прогноза на основе машинного обучения.
Методы и модели: в работе используются методы машинного обучения, строится модель Марковица на основе выбранных данных, затем модель Марковица соединяется с построением прогноза на основе машинного обучения.
Результаты исследования: построен оптимальный портфель для AXP и выполнен его прогноз. Формирование портфеля основывалось на модели Марковица. Полученные данные протестированы на адекватность и показали достаточно хорошие результаты. Был построен портфель, критерием оптимальности которого выступает соотношение средней доходности и волатильности доходности (максимизация средней доходности при минимизации ее волатильности). Модель Марковица, относящаяся к классу широко известных классических моделей, была соединена с построением прогноза на основе машинного обучения.
Образец цитирования:
Добрина М. В., Чернов В. П. Оптимизация и прогнозирование портфеля ценных бумаг на основе методов машинного обучения // Проблемы экономики и юридической практики. 2024. Т. 20. № 4. С. 258-267. DOI: 10.33693/2541-8025-2024-20-4-258-267. EDN: RRLBIK
Список литературы:
Давнис В.В., Добрина М.В. Алгоритмическое моделирование портфеля ценных бумаг. —Экономическое прогнозирование: модели и методы. —Воронеж. —2017. —c. 118–123.
Добрина М.В. Функции полезности и их применение в моделировании портфельных решений. —Современная экономика: проблемы и решения. —2017. —№ 8 (92). —С. 64–73.
Добрина М.В., Чернов В.П. Математические методы оптимизации инвестиционных портфелей. —Санкт-Петербург. —2024. —163 с.
Добрина М.В., Шишацский А.В. Инструментальные методы прогнозирования на криптовалютном рынке. —Экономическое прогнозирование: модели и методы. —2018. —С. 131–136.
Яновский Л.П., Владыкин С.Н. Выбор портфеля с учетом горизонта инвестирования. —Финансы и кредит. —№ 29. —2009. —с. 12–22.
Bera A. K., Ivliev S., Lillo F. Financial econometrics and empirical market microstructure. —Switzerland. —Springer international Publ. —2015. —284 p.
Cowles A. Can Stock Market Forecasters Forecast? —Econometrica. —1933. —Vol. 1. —№3. —pp. 309–324.
Добрина М.В. Функции полезности и их применение в моделировании портфельных решений. —Современная экономика: проблемы и решения. —2017. —№ 8 (92). —С. 64–73.
Добрина М.В., Чернов В.П. Математические методы оптимизации инвестиционных портфелей. —Санкт-Петербург. —2024. —163 с.
Добрина М.В., Шишацский А.В. Инструментальные методы прогнозирования на криптовалютном рынке. —Экономическое прогнозирование: модели и методы. —2018. —С. 131–136.
Яновский Л.П., Владыкин С.Н. Выбор портфеля с учетом горизонта инвестирования. —Финансы и кредит. —№ 29. —2009. —с. 12–22.
Bera A. K., Ivliev S., Lillo F. Financial econometrics and empirical market microstructure. —Switzerland. —Springer international Publ. —2015. —284 p.
Cowles A. Can Stock Market Forecasters Forecast? —Econometrica. —1933. —Vol. 1. —№3. —pp. 309–324.
Ключевые слова:
оптимизация, портфель ценных бумаг, прогнозирование, методы машинного обучения, доходность, волатильность.
