автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Моделирование процесса управления портфелем ценных бумаг в условиях неопределенности

На правах рукописи

ФРЕНКЕЛЬ МИХАИЛ БОРИСОВИЧ

МОДЕЛИРОВАНИЕ ПРОЦЕССА УПРАВЛЕНИЯ ПОРТФЕЛЕМ ЦЕННЫХ БУМАГ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

Специальность 05.13.10 Управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Астрахань - 2006 г.

Работа выполнена в Астраханском государственном техническом университете

Научный руководитель: кандидат технических наук, доцент

Квятковская Ирина Юрьевна

Официальные оппоненты: доктор технических наук, профессор

Халилов Абдурахман Исмаилович,

доктор технических наук, профессор Большаков Александр Афанасьевич

I

Ведущая организация: Саратовский государственный социально-экономический университет, г. Саратов.

Защита состоится «-2.^» декабря 2006г. в /3 часов на заседании диссертационного совета ДМ 212.009.03 при Астраханском государственном университете по адресу: 414056, г. Астрахань, ул. Татищева, 20 «а», конференц-зал.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу: 414056, г. Астрахань, ул. Татищева, 20 «а», АГУ, ученому секретарю диссертационного совета ДМ 212.009.03.

С диссертацией можно ознакомиться в библиотеке Астраханского государственного университета.

Автореферат разослан «¿7-» ноября 2006 г.

Ученый секретарь диссертационного совета д.т.н., профессор

Петрова И.Ю.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования.

Актуальность темы исследования подтверждается текущей ситуацией на фондовом рынке России. Сегодня банки, брокерские компании, частные инвесторы, интернет-трейдеры активизировали работу в области формирования и управления инвестиционным портфелем. Актуальность выбранной темы подтверждается стремительно растущим количеством непрофессиональных участников рынка ценных бумаг и возникающей у них необходимостью использовать профессиональные знания об использовании методов анализа рынка ценных бумаг, которые могли бы помочь ориентироваться в сложных процессах рынка. Не менее актуальной задачей является разработка интеллектуальной торговой системы поддерживающей принятие решения на всех этапах управления портфелем ценных бумаг на основе знаний и преференций участника рынка ценных бумаг.

В настоящее время отсутствуют программные средства, позволяющие инвестору использовать их в своей профессиональной деятельности на всех этапах управления портфелем ценных бумаг, а решаемые ими определенные задачи и реализуемые функции на отдельных этапах не в полной мере отвечают сегодняшним требованиям. Это обстоятельство объясняется тем, что процесс управления портфелем ценных бумаг реализуется в условиях неопределенности и неуверенности, характеризуемой недостатком информации для формализации задач автоматизации. Такой вид неопределенности обусловлен индивидуальным поведением на рынке каждого его участника.

Изучение теории и практики управления портфелем ценных бумаг, как сложной системы, состоящей из трех подсистем (анализа рынка ценных бумаг, формирования портфеля ценных бумаг, мониторинга портфеля ценных бумаг), включающих множество операций, показало, что в настоящее время невозможно разработать интеллектуальную торговую систему в связи с отсутствием или частичным соответствием требованиям математических моделей, методов и алгоритмов на различных этапах управления портфелем ценных бумаг, позволяющих учитывать специфические знания и преференции участника рынка ценных бумаг.

Данное обстоятельство вызывает необходимость проведения более полного системного анализа портфельных теорий и ставит задачу разработки методического обеспечения процесса управления портфелем ценных бумаг, основанного на воспроизведении и имитации процессов интеллектуальной деятельности участника рынка ценных бумаг, и создания на его основе интеллектуальной торговой системы для повышения эффективности управления портфелем ценных бумаг.

Наличие комплекса указанных проблем в теоретическом и в практи-

ческом плане обусловило выбор темы исследования, ее актуальность, а также общую цель и основные задачи диссертации.

Объект исследования л процесс управления портфелем ценных бумаг.

Предмет исследования - разработка моделей, качественных и приближенных методов, алгоритмов! управления портфелем ценных бумаг с учетом целенаправленности процессов и в условиях неопределенности.

Целью диссертационного исследования является повышение эффективности процесса управления портфелем ценных бумаг путем повышения оперативности принятия • решений на основе, информационной базы большей мощности, а также снижения несистемных рисков. Для достижения данной цели были поставлены следующие задачи:

— обобщить отечественную и зарубежную теорию и практику управления портфелем ценных бумаг, исследовать модели, методы и алгоритмы, используемые на различных этапах управления портфелем ценных бумаг;

г разработать нечеткую модель эмитента ценной бумаги, на основе которой создать методику и алгоритм расчета сравнительной и классификационной рейтинговой оценки ценных бумаг по группам с определенными инвестиционными качествами;

— разработать методику и алгоритм оценки результатов технического анализа в условиях неопределенности и неуверенности, включающую ситуационно-сценарную модель рынка;

— разработать концептуальную модель системы поддержки принятия решения при управлении портфелем ценных бумаг на основе разработанных моделей, методик и алгоритмов.

Методы исследования. В процессе работы использовались такие методы научного познания, как индукция, анализ и синтез, систематизация и идентификация; методы эмпирического исследования; методы математического моделирования, методы искусственного интеллекта, методы системного анализа, теории принятия решений, теории вероятностей, методы оптимизации. .

. Достоверность и обоснованность работы обусловлена корректным применением указанных методов исследования. Достоверность подтверждается проверкой результатов работы, полученных на основе применения разработанных моделей и методик, а также практическим применением результатов диссертационной работы, что отображено в актах внедрения.

Научная новизна диссертационного исследования

1. Разработана методика оценки результатов технического анализа в условиях неуверенности и нечеткости, позволяющая разработать экспертную систему поддержки принятия решения трейдером;

2. Предложена нечеткая модель финансового состояния эмитента, позволяющая качественно оценить финансовое состояние эмитента на основе преференций инвестора;

3. Разработана методика рейтинга ценных бумаг на основе нечеткой модели эмитента, позволяющая структурировать исходное множество ценных бумаг;

4. Предложена ситуационно-сценарная модель представления типовых ситуаций на рынке ценных бумаг, формализующая связь между состоянием рынка и решением трейдера;

5. Создан оптимизационный алгоритм для формирования портфеля ценных бумаг в различных постановках с использованием генетического алгоритма.

Практическая значимость. На основе предложенных моделей и алгоритмов разработана автоматизированная система поддержки принятия решения, охватывающая все этапы управления портфелем ценных бумаг. Система моделирует интеллектуальную деятельность участника рынка (инвестора), позволяя анализировать большее количество рынков и представленных на них ценных бумаг.

Система внедрена в отделе ценных бумаг ОАО ВКАБАНК и в отделе ценных бумаг Астраханского отделения Сбербанка России №8625.

Результаты исследования использованы в учебном процессе по специальности 351400 «Прикладная информатика в экономике» в подготовке курса «Предметно-ориентированные экономические информационные системы».

Личный вклад автора. В работах, выполненных в соавторстве, автору принадлежат постановка и формализация задачи, методика оценки результатов технического анализа в условиях неуверенности и нечеткости, методика рейтинга ценных бумаг на основе нечеткой модели эмитента, разработка структуры и формы хранения знаний и данных, нечеткая модель эмитента, ситуационно-сценарная модель, разработка алгоритмов, проектирование и реализация алгоритмов.

Апробация работы. Отдельные результаты диссертационного исследования докладывались и обсуждались на «V международном студенческом конгрессе» (Москва, 2001г.), «Международная научно-практическая конференция студентов и молодых ученых» (Астрахань, 2005г.), XVIII Международной научной конференции «Математические методы в технике и технологиях» (Казань, 2005г.), Международной конференции, посвященной 75-летию со дня образования Астраханского государственного технического университета (Астрахань, 2005г.), Международной научно-практической конференции «Проблемы развития менеджмента, логистики и коммерции в условиях новой экономики» (Астрахань, 2006г.), Международной конфе-

ренции «Информационные технологии в образовании, технике и медицине» (Волгоград, 2006г.).

Публикации. Основные положения диссертационной работы отражены в 9 опубликованных научных работах. Получено свидетельство об официальной регистрации программы для ЭВМ №2004612306.

Структура работы. Диссертационная работа состоит из введения, пяти глав основного текста, заключения, списка использованной литературы и приложений. Основная часть работы изложена на 151 странице машинописного текста.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, сформулированы цель и задачи исследования, научная новизна и практические результаты.

В первой главе описываются общие принципы функционирования рынка ценных бумаг. Составлен словарь онтологии, содержащий 188 терминов (понятий) предметной области, который использован для исследования свойств и характеристик представленных в нем терминов. Дается описание терминов, представленных в словаре онтологии.

Проведено исследование методов и математических моделей, используемых при управлении портфелем ценных бумаг и применяемых на этапе анализа рынка ценных бумаг и на этапе формирования портфеля ценных бумаг.

Построена онтология предметной области в виде концептуальной схемы (рис.1), представляющая формальное описание предметной области и определяющая общую терминологическую базу исследования. Построенная онтология описывается следующим набором данных:

О =< Т, R, D >, где Т.. термины предметной области; R - отношения; D - определение понятий предметной области.

Проведено исследование информационного обеспечения рынка ценных бумаг. Рассмотрены программные средства общего и специального назначения. Проведено сравнение существующих программных средств специального назначения по следующим признакам:

■ Возможность проведения фундаментального анализа;

■ Возможность проведения технического анализа;

■ Возможность формирования портфеля ценных бумаг с использованием математических моделей;

■ Возможность имитации интеллектуальной деятельности участника рынка ценных бумаг.

Сделаны выводы, что ни одна из существующих специализированных систем не охватывает все этапы управления портфелем ценных бумаг, и не-

обходимо разработать программный продукт, позволяющий имитировать интеллектуальную деятельность участника рынка ценных бумаг.

Рис. 1. Онтология предметной области

Во второй главе описывается методика рейтинга ценных бумаг на основе нечеткой модели эмитента ценной бумаги для проведения фундаментального анализа рынка-ценных бумаг.

Определено базовое ядро показателей, составляющих оценочную систему, исходя из цели проведения рейтинга, характеризующих деятельность эмитента ценной бумаги и инвестиционную привлекательность его акций. Рассмотрены существующие подходы к построению рейтинговой оценки — балансовый и экспертный, и применяемые методы для построения упорядоченного и классификационного рейтинга.

С целью устранения недостатков бухгалтерского и экспертного подходов к построению рейтинговой оценки поставлена задача построения рейтинговой процедуры, учитывающей оба метода. В основу создаваемой рейтинговой процедуры положен «метод расстояний» на основе балансового подхода, а экспертный подход применяется на этапах ввода и стандартизации различных показателей.

В общем виде задача рейтинговой оценки описывается следующим набором информации:

(СВ, РО, РОэтад, ^, РЯ,^, где СВ - ценные бумаги, участвующие в

рейтинговой оценке; РО - показатели, участвующие в рейтинговой оценке; РОэтая - эталонные значения показателей; - функция желательности; РЯ - продукционные правила классификации.

Используемые для рейтинга показатели разделены на два типа:

1. Количественные - представлены в бухгалтерской отчетности, позволяют измерить степень проявления анализируемого свойства у акции;

2. Ординальные - используются для оценки инвестиционного качества анализируемого свойства у акции, согласно преференциям инвестора.

Для объединения в одной оценочной системе количественных и качественных оценок и для математической корректности расчета рейтинга, с учетом типов используемых переменных, используется математический аппарат нечетких множеств.

Задача нечеткой классификации показателей описывается следующим набором информации:

Р„р} , где А = {а,,а2,...,а„} - конечное множество акций,

участвующих в рейтинге, где п - общее количество акций; Р -\р1,рг,...,рч\ - конечное множество показателей, характеризующих инвестиционную привлекательность акций, где <у - общее количество показателей, используемых в рейтинге; X, = {х,',^,—,*^} - вектор, поставленный в соответствие каждой акции е А, где х^ количественное значение признака Р; еР для акции а, е А, х^ еК; У1 = {у[,у2,—>у'я} - вектор, поставленный в соответствие каждой акции а, е Л, где у^ качественное значение признака р^Р для акции а( е А .

Степень инвестиционного качества показателя определяется следующим образом:

Гпр : РО -> [0,1] = /г/?(РО), где Г„р - функция желательности (отображения); РО - некоторый показатель, участвующий в рейтинговой оценке; р - описанная лингвистическая градация степени выраженности инвестиционного качества и соответствующих им числовых оценок из интервала [0.1]-

Степень инвестиционной привлекательности по различным показателям задается матрицей, используемой для проведения упорядоченного и классификационного рейтинга:

"//(*и) ) - гДе ~ степень инвестицион-

_ ) М*2,2) — ^(х2,т) . ной привлекательности й ценной ^ ~ ... ... /л(хи) ... бумаги поу'-му показателю.

_/"(*„ 1) Жх„,2) -

Процесс проведения упорядоченного рейтинга состоит из двух этапов:

1. Свертка для каждого показателя по уровню лингвистической градации;

2. Свертка всех показателей на определенном уровне иерархии.

Значение показателя определяется по следующей формуле:

т

Р — ^ /г, - /л, , где т - количество термов лингвистической перемен-'=1

ной; лг, - параметр весомости / -го терма лингвистической переменной; -значение функции принадлежности для / -го терма лингвистической переменной.

Значение рейтинговой оценки рассчитывается по формуле:

п

/? = ^ су • Р] , где п - количество показателей, участвующих в расче-7=1

те рейтинга; с] - параметр весомости ] -го показателя в рейтинговой оценке; Р} - значение _/ -го показателя, участвующего в расчете рейтинга;

В процессе проведения классификационного рейтинга каждая акция относится к тому или иному классу с определенными инвестиционными качествами. Задача проведения классификационного рейтинга описывается следующим набором информации: (П, , где П - множество акций (альтернатив); - значение показателей, участвующих в рейтинге.

Для решения задачи классификационного рейтинга на множестве всех альтернатив П используется алгоритм линейного расслоения классов альтернатив, в процессе которого отбираются альтернативы, принадлежащие множеству Парето Ор еП: Пр = е 0| (\Z\ve. £2)[мРм>р]}, где

(УНОМЛ е а 11,7 е {1,..,| п |})[и<0Л</)] О

о {(V* = 1,...я)[и</,х*)< ЧУ,^)] & (З^о е ) < ™и,хко)]}

Полученные альтернативы составляют первый слой множества Паре-то 0.рх и удаляются из исходного множества альтернатив. Процесс повторяется, результатом является множество л--слоев 0,р, элементы которых несравнимы между собой и могут быть представимы в виде одного класса, причем х С1Р — ^ - Для решения задачи упорядочивания альтернатив внутри классов 0.рх определено правило выбора и функция выбора, позволяющие ввести между альтернативами одного класса отношение частичного порядка:

Cr(Qf) = {^eQf |Л/£Р0 = т1пЛ/£.(г)},где = a Равно

reilf

числу критериев, по которым альтернатива z превосходит альтернативу х.

Третья глава посвящена созданию методики оценки результатов технического анализа в условиях неуверенности и нечеткости.

Проведен анализ интеллектуальной деятельности трейдера, использующего технический анализ для торговли на рынке ценных бумаг, и построена поведенческая модель трейдера (рис. 2). Введено понятие «состояние рынка», связанное с тремя возможными операциями на рынке ценных бумаг -купить, продать, оставить все без изменения.

При использовании в своей профессиональной деятельности технического анализа задача трейдера сводится к выявлению типовых состояний рынка и отслеживанию их возникновения, причем каждый трейдер рисует собственную картину рыночного состояния и определяет систему действий в каждом конкретном состоянии. Сложность задачи определения состояния рынка состоит в том, что трейдер учитывает и анализирует большое количество разноплановых индикаторов. Рассмотренная задача определения состояния рынка является сложной и трудноформа-лизуемой задачей, поскольку для принятия решения о совершении той или иной операции необходимо знание внутреннего видения различных ситуаций рынка трейдером.

Проведен семантический анализ задачи, определена терминологическая база, и построена онтология задачи анализа рынка ценных бумаг с использованием технического анализа (Рис. 3).

Модель состояния рынка для каждой акции описывается следующей совокупностью:

(£, BI, IND, Filld ) , где S - объект моделирования (состояние рынка для акции); В1 = (В1

High Low* BI Open > BI Close » Volume ) " ВХОДНЗЯ ИНфорМаЦИЯ

(биржевая информация: BIHh - максимальная цена, BI^ - минимальная

Рис. 2. Поведенческая модель трейдера

цена, В10реп - цена открытия, В1С1ох - цена закрытия, В1уы,1те - объем торгов); ШО - выходная информация (вектор значений ИТА для 5); Рм -функции расчета индикатора.

_ Имеет-

Характеризует

1

РЦБ

/

Формирует {

Грейдер

Торговый метод

Состояние на РЦь

7

Биржевая информация

Цена открытия (Open) -Цена закрытия (Close) Максимальная цена (High) -Минимальная цена (Low) -Объем (Volume) , -Торговый период_

Соответствует

Определяют ~

Ситуация на рынке

Включает Определяет J

I ^

Совершает

Операции на РЦБ

■Тип операции

Г

-Влияет

\

Используется (для расчета)

ИТА

-Тип

-Способ расчета

Включает

Интерпретирует 1

ТС

Вырабатывают Рис. 3. Онтология задачи

Задача идентификации ситуации на рынке для ЦБ описывается следующим набором информации:

(АК, ШО, НЯ, ШОИг, РЯ) , где АК - акция; Шй - вектор значений

ИТА для акции АК , который описывает состояние рынка для данной акции; НЯ - ситуация на рынке* определенная трейдером (ЛПР); ШОИг - набор ИТА для идентификации ситуации на рынке НЯ ; РЯ - продукционные правила определения ситуации на рынке.

Разработана ситуационно-сценарная модель (ССМ), связывающая состояние рынка для акции /М) с решением трейдера относительно действий на рынке. ССМ позволяет идентифицировать ситуацию на рынке и выработать с наибольшей долей уверенности рекомендацию для трейдера (ЛПР) о действиях с акциями.

Структура ССМ зависит от торгового метода трейдера, его сложности. В результате анализа торгового метода определяются входные параметры модели X = (*р}, а в качестве выходного параметра всегда будет ситуация, имеющая три градации: «покупать», «продавать», «оставить без изменений», : для описания которых достаточно бинарных переменных Ъ\ и И2: #=ф,,Л2},где

,покупать (X продавать

, пг=\

О, в противном случае [0, в противном случае

Связь между входными и выходными параметрами модели устанавливается согласно торговому методу трейдера (знаний трейдера) в виде продукционных правил. . ;■•

В результате анализа торгового метода трейдера строится диаграмма влияния происходящих элементарных событий на ситуацию на рынке, и, как следствие, на операции, совершаемые трейдером. Ситуация на рынке представляется набором свидетельств, поступающих с рынка и связей их с ситуацией на рынке.

Введены два понятия, характеризующие тип ситуации: простые ситуации, представленные индикаторами технического анализа, и композиционные ситуации, описываемые набором простых ситуаций.

Разработана структура диаграммы влияния для построения ССМ, представляющей собой ориентированный ациклический граф, с тремя типами вершин - вершины решения, вершины элементарных событий и узлы оценки качества (рис. 4). Вершины элементарных событий соответствуют непосредственно наблюдаемым данным (ИТА), вершины решения соответствуют возможным ситуациям на рынке, узлы качества являются виртуальными данными, которые влияют на уверенность в воздействии элементарного события на ситуацию на р^шке. Дуги в графе имеют различное назначение. Дуги от элементарных событий X к узлам качества и указывают на полезность (качество) элементарного события для ситуации, а дуги от узлов качества и к вершинам решения Н представляют вероятностную зависимость ситуации на рынке от качества элементарных событий.

Идентификация композиционных ситуаций проводится как идентификация совокупности простых ситуаций. -

Установлено, что трейдер (ЛПР) анализирует в процессе принятия решений большое количество разноплановых индикаторов, имеющих несколько уровней градаций качества, в результате чего возможны ситуации, когда решение приходится принимать на основе неотчетливых данных. Для решения этой проблемы поставлена и решена задача оценки качества события на рынке: для любой возможной ситуации на рынке И е Н и любого события на рынке хе.Х необходимо оценить качественное свойство значения и , определяющего качество события на рынке х для ситуации на рынке к (рис. 5).

Введены в рассмотрение два типа торговых сигналов, вырабатываемые элементарными событиями на рынке:

1. Точный торговый сигнал, подлежащий однозначной идентификации. В случае точного торгового сигнала II может принимать только два значения {0,1}.

2. Неточный торговый сигнал, значением которого являются элементы нечеткого множества.

Для каждого неточного торгового сигнала х„ е Xы, определяющего

Рис. 4 Диаграмма влияния

Рис. 5. Задача оценки качества элементарного события на рынке ценных бумаг

возможную ситуацию на рынке кт е Нм, введена в рассмотрение нечеткая переменная ап, (от, ¿и(х), х е X} «Качество сигнала», со следующим содержательным смыслом «Рост качества с увеличением (уменьшением) х ». Оценка качества и характеризуется функцией принадлежности //(*) , которая связывает с каждым значением хп число, характеризующее качество сигнала в интервале [0,1]. Вид функции принадлежности определяется ЛПР и позволяет интерпретировать ее, как субъективную оценку вероятностной меры уверенности ЛПР относительно истинности того, что при наблюдении элементарного события, выраженного в проявлении торгового сигнала хп на РЦБ, будет иметь место ситуация Ит .

Установлено, что анализ истинности последнего утверждения заключается в проверке следующего условия:

д:* Г-»С/, где (1)

х - элементарное событие на рынке; V - эталонное значение, с которым сравнивается д:; * - предикатные символы (=,<>,>,>=,<,<=) или нечеткое высказывание (большой, маленький, средний и т.п.);

С учетом (1) возможна идентификация ситуации при нечетких условиях, как числовых, так и лингвистических. Для этого введены узлы качества на диаграмме влияния, позволяющие записать продукционные правила следующего вида: «ЕСЛИ значение ИТА (элементарное событие х ) достигло (превысило и т.п. в зависимости от предикатного символа) некоторой величины V , ТО с вероятностью II имеет место ситуация И ».

Для случая, когда в качестве события выступает изменение значения индикатора во времени, условие (1) принимает вид:

х(Ы)*У-*и ,где (2)

х(Л9 - изменение значения индикатора за N торговых периодов. С учетом (2) в узле качества возможно записать следующее правило: «ЕСЛИ значение ИТА (элементарное событие х) за N торговых периодов изменилось на величину V , ТО с вероятностью С/ имеет место ситуация к ».

Для каждой описанной трейдером ситуации Н, согласно (1) и (2), можно построить матрицу А/, описывающую ситуацию на рынке:

где Шд =и(х) - субъективная вероятность трейдера, что при наблюдении элементарного события х на РЦБ будет иметь место ситуация А .

Использованы введенные Шортлиффом и Быокененом попятия меры уверенности и меры неуверенности для обозначения весомости торгового сигнала х для описанной типовой ситуации. Для измерения степени уверенности в ситуации введен в рассмотрение коэффициент уверенности Шортлиффа.

Для комбинации событий на рынке в случае, когда неизвестны точные значения априорных и апостериорных вероятностей ситуаций на рынке, использованы приближенные методы оценки.

Для определения качества СГ введена лингвистическая переменная Я на интервале [-1;1], описываемая кортежем (Я, Т, £>), где Я - название лингвистической переменной «Уверенность в ситуации на рынке»; Т - терм-множество {«высокая»,«средняя»,«низкая»}; Б -универсум.

Для определения лингвистической переменной использован трапециевидный вид функции принадлежности (трапециевидные нечеткие числа).

Установлена связь каждого терма лингвистической переменной с операцией. Например, «высокое качество» - совершить операцию на рынке автоматически, «среднее» - предоставить сведения о ситуации инвестору (ЛПР), и после подтверждения совершить операцию на рынке, «низкое» - не совершать операцию (без изменений). Для значений С/7,, попадающих в зону неуверенности («высокое»-«среднее», «низкое»-«среднее») инвестора (ЛПР), дополнительно могут быть определены действия. В зависимости от качества CF возможно активизировать различные наборы правил.

Связь между входными и выходными параметрами модели задается с помощью формализации профессиональных знаний инвестора о РЦБ в виде продукционных правил. Для продукций не устанавливается строгая последовательность выполнения, а выбор очередной продукции осуществляется с

М =

ш.

применением динамического приоритетного выбора и принципа метапродукций. В результате выбора из множества продукций Рг5 выделяется некоторое подмножество Рг0, предпочтительных в датой ситуации с точки зрения применимости.

Динамические приоритеты вырабатываются в процессе функционирования системы. Приоритет выставляется в зависимости от коэффициента уверенности. Затем на основе анализа приоритетов продукций метапродукции устанавливают порядок их выполнения, формируя фронт.

Обобщенный синтаксис правила выглядит следующим образом:

Если событие х, (и событие х2) (или событие х тогда h.

Модель представления знаний является смешанной (продукционно-фреймовой); что позволяет сочетать преимущества составляющих моделей. База знаний этой модели, состоящая из продукционных правил, задает причинно-следственные отношения между различного типа торговыми сигналами и ситуацией на рынке. Для представления знаний о различных торговых сигналах используются фреймы.

Вывод осуществляется в обратном направлении с проверки истинности условий, при которых предполагаемая ситуация оказывается истинной. Если степень уверенности в качестве торговых сигналов для данной ситуации менее 0.9, то при выводе подсчитывается степень уверенности в ситуации на рынке.

Разработан алгоритм для реализации предложенной методики оценки результатов ТА (Рис. 6).

В четвертой главе рассматривается математическая модель финансового рынка, применяемая для формирования портфеля ценных бумаг.

Рассмотрены возможные постановки задачи, являющиеся однокритери-альными задачами оптимизации, на основании которых сформулирована альтернативная постановка задачи в многокритериальной форме.

» г , где R- доходность портфеля

шах ' ' 2 ■

<=1 ценных бумаг; er - риск портфе-

И Я . V р

<у\ = ^Г OiOi covfa ,#,)-» min ля ценных бумаг; Oi - структура

q ^ q'=1 •/=l портфеля ценных бумаг.

я

(^Начало ^

I

Обработка биржевых данных 1

Расчет индикаторов ТА

I

Активизация набора правил О

т

Поставлена и решена задача разработки средства программно-алгоритмической поддержки для решения задачи формирования портфеля ценных бумаг в различных постановках с использованием генетического алгоритма. Рассмотрена классическая схема генетического алгоритма и предложена альтернативная схема, учитывающая специфику задачи.

Особенность предлагаемого генетического алгоритма в отличие от традиционного, согласно классической схеме, предложенной Голландом, состоит в следующем:

1. Параллельное существование нескольких популяций и динамическое изменение их количества в зависимости от результатов поиска множества эффективных портфелей;

2. Фиксированное число особей в каждой популяции, что позволяет осуществлять управляемый поиск и планировать вычислительные затраты и время на генерацию решения;

3. Принцип кодирования переменных (структуры портфеля) в особи.

В пятой главе приводится описание функциональной, инфологической, прецедентной модели СППР для управления портфелем ценных бумаг, а также рассматривается ее архитектура.

При проектировании СППР использовались принципы открытой архитектуры, что позволяет расширять ее функциональность в процессе жизненного цикла дополнительными модулями.

Проектирование функциональной модели (рис.7) выполнено в нотациях ГОЕРО и ГОЕБЗ. Проектирование модели данных выполнено в нотации ГОЕР1Х. Для построения прецедентной модели и архитектуры системы использовались средства ЦМЪ 2.0.

Проверка достижения цели диссертационной работы, выраженной в повышении эффективности процесса управления портфелем ценных бумаг была выполнена путем сопоставления результатов рейтинговой оценки и результатов идентификации типовых ситуаций с результатами экспертов.

На основе ретроспективных данных был проведен рейтинг акций компаний эмитентов сектора топливной промышленности экономики России, в 87% случае рассчитанные системой рейтинги совпадали с результатами экспертов, в 83% случаев результаты идентификации ситуации на рынке

Результаты /

идентификации /

Конец ^

Рис. 6 Алгоритм идентификации ситуации

с использованием тестовых данных совпадали с результатами экспертов, в

Коикпция технического анализа

Метод Марковица

Схеш согласования Шортлнффа

Биржевая информация

Финансовая отчетность эмитента ЦБ

Первичные данные для вероятностной модели рынка

Параметры гдстического алгоритма Знания экспертов, инвестора_

Параметры оценочной систены

Формулы расчета ИГА

Методика оиенки результатов ТА в условиях нечеткости и неуверенное™ ^^Мсгодика рейтинговой оценки на основе нечеткой модели эмитента ЦБ

^Концепция фундаментального анализа

СППР при управлении портфелем ЦБ

Упорядоченные рейтинговые оценки

Классификщиоиный рейтинг Целевое множество ЦБ для инвестиционной деятель ности

° Идектфнцироважые ситуации на рынке

Рекомендации по оовершению операций 'на рынке

Эффективные портфели и их структура и -характеристики_

Инвестор

Рис. 7 Функциональная модель

остальных случаях полученные результаты с точки зрения экспертов считались корректными.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

Основные научные и практические результаты диссертационной работы состоят в следующем:

1. Проведен анализ современного состояния информационного обеспечения рынка ценных бумаг, показавший, что отсутствуют решения,

' отвечающие всем требованиям инвестора на различных этапах управления портфелем ценных бумаг, позволяющие учитывать специфические знания и преференции участников рынка ценных бумаг в процессе принятия решения.

2. Разработаны семантические модели знаний: онтология предметной области и онтология задачи использования технического анализа в

' профессиональной деятельности трейдера, представляющие теоретическую значимость как терминологическая база исследования и практическую значимость в виде тезауруса базы знаний;

3. Разработана нечеткая модель эмитента ценной бумаги, позволяющая качественно оценить финансовое состояние эмитента на основе преференций инвестора. Введена и измерена степень инвестиционного качества эмитента.

4. Разработана методика и алгоритмы расчета упорядоченной и классификационной рейтинговой оценки на основе нечеткой модели эми-

тента ценной бумаги, учитывающие преференции инвестора относительно эталонных значений показателей и позволяющие структурировать исходное множество ценных бумаг;

5. Разработана ситуационно-сценарная модель, формализующая связь между состоянием рынка и решением трейдера. Предложена структура диаграммы влияния для описания типовых ситуаций, включающая виртуальные узлы качества.

6. Создана методика оценки результатов технического анализа ценных бумаг в условиях неопределенности и неуверенности, позволяющая разработать экспертную систему поддержки принятия решения трейдером, и разработан алгоритм идентификации состояния рынка в условиях неопределенности, позволяющий увеличить скорость генерации решения за счет использования динамических приоритетов продукционных правил и правил остановки.

7. Проведена оценка адекватности разработанных моделей и алгоритмов на отдельном отраслевом сегменте. Показано, что в целом предлагаемые системой решения совпадают с экспертными.

8. На основе полученных теоретических положений разработана концептуальная модель автоматизированной системы поддержки принятия решения на всех этапах при управлении портфелем ценных бумаг. Создана СППР «Invest Money», получено свидетельство о регистрации программы №2004612306. Система принята к внедрению в отдел ценных бумаг ВКАБАНКа и отдел ценных бумаг Астраханского отделения Сбербанка России №8625. .

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Френкель, М.Б. Система поддержки принятия решений при формировании оптимального портфеля ценных бумаг с использованием генетического алгоритма./ М.Б. Френкель, И.Ю. Квятковская // Сборник материалов международ, научн.-практич. конф. «Электронный университет как условие устойчивого развития региона». - Астрахань, АФ МЭСИ. 2005. - С. 285-287.

2. Френкель, М.Б. Нечетко — логический подход к формированию портфеля ценных бумаг. / М.Б. Френкель, И.Ю. Квятковская // Математические методы в технике и технологиях - ММТТ-18 Сб. трудов XVIII Международ. науч. конф. в Ют. Т.7 Секция 7/ Под общ. ред. B.C. Балакирева. - Казань: изд-во Казанского гос. технол. ун-та. 2005. С. 100-102.

3. Френкель, М.Б. Использование метода скоринга акций с нечеткой моделью оценки эмитента ценных бумаг / М.Б. Френкель, И.Ю. Квятковская // Сборник материалов Международной научно-практической конференция

"Проблемы развития менеджмента, логистики и коммерции в условиях новой экономики". г.Астрахань. 2006. стр. 261-262.

4. Френкель, М.Б. Построение нечеткой модели оценки эмитента ценной бумаги при формировании портфеля ценных бумаг. / М.Б. Френкель, И.Ю. Квятковская // Математические методы в технике и технологиях -ММТТ-19 Сборник трудов XIX Международ, науч. конф. в Ют. Т.7 Секция 7/ Под общ. ред. B.C. Балакирева. - Воронеж: изд-во Воронеж, гос. технол. акад. 2006. с. 42-44.

5. Френкель, М.Б. Идентификация состояния рынка ценных бумаг в условиях неуверенности и нечеткости // Материалы международной конференции «Информационные технологии в образовании, технике и медицине», г. Волгоград, 2006. с. 187-188.

6. Френкель, М.Б. Генетический подход к формированию оптимального портфеля ценных бумаг с использованием количественного анализа финансовых рынков. / М.Б. Френкель, И.Ю. Квятковская // Материалы V-й международной научно-практической конференции «Результаты и проблемы социально-экономического развития Астраханской области», г. Астрахань, 2006. с.236-240.

7. Френкель, М.Б. СППР для обеспечения процесса формирования портфеля ценных бумаг. / М.Б. Френкель, И.Ю. Квятковская // Материалы V-й международной научно-практической конференции «Результаты и проблемы социально-экономического развития Астраханской области», г. Астрахань. 2006. с.240-242.

8. Френкель, М.Б. Нечетко-множественный подход к сравнительной рейтинговой оценке акций / М.Б. Френкель, И.Ю. Квятковская //Изв. вузов. Сев.-Кавк. регион. Техн. науки. -2006.-Прил. №7. c.l 11-113

9. Свидетельство об официальной регистрации программы для ЭВМ №2004612306. Зарегистрировано в реестре программ для ЭВМ 11.10.2004г. Федеральная служба по интеллектуальной собственности, патентам и товарным знакам.

Ю.Френкель М.Б., Квятковская И.Ю., Использование сценариев при построении интеллектуальной торговой системы для торговли на бирже //Вестник АГТУ, приложение 2006г. с. 18-21.

Типография ФГОУ ВПО «АГТУ». Заказ № 862. Тираж 100 экз. Подписано в печать 14.11.2006.

414025, Астрахань, Татищева, 16.

Введение.

1. Проблема управления портфелем ценных бумаг и анализ методов ее решения.

1.1 Анализ рынка ценных бумаг.

1.2 Обзор методов анализа рынка ценных бумаг.

1.2.1 Технический анализ.

1.2.2 Фундаментальный анализ.

1.3 Обзор различных постановок задачи многокритериального выбора.

1.4 Обзор моделей формирования портфеля ценных бумаг.

1.5 Онтология предметной области.

1.6 Информационное обеспечение рынка ценных бумаг.

1.7 Выводы.

2. Рейтинг ценных бумаг на основе нечеткой модели финансового состояния эмитента ценной бумаги.

2.1 Оценочная система.

2.2 Нечеткая классификация показателей, используемых в рейтинге.

2.3 Расчет рейтинговой оценки.

1.3.1 Расчет упорядоченного рейтинга.

1.3.2 Расчет классификационного рейтинга.

2.4 Выводы.

3. Методика оценки результатов технического анализа в условиях неуверенности и нечеткости.

3.1 Поведенческая модель трейдера.

3.2 Онтология задачи как основа для проведения системного анализа предметной области.

3.2.1 Терминологическая база задачи.

3.2.2 Онтология задачи.

3.3 Модель состояния рынка.

3.4 Задача идентификации ситуации на рынке.

3.5 Построение ситуационной модели.

3.5.1 Структура модели.

3.5.2 Построение диаграммы влияния ИТА на ситуацию на рынке.

3.5.3 Оценка качества событий на рынке.

3.5.4 Стратегия вывода.

3.6 Представление знаний и правила вывода.

3.7 Алгоритм идентификации состояния рынка.

3.8 Выводы.

4. Разработка генетического алгоритма для решения задачи оптимизации портфеля ценных бумаг.

4.1 Задача оптимизации портфеля ценных бумаг.

4.2 Разработка генетического алгоритма для решения оптимизационной задачи формирования портфеля.

4.3 Выводы.

5. Проектирование системы поддержки принятия решения при управлении портфелем ценных бумаг.

5.1 Функциональная модель СППР при управлении портфелем ценных бумаг.

5.1.1 Подсистема сбора первичной информации.

5.1.2 Обеспечивающая подсистема.

5.1.3 Подсистема «Фундаментальный анализ».

5.1.4 Подсистема «Технический анализ.

5.1.5 Подсистема «Формирование портфеля ценных бумаг».

5.2 Модель данных для СППР при управлении портфелем ценных бумаг.

5.2.1 Модель данных для подсистемы «Фундаментальный анализ».

5.2.2 Модель данных для подсистемы «Технический анализ».

5.3 Концептуальная модель СППР при управлении портфелем ценных бумаг.

5.4 Физическая модель СППР при управлении портфелем ценных бумаг.

5.5 Проверка адекватности разработанных моделей.

5.6 Выводы.

Рынок ценных бумаг играет важную роль в экономическом развитии страны. Наличие развитого рынка ценных бумаг является одним из условий экономического развития государства, ориентированного на рыночный тип экономики. Сегодня можно говорить, что рынок ценных бумаг современной России прошел этап становления и это молодой динамичный рынок с отлаженной работай инфраструктуры рынка, быстро нарастающими объемами операций, со все более изощренными финансовыми инструментами и диверсифицированной регулятивной и информационной структурой.

Возможности рынка ценных бумаг привлекают внимание все большего и большего числа частных и институциональных инвесторов. Стоимость российских активов постоянно растет. За 2001-2006г. общий объем инвестиций в российскую экономику увеличился почти в 3 раза, а иностранных в 7 раз.

Параметры сегодняшнего рынка ценных бумаг выглядят следующим образом: эмиссия акций преобразованных в открытые акционерные общества государственных предприятий (около 800-900 млрд. руб.); эмиссия акций и облигаций банков (более 2 трлн. руб.); эмиссия акций чековых инвестиционных фондов (2-2.5 трлн. руб.); эмиссия акций вновь создаваемых акционерных обществ (75-76 трлн. руб.); облигации банков и предприятий (50-60 трлн. руб.).

Количество участников рынка также динамично растет, как и сам рынок:

2400 коммерческих банков;

Центральный банк РФ (около 90 территориальных управлений);

Сберегательный банк (42000 территориальных банков, отделений, филиалов);

60 фондовых бирж;

660 институциональных фондов; более 550 негосударственных пенсионных фондов; более 3000 страховых компаний.

Сегодняшний уровень информационного обеспечения рынка ценных бумаг позволяет без трудностей, оперативно получать всю необходимую информацию для проведения инвестиционной деятельности и управления портфелем ценных бумаг участниками рынка. Наряду с системами общего назначения, позволяющими получать данные с рынка, используются специализированные системы, призванные помочь участникам рынка при реализации инвестиционной деятельности. Основным недостатком специализированных систем является то, что в них до сих пор не нашли отражения модели, позволяющие имитировать интеллектуальную деятельность участника рынка в присущей рынку ценных бумаг внешней среде, характеризующейся неопределенностью конъюнктуры. Создание и использование таких моделей позволило бы повысить эффективность профессиональной деятельности участников рынка за счет возможности работы с большим количеством финансовых инструментов и на большем количестве рынков.

Таким образом, научной проблемой, решаемой в диссертационной работе, является разработка моделей, качественных и приближенных методов, алгоритмов управления портфелем ценных бумаг с учетом целенаправленности процессов и в условиях неопределенности, позволяющих компенсировать слабую формализуемость процесса управления портфелем ценных бумаг.

Целью диссертационной работы является повышение эффективности процесса управления портфелем ценных бумаг путем повышения оперативности принятия решений на основе информационной базы большей мощности, а также снижения несистемных рисков.

Для достижения данной цели были поставлены следующие задачи: обобщить отечественную и зарубежную теорию и практику управления портфелем ценных бумаг, исследовать модели, методы и алгоритмы, используемые на различных этапах управления портфелем ценных бумаг; разработать нечеткую модель эмитента ценной бумаги, на основе которой создать методику и алгоритм расчета сравнительной и классификационной рейтинговой оценки ценных бумаг по группам с определенными инвестиционными качествами; разработать методику и алгоритм оценки результатов технического анализа в условиях неопределенности и неуверенности, включающую ситуационно-сценарную модель рынка; разработать концептуальную модель системы поддержки принятия решения при управлении портфелем ценных бумаг на основе разработанных моделей, методик и алгоритмов.

Объектом диссертационного исследования является процесс управления портфелем ценных бумаг.

Предметом диссертационного исследования избраны модели, методы и алгоритмы, применяемые на различных этапах управления портфелем ценных бумаг.

В процессе работы использовались такие методы исследовании и научного познания, как индукция, анализ и синтез, систематизация и идентификация; методы эмпирического исследования (наблюдение, сравнение, эксперимент); методы, применяемые, как на эмпирическом, так и на теоретическом уровне исследований (абстрагирование, анализ и моделирование), а также для решения поставленных задач и достижения цели диссертационного исследования использованы методы математического моделирования, методы искусственного интеллекта, методы системного анализа, теории принятия решений, теории вероятностей, методы оптимизации.

Информационную базу исследования составила биржевая информация, а также финансовая и статистическая информация об эмитентах ценных бумаг.

Работа выполнена в соответствии с паспортом специальности 05.13.10 «Управление в социальных и экономических системах».

Теоретическая значимость работы заключается в создании методологического обеспечения процесса управления портфелем ценных бумаг, в разработке модельного аппарата для управления портфелем ценных бумаг, алгоритмов, позволяющих воспроизводить интеллектуальную деятельность участника рынка.

Практическая значимость работы заключается в разработке: автоматизированной интеллектуальной торговой системы, охватывающей весь цикл управления портфелем ценных бумаг. Система моделирует интеллектуальную деятельность участника рынка (инвестора), позволяя анализировать большее количество рынков и представленных на них ценных бумаг; процедуры поддержки принятия решения на этапе мониторинга рынка ценных бумаг.

Система внедрена в отделе ценных бумаг ОАО ВКАБАНК (г. Астрахань) и в отделе ценных бумаг Астраханского отделения Сбербанка России №8625.

Результаты исследования использованы в учебном процессе по специальности 351400 «Прикладная информатика в экономике» в подготовке курса «Предметно-ориентированные экономические информационные системы».

На защиту выносятся следующие основные научные положения:

1. Методика оценки результатов технического анализа в условиях неуверенности и нечеткости, позволяющая разработать экспертную систему поддержки принятия решения трейдером;

2. Нечеткая модель финансового состояния эмитента, позволяющая качественно оценить финансовое состояние эмитента на основе преференций инвестора;

3. Методика рейтинга ценных бумаг на основе нечеткой модели эмитента, позволяющая структурировать исходное множество ценных бумаг;

4. Ситуационно-сценарная модель представления типовых ситуаций на рынке ценных бумаг, формализующая связь между состоянием рынка и решением трейдера;

5. Оптимизационный алгоритм для формирования портфеля ценных бумаг в различных постановках с использованием генетического алгоритма.

Диссертация состоит из введения, пяти глав, заключения, списка литературы и приложений.

5.6 Выводы

1. Построена функциональная модель системы поддержки принятия решения (СППР) при управлении портфелем ценных бумаг, позволяющая определить взаимодействие системы с внешними по отношению к ней сущностями (объектами), входную, выходную, управляющую информацию и механизмы.

2. Определен состав функциональных подсистем для СППР при управлении портфелем ценных бумаг, их взаимодействие и тип функциональных связей.

3. Построена инфологическая модель, являющаяся концептуальной схемой базы данных. Определен состав таблиц, связи между ним и тип связей.

4. Построена концептуальная модель и физическая модель СППР при управлении портфелем ценных бумаг, что позволило определить функциональное поведение системы, определить архитектуру системы и установить зависимости между программными компонентами.

5. Проведена проверка адекватности разработанных моделей. В результате сравнительного анализа, результатов, полученных с использованием СППР при управлении портфелем ценных бумаг, и результатов экспертов установлено, что в 87% случаев рассчитанные системой рейтинги совпадали с результатами экспертов, в 83% случаев результаты идентификации типовых ситуаций на рынке ценных бумаг с использованием тестовых данных совпадали с результатами экспертов. В остальных случаях полученные результаты с точки зрения экспертов считались корректными.

Заключение

Проведенное исследование позволило сделать следующие общие выводы по работе:

1. Проведен анализ современного состояния информационного обеспечения рынка ценных бумаг, показавший, что отсутствуют решения, отвечающие всем требованиям инвестора на различных этапах управления портфелем ценных бумаг, позволяющие учитывать специфические знания и преференции участников рынка ценных бумаг в процессе принятия решения;

2. Разработаны семантические модели знаний: онтология предметной области и онтология задачи использования технического анализа в профессиональной деятельности трейдера, представляющие теоретическую значимость как терминологическая база исследования и практическую значимость в виде тезауруса базы знаний;

3. Разработана нечеткая модель эмитента ценной бумаги, позволяющая качественно оценить финансовое состояние эмитента на основе преференций инвестора. Введена и измерена степень инвестиционного качества эмитента;

4. Разработана методика и алгоритмы расчета упорядоченной и классификационной рейтинговой оценки на основе нечеткой модели эмитента ценной бумаги, учитывающие преференции инвестора относительно эталонных значений показателей и позволяющие структурировать исходное множество ценных бумаг;

5. Разработана ситуационно-сценарная модель, формализующая связь между состоянием рынка и решением трейдера. Предложена структура диаграммы влияния для описания типовых ситуаций, включающая виртуальные узлы качества;

6. Создана методика оценки результатов технического анализа ценных бумаг в условиях неопределенности и неуверенности, позволяющая разработать экспертную систему поддержки принятия решения трейдером, и разработан алгоритм идентификации состояния рынка в условиях неопределенности, позволяющий увеличить скорость генерации решения за счет использования динамических приоритетов продукционных правил и правил остановки;

7. Проведена оценка адекватности разработанных моделей и алгоритмов на отдельном отраслевом сегменте. Показано, что в целом предлагаемые системой решения совпадают с экспертными;

8. На основе полученных теоретических положений разработана концептуальная модель автоматизированной системы поддержки принятия решения на всех этапах при управлении портфелем ценных бумаг. Создана СППР «Invest Money», получено свидетельство о регистрации программы №2004612306. Система принята к внедрению в отдел ценных бумаг ВКАБАНКа и отдел ценных бумаг Астраханского отделения Сбербанка России №8625.

1. «Ценные бумаги», /под ред. В.И. Колесникова, B.C. Торкановский. -2-е изд., перераб. И доп. М.: Финансы и статистика, 2003.-448 с.:ил.

2. В.И. Малюгин, «Рынок ценных бумаг. Количественные методы анализа», М.: Дело, 2003.

3. Тертышный С.А., «Рынок ценных бумаг и методы его анализа», СПб.: Питер, 2004г.

4. Килячков А.А., Чалдаева JI.A., «Рынок ценных бумаг и биржевое дело», -М.: Экономистъ, 2005. -687 с.

5. Тертышный С.А. «Рынок ценных бумаг и методы его анализа», -СПб.: Питер, 2004. 22-с.:ил.

6. Бердникова Т.Б., «Рынок ценных бумаг и биржевое дело», -М.-.ИНФРА-М, 2003. -270с.

7. Батяева Т.А., Столяров И.И., «Рынок ценных бумаг», -М.: Инфра-М, 2006. -304с.

8. Маковецкий М., «Инвестиционный процесс и рынок ценных бумаг. Механизм функционирования, современное состояние, перспективы развития», М.: Анкил, 2003. 312с.

9. Жуков Е.В., Дягтярева О.И., Коршунов Н.М., «Рынок ценных бумаг», М.: ЮНИТИ, 2002. -501 стр.

10. Боровкова В.А., «Рынок ценных бумаг», СПб.: Питер, 2005. -320с.

11. Швангер Д., «Технический анализ. Полный курс. 3-е издание», М.: Альпина Бизнес Букс, 2006. -806с.

12. Томас Р.Демарк, «Технический анализ новая наука. 2-е издание», М.: ЕВРО, 2006. -280с.

13. Буренин А.Н. «Рынок ценных бумаг и производных финансовых инструментов». -М: Инфра-М, 1996.

14. Якимкин В.Н. «Финансовый дилинг. Технический анализ», М.: Омега-Л, 2006. -480с.

15. Белова Е.В., «Технический анализ финансовых рынков», М.: Инфра-М, 2006. -398с.

16. Ральф Вине, «Новый подход к управлению капиталом», М.: ЕВРО, 2003. -272 с.22. «Теория и практика комплексного анализа финансового состояния хозяйствующих субъектов» /Учебное пособие, Банк В.Р., Тараскина А.В., Астрахань, АГТУ, изд-во ООО «ЦНТЭП», 2003.

17. Якимкин В., «Фундаментальный анализ», М.: Омега-JT, 2006. -640с.

18. Колмыкова Л.И., «Фундаментальный анализ финансовых рынков. 2-е издание», СПб.: Питер, 2005. -288с.

19. Басовский Л.Е., Лунева A.M., Басовский А.Л., «Экономический анализ», М.:Инфра-М, 2005. 222с.

20. Уильям Блау «Моментум, направленность и расхождение», М.:ЕВРО, 2003.- 176с.

21. Миркин Я.М., «Ценные бумаги и фондовый рынок. Учебник», -М.: Изд-во «Перспектива», 1995

22. Кандырин Ю.В., «Автоматизированный многокритериальный выбор альтернатив в инженерном проектировании». М.: Изд. МЭИ, 1993,76 с.

23. Кандырин Ю.В., «Принципы построения информационных систем для автоматизированного многокритериального выбора» // Радиотехника, №5,1999, с. 35-37.

24. Шапкин А.С., «Экономические и финансовые риски. Оценка, управление, портфель инвестиций. 5-е издание», -М.: Дашков и К, 2006. -511с.

25. Ковалев В.В., Патров В.В., «Как читать баланс», М.: Финансы и статистика, 1998.

26. Ковалев В.В., Уланов В.А., «Введение в финансовую математику», Учеб. Пособие. СПБ, ТЭИ, 1997.

27. Кравец А.С., «Природа вероятности», М.: Мысль, 1976.

28. Налимов. В.В. «Вероятностная модель языка. О соотношении естественных и искусственных языков», 2-ое изд., перераб. и доп. - М.: Наука, 1979.

29. Нейман Дж. фон, Моргенштерн О., «Теория игр и экономическое поведение», М.: 1970.

30. Новодворский В.Д., Пономарева Л.В., Ефимова О.В., «Бухгалтерская отчетность: составление и анализ: в 3-х ч.» М.: Бухгалтерский учет, 1994.

31. О'Брайен Дж, Шривастава С., «Финансовый анализ и торговля ценными бумагами (FAST)», М.: «Дело ЛТД», 1995.

32. Орлов А.И., «Задачи оптимизации и нечеткие переменные», -М.: Знание, 1980.

33. Орловский С.А., «Проблемы принятия решений при нечеткой информации»,-М.:Наука, 1981.

34. Поспелов Д.А., «Моделирование рассуждений», М.: Радио и связь, 1989.

35. Пытьев Ю. П., «Возможность: Элементы теории и применения», М.: Эдиториал УРСС, 2000

36. Райфа Г., «Анализ решений» М.: Наука, 1977.

37. Квятковская И.Ю., «Теория принятия решений: Методическое пособие», Астрахань: Изд-во «ЦНТЭП», 2002. - 100 с.

38. Рыжов А.П., «Элементы теории нечетких множеств и измерения нечеткости», М.:Диалог-МГУ, 1998.

39. Саати Т. «Принятие решений. Метод анализа иерархий» : Пер. с англ. М.: Радио и связь, 1989.

40. Френкель, М.Б. Построение нечеткой модели оценки эмитента ценной бумаги при формировании портфеля ценных бумаг. / М.Б. Френкель, И.Ю. Квятковская // Математические методы в технике и технологиях ММТТ-19 Сборник трудов XIX Международ, науч. конф. в

41. Ют. Т.7 Секция 7/ Под общ. ред. B.C. Балакирева. Воронеж: изд-во Воронеж, гос. технол. акад. 2006. с. 42-44.50. 10. В. Кандырин, «Автоматизированный многокритериальный выбор альтернатив в инженерном проектировании», -М: Наука, 1992,

42. Касимов Ю.Ф., «Основы теории оптимального портфеля ценных бумаг», М.: Информационно-издательский дом «Филинъ», 1998. -144 с.

43. Шеремет А.Д., «Комплексный анализ хозяйственной деятельности», -М.: ИНФРА-М, 2006.-415 с. (Высшее образование).

44. Френкель, М.Б. Нечетко-множественный подход к сравнительной рейтинговой оценке акций / М.Б. Френкель, И.Ю. Квятковская //Изв. вузов. Сев.-Кавк. регион. Техн. науки. -2006.-Прил. №7. с. 111-113

45. Френкель, М.Б. Идентификация состояния рынка ценных бумаг в условиях неуверенности и нечеткости // Материалы международной конференции «Информационные технологии в образовании, технике и медицине», г. Волгоград, 2006. с.187-188.

46. Френкель М.Б., Квятковская И.Ю., Использование сценариев при построении интеллектуальной торговой системы для торговли на бирже //Вестник АГТУ, приложение 2006г. с. 18-21

47. Романов В.П., «Интеллектуальные информационные системы в экономике» /Под ред. д.э.н., проф. Н.П. Тихомирова. -М.: Издательство «Экзамен», 2003.-496с.

48. Гаскаров Д.В., «Интеллектуальные информационные системы» -М.: Высш. шк., 2003. 431 с.:ил.

49. Рутковская Д., Пилиньский М., Рутковский JL «Нейронные сети, генетические алгоритмы и нечеткие системы», Пер. с польск. И.Д. Рудинского. -М.: Горячая линия Телеком, 2004. -452с.:ил.

50. Словарь финансовых терминов http://www.glossary.ru/index.htm.

51. Трухаев Р.И., «Модели принятия решений в условиях неопределенности» М.: Наука, 1981.

52. Фишберн П., «Теория полезности для принятия решений». М.: Наука, 1978.

53. Башмаков А.И., Башмаков И.А., «Интеллектуальные информационные технологии» :Учеб. пособ. М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. -304 с.:ил.

54. Уильям Дж. О'Нил, «Как делать деньги на фондовом рынке: Стратегия торговли на росте и падении» /Пер. с англ. 3-е изд. -М.: Альпина Бизнес Букс, 2006. -329с.

55. Алексеев JI.B., «Интерпретация и определение функций принадлежности нечетких множеств», В кн.: Методы и системы принятия решений. Рига : Зинанте, 1979, с.42-50.

56. Заде J1.A., «Понятие лингвистической переменной и его применение к принятию приближенных решений», М.:Мир, 1976. -165с.

57. Кофман А., «Введение в теорию нечетких множеств». М.: Радио и связь, 1982. 413 с.

58. Мелихов А.Н., Берштейн Л.С., Коровин С.Я., «Ситуационные советующие системы с нечеткой логикой»,- М.: Наука, 1990,- 272 с.

59. Классификация отраслей народного хозяйства США -http://www.mgfs.com/mggroups.htm70. «Нечеткие множества и теория возможностей. Последние достижения» /Под ред. P.P. Ягера. М.: Радио и связь, 1986.-408 с.

60. Недосекин А.О., «Применение теории нечетких множеств к задачам управления финансами» // Аудит и финансовый анализ, № 2, 2000.

61. Орлов А.И., «Связь между средними величинами и допустимыми преобразованиями шкалы»,- Математические заметки, т. 30, вып. 4, 1981, с. 561-568.

62. Осуга С., «Обработка знаний», М.: Мир, 1989. - 293 с.

63. Леоненков А., «Нечеткое моделирование в среде MATLAB и fuzzyTECH», СПб.: БХВ-Петербург, 2005. -736с.

64. Попов Э.В., «Экспертные системы», М.: Наука. 1987. 285 с.

65. Поспелов Д.А., «Логико-лингвистические модели в системах управления»,- М.:Энергоиздат, 1981,- 232 с.

66. Поспелов Д.А., «Ситуационное управление: теория и практика», -М. Наука, 1986.- 288 с.78. «Прикладные нечеткие системы» /Асаи К., Ватада Д., Иваи С. и др./Под ред. Т. Тэрано, К. Асаи, М. Сугено.- М.: Мир, 1993. 368 с.

67. Ротштейн А.П., «Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети», — Винница: УНИВЕРСУМ—Винница, 1999. — 320 с.

68. Yahho. Finance portal. http://finance.yahoo.com/

69. Гладков Л.А. «Генетические алгоритмы. Издание 2.», -М.: Физматлит, 2006. -320с.

70. Френкель, М.Б. Нечетко логический подход к формированию портфеля ценных бумаг. / М.Б. Френкель, И.Ю. Квятковская //

71. Математические методы в технике и технологиях ММТТ-18 Сб. трудов XVIII Международ, науч. конф. в Ют. Т. 7 Секция 7/ Под общ. ред. B.C. Балакирева. - Казань: изд-во Казанского гос. технол. ун-та. 2005. с. 100102.

72. Закон РФ «О рынке ценных бумаг» -http://www.fedcom.ru/fcsm/rlegisl/zakon/zakl 1 .html

73. Четыркин Е.М., «Методы финансовых и коммерческих расчетов», М.: «Дело ЛТД», 1995.88. «Фондовый портфель», М.: «СОМИНТЕК», 199289. «Финансовый анализ деятельности фирмы», М.: Ист-сервис,1995

74. Телыюв Ю.Ф., «Интеллектуальные информационные системы в экономике. Учебное пособие. Издание 3, расширенное и доработанное», -М.: Синтег, 2002. -316с.

75. Buckley, J. The Fuzzy Mathematics of Finance // Fuzzy Sets & Systems, 1987, N21

76. Fuzzy Sets in Management, Economy and Marketing /Ed. By Zopounidis C. and oth. World Scientific Pub Co, 2002.

77. Bojadziev G., Bojadziev M. Fuzzy Sets, Fuzzy Logic, Applications. -World Scientific Pub Co, 1996.

78. Bojadziev G., Bojadziev M. Fuzzy Sets, Fuzzy Logic, Applications. -World Scientific Pub Co, 1996.

79. Zadeh L.A. Fuzzy Sets as a Basis for a Theory of Possibility // Fuzzy Sets and Systems. 1978. - Vol.1, №1.

80. Buckley, J. Solving fuzzy equations in economics and finance // Fuzzy Sets & Systems, 1992, N 48.

81. Holland J.H., «Adaptation in Natural and Artificial System», University of Michigan Press, 1975.

82. Goldberg D.E. «Algorytmy genetyczne i ich zastosowania», WNT, Warszawa, 1995.

83. Markowitz H.M., «Portfolio Selection» // Journal of Finance, March1952

84. Markowitz H.M., «Portfolio Selection.» Yale Univercity Press, 1959.