350 руб
Журнал «Информационно-измерительные и управляющие системы» №5 за 2023 г.
Статья в номере:
Оптимизация портфеля ценных бумаг с помощью машинного обучения
Тип статьи: научная статья
DOI: https://doi.org/10.18127/j20700814-202305-06
УДК: 519.67
Ключевые слова: Ценные бумаги инвестиционный портфель нейросеть модель алгоритм Python
Авторы:

М.В. Храмцов1, Р.А. Кочкаров2, А.А. Рылов3

1−3 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)

1maks_future@mail.ru, 2 rkochkarov@fa.ru, 3arylov@fa.ru

Аннотация:

Постановка проблемы. В данной статье предлагается подход к оптимизации портфеля по числу ценных бумаг и сохранении их состава с помощью алгоритмов машинного обучения. В настоящее время актуальным является прогнозирование стоимости ценных бумаг для принятия решения об изменении доли в портфеле.

Цель. Рассмотреть известные алгоритмы и предложить автоматизированный алгоритм оптимизации портфеля ценных бумах на основе методов машинного обучения.

Результаты. Приведены существующие принципы работы торговых алгоритмов. Показаны основные направления их применения в инвестиционной деятельности. Рассмотрены теоретические аспекты оптимизации портфеля, выделены отличительные особенности торговых советников и сферы их применения. Предложена модель с применением нейросети.

Практическая значимость. Предложенная нейросетевая модель прогнозирует будущую цену закрытия актива. Для модели произведены тесты на точность прогнозирования. Модель обладает возможностью оперативного изменения параметров с целью увеличения точности прогноза на более короткий срок.

Страницы: 48-55
Для цитирования

Храмцов М.В., Кочкаров Р.А., Рылов А.А. Оптимизация портфеля ценных бумаг с помощью машинного обучения // Информационно-измерительные и управляющие системы. 2023. Т. 21. № 5. С. 48−55. DOI: https://doi.org/10.18127/j20700814-202305-06

Список источников
  1. Brigham E.F., Houston  J.F. Fundamentals of Financial Management. Cengage Learning. 2015.
  2. Chan, Ernie. Algorithmic Trading. John Wiley & Sons. 2013.
  3. Какими могут быть алгоритмы для торговли на бирже: Базовая классификация. URL: https://habr.com/ru/company/iticapital/blog/372019/ (дата обращения: 02.06.2023).
  4. Lutz, Mark. Learning Python. O’Reilly Media, Inc. 2013.
  5. Алгоритм формирования инвестиционного портфеля на основе метода Марковица и его оптимизация по скорости выполнения. URL: https://science-education.ru/ru/article/view?id=6399 (дата обращения: 02.06.2023).
  6. Алгоритмический трейдинг, торговые роботы. URL: https://www.metatrader5.com/ru/terminal/help/algotrading (дата обращения: 02.06.2023).
  7. Инвестиционный портфель своими руками. URL: https://school.moex.com/articles/investicionnyj-portfel-svoimi-rukami (дата обращения: 02.06.2023).
  8. Енин А.В. Оптимизация инвестиционного портфеля по методу Марковица. URL: https://habr.com/ru/articles/516236/ (дата обращения: 02.06.2023).
  9. Богомолов А.И., Харитонова А.Е. Использование искусственного интеллекта в экономике: проблемы и перспективы // Нейрокомпьютеры: разработка, применение. 2023. T. 25. № 4. С. 16-23. DOI: https://doi.org/10.18127/j19998554-202304-03
Дата поступления: 08.08.2023
Одобрена после рецензирования: 22.08.2023
Принята к публикации: 02.10.2023