Аннотация:Рассмотрена задача построения модели прогнозирования направления движения цены товара на основе многофакторного анализа и построена модель принятия решений на финансовом рынке. В качестве товара рассмотрены фьючерсы на нефть марки Brent на Лондонской бирже. Такой выбор мотивирован значимостью товара во многих сферах, в том числе в планировании бюджета Министерством Финансов Российской Федерации, а также относительной прозрачностью в финансовых показателях, относящихся к нефти.
В ходе решения задачи была выявлена аналитическая форма модели, состоящая из двух частей. Первая часть соответствует задаче прогнозирования знака логарифмических приростов цен на основе анализа временных рядов. Данная задача была переформулирована в задачу бинарной классификации сегмента временного ряда и решена численно с помощью методов искусственных нейронных сетей. В работе представлены подробные описания архитектур, принцип работы и методы оптимизации параметров (обучения) рассматриваемых двух нейронных сетей: многослойный перцептрон и сеть LSTM. Также при анализе временных рядов было исследовано два метода фильтрации и сжатия: метод главных компонент (PCA) и метод независимых компонент (ICA). В ходе поиска решения задачи первой части модели LSTM сеть показала наилучшие результаты, чем многослойный перцептрон, по критериям минимизации функции потерь на выборке, точности прогнозирования и финансовой результативности вне выборки.
Вторая часть модели соответствует анализу экономических факторов, влияющих на цену нефти. Автором проведено исследование степени влияния ключевых факторов на цену, на основании чего был выбран фактор с наибольшим влиянием, отражающий экономические показатели нефти в США. Аналогично первой части модели, вторая часть ставит задачу классификации, только в качестве входных признаков выступают публикации рассматриваемого фактора. Для решения использовался метод LSTM с применением метода предварительной обработки PCA.
Найденная форма модели показала отличные результаты в части принятия решений. Портфель со спекулятивной стратегией на основе модели продемонстрировал большую доходность, чем рыночный портфель.