Технологии создания распределённой информационной системы для оценки рисков на финансовых рынках

Обложка

Цитировать

Полный текст

Аннотация

Сегодня существует множество методов прогнозирования, основанных на нейросетевых технологиях, которые хорошо позволяют моделировать нелинейные процессы с зашумленными данными на медленно меняющихся рынках. Однако в условиях сильной турбулентности они не способны быстро реагировать на изменяющиеся условия и, следовательно, на конъюнктурные изменения рынка. Это выросло в очень серьёзную проблему поскольку решения, принимаемые на основе этих систем, связаны с движением сотен миллиардов долларов, и любая неправильно выявленная тенденция ведёт к крупным потерям. Заметим, что эта проблема возникла совсем недавно, вследствие присоединения к мировой экономике новых мировых игроков и, как следствие, снижения управляемости международной системы. В данной работе будет рассмотрен метод (динамический подход), который работает на сильно изменяющихся рынках и основан на комбинировании нейросетевых технологии с алгоритмами квантовой механики (квантовых вычислений).

Об авторах

Александр Владимирович Богданов

Институт высокопроизводительных вычислений и информационных систем

Email: bogdanov@csa.ru
Институт высокопроизводительных вычислений и информационных систем

Александр Борисович Дегтярёв

Санкт-Петербургский государственный университет

Email: deg@csa.ru
Кафедра компьютерного моделирования и многопроцессорных систем; Санкт-Петербургский государственный университет

Игорь Александрович Гараев

Санкт-Петербургский государственный университет

Email: tigersp@mail.ru
Кафедра компьютерного моделирования и многопроцессорных систем; Санкт-Петербургский государственный университет

Список литературы

  1. Voit J. The Statistical Mechanics of Financial Markets (Texts and Monographs in Physics). - Springer-Verlag, Berlin, 2001.
  2. Huang Z.-F. The First 20 Min in the Hong Kong Stock Market // Physica A. - 2000. - Vol. 287. - Pp. 405-411.
  3. Vaquero L. M. et al. A Break in the Clouds: Toward a Cloud Definition // ACM SIGCOMM Computer Communication Review. - 2009. - Vol. 39, No 1.
  4. Non-Stationary and Stationary Prediction of Financial Time Series using Dynamic Ridge Polynomial Neural Network / R. Ghazali, A. J. Hussain, N. M. Nawi, B. Mohamad // Neurocomputing. - 2009. - Vol. 72. - Pp. 2359-2367.
  5. Y.uml.u S., G.urgen F. S., Okay N. A Comparison of Global, Recurrent and Smoothed-Piecewise Neural Models for Istanbul Stock Exchange (ISE) Prediction // Pattern Recognition Letters. - 2005. - Vol. 26, No 13. - Pp. 2093-2103.
  6. Chiarella C., El-Hassan N., Kucera A. Evaluation of American Option Prices in a Path Integral Framework using Fourier-Hermite Series Expansions // Journal of Economic Dynamics & Control. - 1999. - Vol. 23. - Pp. 1387-1424.
  7. Гудман Ф. Г., Вахман Т. Динамика рассеяния газа поверхностью. - М.: Мир, 1980.
  8. Bogdanov A., Gevorkyan A. Quantum Chaos in the Framework of Complex Probability Processes. Thermodynamics of Nonrelativistic Vacuum. - Los Alamos National Laboratory e-print archive No. quantph/ 9810079.
  9. Nechaev Y. I. Principle of Competition at Neural Network Technologies Realization in On-Board Real-Time Intelligence Systems // Proceedings of First International Congress on Mechanical and Electrical Engineering and Technology "MEET-2002" and Fourth International Conference on Marine Industry "MARIND-2002". - Vol. 3. - 2002. - Pp. 51-57.

© Богданов А.В., Дегтярёв А.Б., Гараев И.А., 2010

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах