Forex: просто о сложном Анализ рынка Форекс Торговля на Forex Технический анализ Форекс Forex-инвестиции Торговые стратегии Форекс Лучшие брокеры Форекс
В данной книге рассмотрены методы построения и обучения нейронных сетей. Описаны наиболее распространенные виды сетей и их применение к таким расчетам на финансовом рынке, как расчет цен опционов, оценка индексов акций и управление международным портфелем.
Лучший брокер бинарных опционов
ОПИСАНИЕ БАЗЫ ДАННЫХ
Forex

С целью выделить факторы, определяющие кредитный риск для МСП (фирм с числом работающих менее 50), мы рассмотрели 23 польских финансовых организации (их полный список приведен в приложении 1 к данной главе). Это исследование, являющееся продолжением сделанного в работе Джорджа, дало основу для построения содержательной базы данных, включающей 60 гипотетических наблюдений для 26 описывающих показателей. Затем были приглашены специалисты в области кредитного дела из 14 новых финансовых организаций, и им было предложено оценить привлекательность инвестиций в МСП (под привлекательностью понимается способность фирмы вернуть долг с процентами), ответив на следующие три вопроса:

• Считаете ли вы, что это МСП столкнется с финансовыми трудностями в течение ближайших 6 месяцев?
• Считаете ли вы, что это МСП столкнется с финансовыми трудностями в течение ближайших 18 месяцев?
• Изменили бы вы свою оценку, если бы в деле присутствовал полноценный залог?


Для беспроблемного трейдинга рекомендую брокера Forex4you – здесь разрешен скальпинг, любые советники и стратегии; также можно иметь дело с Альпари; для инвесторов – однозначно Альпари с его множеством инвестиционных возможностей. – примеч. главного админа (актуально на 12.02.2018 г.).


С нами согласились сотрудничать 12 специалистов (43%). Мы рассчитывали на их способности к «ex ante» прогнозированию финансовых трудностей. В качестве зависимой переменной выбирался усредненный прогноз того, будет ли данная фирма испытывать финансовые трудности в ближайшие 6 месяцев. Так как мы не располагали никакой информацией о вероятности принадлежности фирм к группам, то мы изначально взяли вероятности одинаковыми для всех групп. По результатам усредненного протеза компании были разбиты на 3 группы:

Один из случаев был отброшен, потому что целевую переменную невозможно было вычислить. В целом все эксперты оценили базу данных как содержательную и прислали свои ответы но факсу в течение 10 дней. Некоторые из них отмстили сложность решения вопроса о кредитоспособности вне связи с его обеспечением.

В табл. 8.1 представлено репрезентативное подможество гипотетической базы данных, которое было предложено экспертам. Совокупность переменных включает 21 нефинансовый показатель, значения которых обозначаются буквосочетаниями, и 5 финансовых показателей.

Все 26 переменных разбиваются на 4 группы:

А Признаки данной компании или отрасли
В Организационные факторы
С Макроэкономические показатели
D Финансовые показатели

ГРУППА А: Признаки данной компании или отрасли (6 переменных)

Отрасль промышленности (обозначается двубуквенным сокращением) является очень важной переменной, поскольку от нее непосредственно зависят значения финансовых показателей и чувствительность фирмы к изменениям окружающей обстановки. Мы не брали межотраслевые компании, чтобы не было возможной потери информации. Были выделены 8 отраслей: торговля (TD), услуги, пищевая промышленность, легкая промышленность (МА), сельское хозяйство, строительство (СО), транспорт и прочее. Предполагалось, что компании не очень отличаются друг от друга размерами. Рыночный потенциал учитывает спрос на товары или услуги, производимые фирмой, и зависит от того, в какой области работает компания. Положение на рынке оценивает соотношение цена/качество и конкурентноспособность фирмы. Экспорт (обозначение буквенное: YIN) учитывает степень участия фирмы в экспортно-импортных операциях. Помещения: собственность/аренда (обозначение буквенное: O/R) указывает, владеет ли компания основными производственными помещениями. С арендой в Польше очень трудно из-за крайне высоких ставок, очень коротких (в пределах года) сроков и возможности отдавать недвижимость в залог. Возраст компании делит фирмы на старые (> 3 лет) и молодые.

ГРУППА В: Организационные факторы (9 переменных)

Структура собственности (буквенное обозначение) указывает на одну из семи категорий: совместное предприятие, предприятие с ограниченной ответственностью (LL = Limited Liability), гражданское товарищество, зарегистрированное товарищество, товарищество с ограниченной ответственностью, частное предприятие и частное лицо, зарегистрированное как фирма. Связь управляющий/владелец характеризует, насколько эти два лица связаны (одно и то же лицо, родственники, друзья, знакомые, не связаны). Централизованное принятие решений и гибкость организации в динамичных экономических условиях— очень важные факторы, выделенные Арженти. Благонадежность управляющего показывает, насколько эксперт уверен в том, что управляющий будет считать себя обязанным вернуть долг с процентами. При решении этого вопроса польские банки без колебаний полагаются на сведения, полученные из полиции. Смысл остальных четырех Переменных ясен без комментариев: возраст управляющего, число работников, стаж работы управляющего на руководящей работе (а) в бизнесе вообще, (b) — на данной фирме.

ГРУППА С: Макроэкономические показатели (6 переменных)

Шансы МСП на выживание зависят от следующих важнейших макроэкономических факторов: инфляция, прямые налоги, косвенные налоги, таможенные и акцизные сборы, курсы обмена иностранных валют. Несомненно, что введение в июле 1993 г. налога на добавленную стоимость поднимет уровень пен, и такое изменение будет очень чувствительным в ситуации, когда покупательная способность и рентабельность падают. Экологическая безопасность производства в настоящий момент, может быть, не имеет решающего значения, однако ввиду того, что южные районы Польши сильно загрязнены.

Экологическая безопасность проекта может положительно повлиять на решение о предоставлении кредита. Для поддержки «зеленых» проектов была создана специальная общественная организация — Национальный фонд защиты окружающей среды и водных ресурсов.

ГРУППА D: Финансовые показатели (5 переменных)

Финансовые показатели заимствованы из "Z-модели" MDA Альтмана. Чистая маржа — это отношение чистого дохода к обороту. Коэффициент покрытия при обслуживании долга — это отношение прибыли до уплаты процентов и налогов (EBIT) к затратам на выплату процентов. Отношение ликвидности фирмы к сумме долговых обязательств выражает степень ликвидности позиции фирмы. Рост объема продаж — относительное (процентное) увеличение общего объема продаж — можно рассматривать как трендовую переменную. Наконец, дебиторский показатель — это средний срок платежей в днях (средний дебет/[чистый объем продаж x 360]).

Для обработки данных использовалась MBPN-сеть с логистическими функциями активации. Предполагалось, что после обучения сеть будет в состоянии правильно классифицировать новые (незнакомые ей) компании. В качестве исходной точки для сравнений была взята обычная линейная MDA-модель. Однако для метода MDA требуется, чтобы переменные были числовыми,— с буквенными или порядковыми переменными он работать не может. Проблема сведения всех показателей к числовым была решена при помощи нелинейного анализа главных компонент.

Нелинейный анализ главных компонент

С помощью нелинейного анализа главных компонент (АГК) мы не только преобразовали буквенные и порядковые переменные в числовые, но и уменьшили размерность множества данных с 26 (число переменных) до 5 (число значимых факторов). После этого, конечно, становится труднее представить себе суть этих новых составных переменных и понять, какое влияние каждая из них оказывает на результаты классификации. При АГК для каждого наблюдения вычисляются определенные числовые показатели этого объекта в каждом значимом измерении. Эти показатели (которые можно назвать количественными выражениями того, обладает ли объект тем или иным свойством) и используются в качестве входных данных для MDA. В итоге АГК даст новый набор данных меньшей размерности, чем у исходного (5 вместо 26), где уже все переменные являются числовыми. Конечно, эти два набора данных тесно связаны, поскольку пять новых измерений охватывают большую часть степеней свободы, имевшихся в исходных данных. В отличие от MDA, которая не может работать с данными в исходном виде, сеть способна воспринимать информацию в различной форме. Поэтому мы брали не одну, а две сети и обучали одну из них на исходном множестве данных, а другую — на преобразованном. По результатам второго эксперимента можно сравнивать между собой качество работы сети и MDA.

Содержание Далее

АТК был выполнен с помощью модуля обработки категорий пакета SPSS+/PC, версия 5.01. В приложении 2 к этой главе приведены веса компонент в 5 значимых измерениях и собственные числа. Для примера там были взяты 10 первых компаний. Alpari
Forex: просто о сложном
Яндекс.Метрика
Литература по биржевой торговле:

Бестенс Д. и др. Нейронные сети и финансовые рынки

Ван Тарп и др. Биржевые стратегии игры без риска

Грант К. Управление рисками в трейдинге

Пайпер Д. Дорога к трейдингу

Резго Г.Я., Кетова И.А. Биржевое дело

Рэдхэд К., Хьюс С. Управление финансовыми рисками

Сафонов В. Трейдинг. Дополнительное измерение принятия решений

Торговая система Woodies CCI

Торговая стратегия «Трейдинг без головной боли»

Тощаков И. Forex: игра на деньги. Стратегии победы

Хатсон Дж. Метод Вайкоффа

Черепков А. Теория длинных волн Н.Д. Кондратьева

Бинарные опционы Альпари