автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Управление инвестиционной деятельностью кредитно-финансовой организации в условиях нестабильного рынка

На правах рукописи БЕЛИКОВА ЕКАТЕРИНА ЛЕОНТЬЕВНА

УПРАВЛЕНИЕ ИНВЕСТИЦИОННОЙ ДЕЯТЕЛЬНОСТЬЮ КРЕДИТНО-ФИНАНСОВОЙ ОРГАНИЗАЦИИ В УСЛОВИЯХ НЕСТАБИЛЬНОГО РЫНКА

Специальность 05.13.10 - Управление в социальных и экономических

системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Астрахань - 2009

25 ¿с:з

003471713

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Саратовский государственный технический университет»

Научный руководитель: доктор экономических наук, профессор

Денисов Вячеслав Тихонович

Официальные оппоненты: доктор технических наук, профессор

Большаков Александр Афанасьевич

Защита состоится «10» июня 2009 г. в 15 часов 00 минут на заседании диссертационного совета Д 307.001.06 при Астраханском государственном техническом университете по адресу: 414025, г. Астрахань, ул. Татищева, 16, гл. корп., ауд. 305.

С диссертацией можно ознакомиться в библиотеке Астраханского государственного технического университета.

кандидат технических наук, доцент Френкель Михаил Борисович

Ведущая организация: Государственное образовательное

учреждение высшего профессионального образования «Московский государственный технический университет им. Н. Э. Баумана»

Автореферат разослан « 8 » мая 2009 г.

Ученый секретарь диссертационного совета

И.Ю. Квятковская

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Переход к рыночной экономике в России повлек качественные изменения в подходе к инвестиционной деятельности. Основным инвестиционным инструментом стали ценные бумаги, свободно обращающиеся на рынке. В оптимизации инвестиционной деятельности заинтересовано большое количество специализированных кредитно-финансовых организаций (банки, паевые инвестиционные фонды, пенсионные фонды и др.). В данной работе рассматриваются портфельные инвестиции, т.е. приобретение инвестором комплекта ценных бумаг различных предприятий (портфеля) с целью получения от них дохода, как правило, за счет изменения курсовой стоимости.

Основоположником современной теории инвестиций считается Г. Маркович, который в 1952 г. предложил математическое описание оптимального портфеля и методы его формирования при определенных условиях. Идеи Г. Марковица получили развитие в работах У. Шарпа, Д. То-бина, Д. Линтнера; формированию оптимального портфеля с использованием механизма опционов посвящены работы Ф. Блека, М. Шоуза, Р. Мер-тона, которые исследовали процессы установившегося рынка. Поэтому их результаты не всегда можно применять для нестабильного российского рынка. Кроме того, формирование портфеля является заключительной стадией принятия инвестиционного решения, которой должен предшествовать ряд не менее важных этапов. Вопросы диверсификации инвестиций подробно исследованы в работах Т. Коггина, Б. Кинга, В. Коэна, Р. Пога. Оценке финансовой безопасности предприятия посвящены работы Э. Альтмана, Р. Тоффлера, Г. Тиссшоу, М. Лисса и др. Эффективность инвестиций в рамках предприятия исследована в работах И.Г. Александрова, Б.Е. Веденеева, Н.П. Федоренко, Д.С. Львова и др. Общепризнанной в международной практике методикой оценки эффективности инвестиций на уровне проекта является методика ЮНИДО, рекомендованная ООН. Эти методы достаточно эффективны, но требуют длительных исследований предприятий с привлечением опытных экспертов и поэтому малопригодны в современной динамичной инвестиционной деятельности.

Все инвестиционные решения принимаются в предположении определенного поведения финансового рынка. Поэтому любая инвестиционная деятельность может быть эффективна только при использовании точных и надежных методов прогноза. Разработке и изложению статистических методов прогноза посвящены работы П. Бикела, Д. Бокса, Г. Дженкинса, Р. Брауна и др. Применение методов теории интеллектуальных систем для прогноза исследовано в работах Д. Бестенса, М. Вуд, Е.З. Демиденко, Г.Л. Яковлевой. Однако точность этих методов не всегда достаточно высока для использования в инвестиционной деятельности.

Кроме того, отсутствует общепризнанная модель, связывающая все перечисленные этапы принятия инвестиционного решения.

Наличие комплекса указанных проблем в теоретическом и практическом плане определило актуальность темы исследования.

Цель диссертационного исследования - повышение эффективности управления инвестиционной деятельностью кредитно-финансовой организации на основе разработки методов принятия управленческих решений, учитывающих нестабильность российского финансового рынка.

Достижение поставленной цели потребовало решения следующих задач:

• провести анализ известных методов принятия инвестиционного решения;

• построить обобщенную схему принятия управленческих решений при инвестиционной деятельности кредитно-финансовой организации;

• модернизировать методы принятия управленческих решений на всех этапах инвестиционного процесса;

• адаптировать классические типы инвестиционного портфеля к российским условиям;

• усовершенствовать методы прогнозирования финансовых процессов для обеспечения повышенной точности прогноза и обосновать подход к созданию автоматизированных систем прогнозирования.

Научная новизна диссертационного исследования. При выполнении работы получены следующие новые результаты.

1. Предложена обобщенная схема управления инвестиционной деятельностью кредитно-финансовой организации, отличающаяся учетом взаимодействия всех этапов инвестиционного процесса и использования прогнозирования на каждом из них.

2. Разработана методика анализа эффективности инвестиционной деятельности кредитно-финансовой организации, основанная на прогнозировании доходности и риска произведенных инвестиций на следующий период, отличающаяся возможностью оперативного изменения инвестиционной стратегии.

3. Модернизирована методика принятия управленческих решений при отборе предприятий-кандидатов на инвестирование, отличающаяся оптимальным по Парето составом инвестиционного портфеля.

4. Предложен квазиоптимальный инвестиционный портфель Марковича, адаптированный к нестабильному финансовому рынку, отличающийся использованием прогноза цен финансовых инструментов и возможностью учета результатов предыдущей инвестиционной деятельности, что позволяет повысить доходность портфеля и снизить риск.

5. Усовершенствован метод прогнозирования тенденций финансовых рынков, отличающийся использованием адаптивных нелинейных регрессионных моделей и информации о внешних факторах, влияющих на про-

гнозируемый процесс, что позволяет существенно повысить точность прогноза и использовать разработанную обобщенную схему автоматизированной системы сбора информации.

Объект исследования. Портфельная инвестиционная деятельность кредитно-финансовых организаций.

Предмет исследования. Методы и способы управления портфельной инвестиционной деятельностью кредитно-финансовых организаций.

Методы исследования. В диссертационной работе применялись методы теории управления и системного анализа, теории вероятности, математической статистики, многофакторного анализа, линейного и нелинейного регрессионного анализа, линейного и нелинейного программирования, формализации логических зависимостей, фундаментального анализа.

Достоверность и обоснованность результатов диссертационного исследования определяются корректным применением использованных методов, подтверждаются результатами численных экспериментов и успешным применением разработанных методов в деятельности кредитно-финансовой организации.

Практическая ценность исследования. Использование разработанных методов, схем и вариантов инвестиционного портфеля широким кругом предприятий, имеющих отношение к инвестиционной деятельности, позволяет упорядочить процесс принятия инвестиционных решений и повысить их эффективность, а, соответственно, доходы предприятий.

Разработанные методики, схемы и варианты инвестиционного портфеля используются в деятельности инвестиционной компании ООО «Финансовый специалист» (г. Саратов).

Апробация результатов работы. Отдельные результаты диссертационного исследования докладывались и обсуждались на: XVIII Международной научной конференции «Математические методы в технике и технологиях», Казань, 2005; Международной научно-практической конференции «Социальные и институциональные факторы экономического развития России», Саратов, 2005; 2-й Международной научной конференции «Аналитическая теория автоматического управления и ее приложения», Саратов, 2005; XIX Международной научной конференции «Математические методы в технике и технологиях», Воронеж, 2006; XX Международной научной конференции «Математические методы в технике и технологиях», Ярославль, 2007; Международной конференции «Проблемы и перспективы прецизионной механики и управления в машиностроении», Саратов, 2006; Конференции победителей конкурса Международного фонда экономических исследований академика Н.П. Федоренко, Москва, 2006; XXI Международной научной конференции «Математические методы в технике и технологиях», Саратов, 2008.

Публикации. Основные положения диссертационной работы опубликованы в 22 научных работах общим объемом 6,8 п.л., в том числе 2 ста-

тьи в журналах, включенных в перечень ВАК. Работа «Алгоритм принятия инвестиционного решения» признана победителем конкурса научных работ Международного фонда экономических исследований академика Н.П. Федоренко.

Объем и структура диссертационной работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы, включающего 175 наименований,и приложения. Объем основного текста составляет 152 страницы, 16 таблиц, 39 рисунков, 187 формул.

СОДЕРЖАНИЕ РАБОТЫ

Во введении показаны актуальность работы, научная новизна и практическая значимость, сформулированы цель и задачи диссертационной работы, выделены новые результаты, приводятся основные положения, выносимые на защиту,

В первой главе рассмотрено современное состояние вопросов, связанных с инвестиционной деятельностью кредитно-финансовых организаций, в т.ч. прогнозирования всех сторон инвестиционной деятельности. Описаны основные понятия инвестиционной теории, сформулирована последовательность этапов принятия инвестиционного решения. Приведена и проанализирована математическая постановка задачи теории оптимального портфеля в классическом варианте Г. Марковича. Описаны известные типы оптимальных инвестиционных портфелей, проведен анализ их достоинств и недостатков. Показано, что теория оптимального портфеля Г. Марковица не может быть использована в российских условиях из-за существенной нестабильности российского финансового рынка и высокой инфляции.

Описана проблема диверсификации инвестиционного портфеля. Дана классификация типов диверсификации в зависимости от критериев оценки и выбора финансовых инструментов, описаны преимущества и недостатки известных подходов к этой проблеме.

Проведен анализ методов оценки эффективности инвестиций, экономического состояния предприятия-эмитента и его финансовой устойчивости. Показано, что основным недостатком этих методов является необходимость тщательного предварительного обследования не только финансового состояния предприятия, но и качества менеджмента, морального состояния сотрудников предприятия. Такое обследование требует значительного времени и не может быть проведено независимо от руководства предприятия. Кроме того, принятие инвестиционных решений в современных условиях требует оперативной и объективной информации, которая может быть получена из анализа обязательной бухгалтерской отчетности предприятия.

Все этапы принятия инвестиционного решения базируются на прогнозировании экономических процессов. Проведенный анализ известных методов прогнозирования, в т.ч. и использующих методы теории интеллектуальных систем, показал, что их точность явно недостаточна для использования при принятии инвестиционных решений: Существенно повысить точность прогноза можно, используя информацию о внешних факторах, воздействующих на изучаемый процесс.

Вторая глава посвящена разработке методов управления инвестиционной деятельностью кредитно-финансовой организации.

Основной особенностью деятельности кредитно-финансовой организации является ее циклический характер, связанный с периодом инвестирования. Обобщенную схему принятия инвестиционного решения условно можно разделить на три последовательных этапа:

- подведение итогов прошедшего инвестиционного периода, определение активов и пассивов, не отвечающих требованиям инвестора, и изменение стратегии их формирования;

- составление списка предприятий-кандидатов на инвестирование;

- определение количественного состава инвестиционного портфеля. Каждый из перечисленных этапов базируется на использовании определенного метода прогноза.

Для оценки эффективности стратегии предыдущей инвестиционной деятельности всей организации в целом автором предлагается использовать прогнозируемые значения нормы прибыли (1(Г)) и относительного среднеквадратического отклонения нормы прибыли (¿гь) на конец инвестиционного периода, определяемые с использованием, соответственно, линейной и параболической парных регрессионных моделей изменения доходности активов и стоимости пассивов.

При этом норма прибыли характеризует доходность предприятия в целом, а относительное среднеквадратическое отклонение нормы прибыли - риск изменения доходности.

Для оценки эффективности каждого /-го актива в отдельности предлагается использовать прогнозируемые доходности (Х,(Т)) и относительные среднеквадратические отклонения доходности (ах!) на конец следующего инвестиционного периода, исходя, соответственно, из линейной и параболической парных регрессионных моделей.

Критерии успешности инвестиционной деятельности предприятия и правильности стратегии формирования активов (пассивов) формулируются в виде условных выражений:

(ЦТ) * № 5 ^шах); > ХтЬ Пах5 ^гаах). (1)

При их невыполнении требуется изменить инвестиционную стратегию.

Рациональная диверсификация инвестиционного портфеля предполагает, что его состав ограничивается 5—10 ценными бумагами, отвечаю-

щими определенным требованиям. Главным из них, несомненно, является требование к доходности, т.к. именно получение возможно большего дохода является основной задачей инвестора. Остальные требования обеспечивают минимизацию риска изменения доходности. Соответственно, необходимо оперативно и объективно оценивать риск изменения доходности ценных бумаг.

К основным факторам, влияющим на с'тепень инвестиционного риска, относятся прогнозируемые среднеквадратическое отклонение прогнозируемой доходности от реализованного значения и вероятность дефолта предприятия-эмитента ценной бумаги, а также стандартный набор из 4 финансовых коэффициентов, известных из фундаментального анализа.

Для прогноза вероятности дефолта г-го предприятия автором предложено использовать формулу, вытекающую из применения результатов Блека-Шоулза к стохастической модели фирмы Р. Мертона:

стандартизированного нормального распределения; / - время; £> - бухгалтерская стоимость обязательств заемщика на момент времени / = 0; Ао - начальная стоимость активов фирмы.

Перечисленные требования можно формализовать следующим образом:

- прогнозируемая доходность каждой ценной бумаги на следующий инвестиционный период должна быть как можно больше, но не меньше некоторой фиксированной величины , т.е. Х^Т) шах л Х, (Г) > Хтт;

- прогнозируемое относительное среднеквадратическое отклонение доходности должно быть как можно меньше, но не более некоторой фиксированной величины сгтах, т.е. стХ1-> тшл ах{ < сгтах;

- прогнозируемая вероятность дефолта предприятия эмитента на следующий инвестиционный период должна быть как можно меньше, но не более некоторой фиксированной величины Ртах> Т-е-

- базовые финансовые коэффициенты, характеризующие экономическую состоятельность предприятия, должны быть как можно больше, но не меньше определенных пороговых значений, соответствующих успешно работающему предприятию, т.е. —» тахл Р} ^ Р^ т5п,} -1,4;

- кроме того, если доходности инструментов портфеля имеют попарно положительные коэффициенты корреляции, то они должны быть как можно меньше; в идеальном случае желательно, чтобы портфель содержал хотя бы одну пару финансовых инструментов с отрицательной корреляцией доходностей.

(2)

т - параметры модели Р. Мертона; N - интегральная функция

РД1 т'1ПЛ Рщ ~ Лпах'

В описанной постановке задача формирования списка предприятий-кандидатов на инвестирование относится к классу задач многокритериального отбора. В связи с большой размерностью исходного массива использовалась декомпозиция задачи со сведением ее на заключительном этапе к однокритериальной.'

Во избежание исследования взаимной корреляции доходностей ценных бумаг, использовался известный факт относительно сильной корреляции доходностей предприятий, относящихся к одной отрасли промышленности^ слабой - к различным отраслям. Поэтому на первом шаге отбора предприятия делятся на группы согласно принадлежности к определенной отрасли промышленности конкретной страны (если рассматриваются финансовые инструменты одной страны, то только по отраслям промышленности).

Так как большинство используемых частных критериев отбора имеют составляющую, заданную в виде неравенства, это позволяет на втором шаге отбора существенно сократить подмножество исследуемых предприятий за счет отбрасывания из рассмотрения ценных бумаг, параметры которых не удовлетворяют этим неравенствам.

На третьем шаге отбора для каждой рассматриваемой отрасли промышленности составляется ранжированный список предприятий в порядке возрастания инвестиционного рейтинга, рассчитываемого по аддитивной формуле:

4

Д/ = + К°хt + кРРд1 + S кЛ ' (3>

__М

где кх", ка', кр', kj, j = 1,4 - весовые коэффициенты, причем

4 _

кх+ки+кр+%к;= 1 и кх > 0ДЦ > 0, кр >0,kj> 0, j = 1,4; axh pxi -7=1

нормированные значения прогнозируемых соответственно доходности, среднеквадра-тического отклонения доходности и вероятности дефолта; Ру, j = 1, 4 - нормирован-, ные значения базовых финансовых коэффициентов.

Правила нормировки:

X-X№.S -1 ■ Р ~ Pij • ;-П

' ~ Т ' xi ~ ^ ' рД' ~ п ' ч ~ р '} ~ ''

^max ''max /'max -О" max

где Xmax, crmax, pmax ,Pjmax - максимальные значения соответствующих частных критериев по отраслевой выборке.

Весовые коэффициенты выражения (3) определяются методом экспертных оценок. С помощью опытных экспертов отбирается группа ценных бумаг, имеющих разную степень инвестиционной привлекательности. Так как значения частных критериев для каждой из этих ценных бумаг известны, то составляется система из ¿алгебраических уравнений

CS = rf, (4)

где x - вектор неизвестных весовых коэффициентов; С - матрица значений частных критериев эталонных ценных бумаг; d - матрица-столбец средних значений инвестиционного рейтинга для эталонных акций в соответствии со степенью их инвестиционной привлекательности; к- число частных критериев.

На весовые коэффициенты наложены ограничения: > 0 и ^ х,- = 1.

Целевая функция задается в виде:

Q = \Ct-df min. (5) '

Таким образом, определение весовых коэффициентов сводится к задаче нелинейного программирования, решение которой находится с использованием метода проекции градиента.

Фактически каждый из ранжированных списков по отрасли представляет собой кортеж Парето. Парето-оптимальное для инвестирования предприятие возглавляет список. Предварительный список предприятий-кандидатов на инвестирование составляется из предприятий, возглавляющих ранжированные списки по отраслям. Исключение составляет случай, когда инвестиционный рейтинг предприятия, ценная бумага которого ранее была в составе портфеля, незначительно отличается от рейтинга предприятия, возглавляющего ранжированный список. В этом случае в список кандидатов включается предприятие, бумага которого ранее находилась в портфеле.

Для формирования инвестиционного портфеля предлагается использовать теорию оптимального портфеля Марковича, адаптированную к российским условиям, для которых характерны высокий уровень инфляции и существенная нестабильность финансового рынка. Кроме того, предусмотрена возможность фиксации части ценных бумаг в составе портфеля.

Из-за нестабильности российского финансового рынка автором предлагается при формировании целевой функции и ограничений использовать в качестве предполагаемой доходности не математическое ожидание доходности (по Марковичу), а ее прогнозируемое значение. Для определения прогнозируемых значений доходности автором разработаны методы прогнозирования финансовых процессов повышенной точности.

Для учета инвестором дополнительной плохо формализуемой информации предлагается ввести в целевую функцию специальные весовые коэффициенты, величину которых задает инвестор.

С учетом введенных дополнений целевая функция приобретает вид

V=srC^ min; cpij = ¿ад/^ ~НкУГ] ~г})!п, (6)

к=1

где i - вектор относительного состава портфеля; Ср = \\cpi}\ - аналог матрицы ковариа-ции, q,, qj - весовые коэффициенты по г'-му и у'-му финансовым инструментам; гД г*, г/, rj - соответственно реализованные и прогнозируемые доходности по г'-му и у'-му финансовым инструментам; п - число членов ретроспективного ряда доходностей.

Кроме того, предложен квазиоптимальный вариант портфеля Марковича, позволяющий учесть возможность сохранения в составе портфеля части ценных бумаг, удовлетворяющих требованиям инвестора по доходности и риску. Для этого портфель Марковича дополняется ограничением

si>sj, / = Ц, (7)

где Sf - относительный вес в составе портфеля /-го актива на следующий инвестацион-*

ный период; 5,- - относительный вес в составе портфеля /-го актива за прошлый инвестиционный период; к - количество активов, сохраняющихся на следующий инвестиционный период.

Требуется определить вектор относительных составляющих портфеля s и минимальный риск портфеля V, имеющего доходность Е > £фЯ1[С.

С учетом введенных дополнений адаптированный портфель Марковича описывается следующим образом:

V= {sCp, s) -> min; (g, s) = \\E = (r\ s) ^¿Гфикс; (8)

Sj> 0, i = l,m; Sj >Sj, i = l,k;m+k=n.

В описанной постановке определение состава инвестиционного портфеля является задачей квадратичного программирования, которая решается с использованием метода проекции градиента.

Рассмотрено также применение предложенных способов адаптации и к оптимальным портфелям Блека и Торбина-Шарпа-Линтнера, для которых получены аналитические решения.

Третья, глава посвящена разработке методов прогнозирования финансовых прочессов повышенной точности.

Методы, используемые для кратко-и среднесрочного прогноза, можно разделить на две группы. К первой относятся методы, использующие только ретроспективную информацию об изучаемом процессе. Ко второй группе относятся методы, которые используют дополнительную информацию о внешних факторах, влияющих на этот процесс.

Проведенный сравнительный анализ методов, использующих только ретроспективную информацию об изучаемом процессе, показал, что наиболее точным из них является метод экспоненциального сглаживания (фильтр Брауна), использующий укороченные ряды данных, перемещающихся вдоль основного ряда (принцип «скользящего окна»). Традиционный вариант этого метода предполагает в достаточной мере произвольный выбор ряда параметров прогноза, а именно длины «окна» прогноза к и параметра сглаживания « , что существенно снижает точность прогноза. Для повышения точности прогноза автором предложен адаптивный вариант фильтра Брауна, осуществляющий автоматический выбор оптимального значения этих параметров, в смысле минимума среднеквадратической ошибки прогноза, на основе анализа результатов пробных прогнозов ретроспективных значений исследуемого временного ряда. Для поиска опта-

мальных значений варьируемых параметров прогноза использован метод равномерного перебора.

Экспериментальные исследования адаптивного фильтра Брауна, проведенные на 56 выборках цен российских ценных бумаг, показали, что, несмотря на определенное повышение точности прогноза, погрешность фильтра Брауна остается существенной. Особенно она значительна при изменении направления тренда. Так, максимальная относительная погрешность прогноза Етях достигала 10,46%, а максимальная относительная среднеквадратическая погрешность прогноза <ттах не превышала 2,28% при прогнозировании на 1 шаг поступления информации. Естественно, что с увеличением горизонта прогноза погрешность резко возрастает и прогноз более чем на .4 шага не имеет смысла. Пример прогнозирования цены акций компании «Северсталь» на Г- шаг поступления информации приведен на рис. 1.

Рис. 1. Графики изменения цены и прогнозируемых значений цены, акций «Северсталь»

Дня операций с ценными бумагами особенно важна не точность прогноза цен, а точность прогноза доходности ценных бумаг, т.е. изменения цены за единицу времени. Анализ показал, что ни один из известных методов, использующих только ретроспективную информацию, не обеспечивает прогноз с точностью ±40% с вероятностью выше 0,2. Следовательно, эти методы не могут использоваться для прогноза при операциях с ценными бумагами.

Существенно повысить точность прогноза можно, используя для прогноза информацию о процессах (аргументах прогноза), являющихся определяющими для прогнозируемого процесса и опережающих его по тенденциям изменения с использованием аппарата множественного регрессионного анализа. Для российских ценных бумаг в качестве аргументов прогноза можно использовать цены на сырьевые ресурсы и валютные курсы основных мировых торговых площадок, а также специальные индексы информационного агентства «REUTERS», показывающие влияние общественно политических событий на состояние рынка.

В качестве критерия оценки оптимальности аппроксимирующей функции использовался метод наименьших квадратов.

|>;2 = ¿0-; ~ Л)2 = Л -> min, (9)

i=l /=1

где е = (еь ..., е„)г - вектор отклонений; у,: yi - соответственно известное и прогнозируемое значения исследуемой величины в ;-й момент времени.

Для решения задачи прогнозирования, как показали исследования, вполне достаточно представления аппроксимирующей функции в виде аддитивного набора элементарных функций:

d т

F(x,a)=Yj{aeblxjfj(YJ(auxi))), (10)

7=1 <=1

где d - количество элементарных функций; fj - элементарные аппроксимирующие функции; т - количество аргументов прогноза; авЪ1Х j, (¡¡j - постоянные параметры.

Аппроксимирующая функция F(x, а) задается в виде суммы линейной и нелинейной составляющих:

F(x, а) = FmH (х, а1) + Рнелт (х,а2), (11)

где FmJjc, а1) - линейная функция; а-ее параметры; FHamH(x, а2) - нелинейная функция; а2-ее параметры.

Аппроксимирующая функция может содержать любое количество элементарных нелинейных функций, все вместе они реализуют FHmuH, и только одну линейную функцию, т.к. определение нескольких «линейных» функций не имеет смысла.

Выбор варьируемых параметров такой аппроксимирующей функции представляет собой сложную проблему. Поэтому предложено физически реализовать функцию F(x, а) в виде двухслойной, неоднородной нейронной сети с произвольным количеством нейронов в первом слое. Ее структурная схема приведена на рис. 2, она состоит из к независимых потоков, сигналы которых пересекаются лишь в выходном сумматоре.

Входные

Рис. 2. Представление F(x, а) в виде двухслойной, неоднородной сети

Тогда для выбора параметров аппроксимирующей функции можно использовать хорошо разработанные методы обучения нейронных сетей. Наилучшие результаты были получены при обучении сети по потокам. Первым «обучается» поток с линейной аппроксимирующей функцией, для его «обучения» используются исходные ретроспективные выборки прогнозируемого процесса, аргументов прогноза и известные зависимости множественного линейного регрессионного анализа. Затем последовательно «обучались» нелинейные потоки с использованием ретроспективных выборок ошибок обучения предыдущих потоков, выборок аргументов прогноза и метода обратного распространения ошибки дополненного машиной Коши для выхода из локальных минимумов. Так как финансовые процессы нестационарные, использование для обучения больших выборок только снижает точность прогноза. Как установлено, оптимальная длина выборки составляет 15-20 элементов. Процесс «переобучения» аппроксимирующей функции повторяется перед каждым прогнозом, т.о. аппроксимирующая функция адаптируется к изменениям закономерностей прогнозируемого процесса.

В работе проведен анализ возможных наборов аппроксимирующих функций. Выявлены наборы, обеспечивающие наивысшую точность прогноза, например, набор функций:

/(*> а) = 1/[1 + ехр(х, а)], . (12)

область значений лежит в интервале (0,1);

Дх, а) = [ехр(*, а) - щ ] /[ехр(х, а) + м>2], (13)

где W] и н>2 - некоторые константы, большие нуля; область значений определена на интервале (-w\lw2,1).

f(x, а) = cos(x, а), (14)

область значений определена на интервале [-1,1].

Выбор аргументов прогноза является чрезвычайно важным для предлагаемого метода, т.к. от набора этих переменных существенно зависит точность прогноза. Предложена методика выбора аргументов прогноза, в основе которой - исследование коррелируемости прогнозируемого экономического процесса с другими процессами, являющимися для изучаемого процесса определяющими, и последующее уточнение результатов с использованием функций чувствительности.

Реализация процесса прогнозирования с использованием метода регрессионного анализа требует значительного количества информации, поступающей из различных источников. При работе с российскими финансовыми рынками такими источникам^ являются международное информационное агентство «REUTERS», торговые системы ММВБ и РТС. Для работы с прочими источниками необходимы конвертеры файлов из текстового и DBF форматов с жестко установленной структурой и ручной ввод. Сфор-

мирована обобщенная схема поступления информации в автоматизированную систему прогноза, приведенная на рис. 3.

А

R*ut*r« S»rVK А ReuUr» Server 8

source Oiatributo Sourc« DiatriDUo

sink DlablCHitor

Конвертер текотовых файлом поотуп.с РТС —-1 Рабочее и «сто РТс|

БД АСП

приложен и*, предоставляют«! ручной ввод данных

I_| Другие источники ГП ленных

Конвертер текстовых и DBP файлов и« др. источников J ♦

пооууп.о MM0ft ММВ5

Рис. 3. Обобщенная схема поступления данных в систему

Эффективность прогнозирования исследовалось экспериментально при прогнозировании на один шаг поступления информации средневзвешенной цены за торговую сессию наиболее известных российских ценных бумаг: «Газпром», «Лукойл», «Татнефть», «Ростелеком», «Северсталь» и «Норникель» и других в течение шести календарных месяцев. Всего проведено 42 эксперимента. В качестве аргументов прогноза использовались цена закрытия прогнозируемой ценной бумаги за предыдущий день; средневзвешенный курс прогнозируемой ценной бумаги на четыре дня,предшествующих прогнозу; цена закрытия нефти на Нью-Йоркской бирже; цена закрытия золота на Нью-Йоркской бирже; цена закрытия никеля на Нью-Йоркской бирже; индекс деловой активности биржи Великобритании S&P 500; индекс «REUTERS» по российским акциям.

Эксперименты показали, что точность прогноза значительно выше, чем при использовании только ретроспективной информации. Так, относительная среднеквадратическая ошибка прогноза crmax не превышала 0,8%, а максимальная относительная ошибка прогноза ismax - 3,4%, т.е. снижались, соответственно, более чем в три раза по сравнению с фильтром Брауна. Вероятность прогноза доходности с точностью ±40% в проведенных экспериментах была не ниже 0,72. Результат цены акции «Северсталь» приведен на графике рис. 1, из которого видно, что наиболее заметно точность прогноза увеличивается в точках изменения направления тренда.

Четвертая глава диссертационной работы посвящена экспериментальной проверке применения разработанных методов в деятельности кредитно-финансовых организаций.

В параграфе 4.1 произведен анализ инвестиционной деятельности паевого инвестиционного фонда «ЛукОЙЛ». Анализ инвестиционной деятельности фонда производился с использованием сокращенного баланса, из которого исключены статьи, не носящие принципиальный характер.

Анализ выявил, что стратегия инвестиционной деятельности фонда требует изменения, т.к. она удовлетворяет требованиям по риску. Так, прогнозируемая норма прибыли составила 1=14,9% при ставке рефинансирования 12%, а риск изменения нормы прибыли, определяемый прогнозируемым среднеквадратическим отклонением доходности, сг, =0,16, т. е. существенно больше показателя Альтмана - 0,1. При анализе выявлены вложения в акции приватизированных предприятий, которые являются рискованными из-за повышенного прогнозируемого относительного среднеквадрати-ческого отклонения доходности, даны рекомендации по изменению стратегии формирования этого актива.

В параграфе 4.2 приведены результаты использования предложенной методики формирования оптимального инвестиционного портфеля в течение 30 торговых сессий к акциям российских предприятий-эмитентов, относящихся к следующим отраслям: пищевая промышленность, металлургия, автомобилестроение, телекоммуникационные предприятия, нефтегазодобывающая, финансовая. Составлены списки 5 ценных бумаг, которые должны включаться в состав портфеля на каждый из однодневных периодов инвестирования. Инвестиционные списки за три последовательных инвестиционных периода приведены в таблице. Ограничения выбраны равными: Хш = 0,5; сгтах = 0,03; ртт = 0,05.

На каждый инвестиционный период с использованием разработанной программы производился синтез адаптированного инвестиционного портфеля Марковица. Относительный состав портфеля для трех инвестиционных периодов приведен в таблице.

Составление инвестиционного портфеля

№ Наименов. Прогн. Прогн. Прогн. Реализ. Относит. Прогн. Реал.

инвест. ЦБ дохода. СКО вероятн. доходн. состав доходн. доходн.

перио- ЦБ ЦБ дефолта ЦБ портфеля порт- порт-

да Х^Т) ах1 РД1 Хг{Т) феля феля

26 Сбербанк 2,28 0,013 0,043 10,42 0,1 9,43 10,42

Газпром 2,95 0,011 0,012 3,81 0,12

МТС 6,34 0,009 0,021 5,82 0,22

Норникель 15,68 0,027 0,007 15,25 0,46

Вимбильдан 2,44 0,007 0,009 6,25 0,1

27 Сбербанк 2,15 0,013 0,043 0,85 0,12 4,60 3,29

Газпром 4,95 0,011 0,012 3,56 0,24

Северсталь 5,18 0,016 0,021 4,82 0,23

УАЗ 1,73 0,013 0,017 2,23 0,1

Вимбильдан 5,74 0,007 0,009 3,24 0,31

28 Сбербанк 0,75 0,013 0,043 0,65 0,07 3,6 5,82

Газпром 2,25 0,011 0,012 1,42 0,16

Норникель 4,56 0,027 0,007 13,72 0,25

КАМАЗ 5,38 0,021 0,012 4,53 0,32

Вимбильдан 2.76 0,007 0,009 2,83 0,2

На каждом шаге инвестиционного процесса определялись прогнозируемая и реализованная доходности каждого финансового инструмента, прогнозируемая и реализованные доходности портфеля. Кроме того, определялись и частные критерии аддитивного критерия (3). За три шага инвестиционного процесса эти данные приведены в таблице.

Во всех проведенных экспериментах вероятность прогноза доходности портфеля с точностью ±30% составила 0,75, что существенно выше точности прогноза доходности каждой ценной бумаги в отдельности. Средняя реализованная годовая доходность портфеля за время эксперимента составила 3,2. При этом средняя реализованная годовая доходность любой из ценных бумаг, принимавших участие в эксперименте, за.месяц не превысила 1,3, что подтверждает эффективность предложенных методик.

Таким образом, исследования показали работоспособность и высокую эффективность предложенных методов.

В приложении приведены листинги программ, реализующих предложенные методы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

Общим результатом работы является научно обоснованное решение задачи управления инвестиционной деятельностью кредитно-финансовой организации в условиях нестабильного российского рынка. В процессе работы получены следующие основные результаты:

1. Предложена обобщенная схема управления инвестиционной деятельностью кредитно-финансовой организации, состоящая из трех основных этапов.

2. Разработана методика анализа эффективности инвестиционной деятельности кредитно-финансовой организации, базирующаяся на прогнозировании тенденций развития финансовых процессов.

3. Модернизирована методика принятия управленческих решений при отборе предприятий-кандидатов на инвестирование с использованием экспертных оценок инвестиционной привлекательности.

4. Предложен квазиоптимальный инвестиционный портфель Марковича, адаптированный к нестабильному российскому финансовому рынку.

5. Разработана адаптивная модификация метода экспоненциального сглаживания для прогнозирования тенденций финансовых процессов.

6. Усовершенствован метод прогнозирования финансовых процессов, использующий множественный нелинейный регрессионный анализ, на основе выбора аппроксимирующих функций, обеспечивающих лучшую точность прогноза, и нейросетевой реализации. Предложены методика выбора информации, необходимой для реализации прогноза, и обобщенная схема сбора этой информации.

7. Проведенная апробация разработанных методов показала, что их применение позволяет существенно (в 2,4 раза) повысить эффективность инвестиционной деятельности.

По теме исследования опубликованы следующие работы:

В изданиях, рекомендованных ВАК РФ

1. Лисицкая E.JI. Принятие инвестиционного решения с прогнозированием эффективности и риска / Е.Л. Лисицкая, А.Е. Резник // Вестник Оренбургского государственного университета. 2007. №6. С. 90-94. - 0,58 п.л.

2. Лисицкая Е.Л. Использование нелинейных регрессионных моделей для прогнозирования тенденций финансовых рынков / Е.Л. Лисицкая, Г.Л. Яковлева // Вестник Саратовского государственного технического университета. 2007. № 1(21). Вып. 1. - С. 172-177.- 0,58 п.л.

В других изданиях

3. Лисицкая Е.Л. Взгляд на цикличность экономики с точки зрения теории автоматического управления / В.Т. Денисов, Е.Л. Лисицкая // Социальные и институциональные факторы экономического развития России: материалы Междунар. науч.-прак-г. конф. - Саратов: СГСЭУ, 2005. - С. 81-83. - 0,12 пл.

4. Лисицкая Е.Л. Определение оптимального потока инвестиций / ЕЛ. Лисицкая // Математические методы в технике и технологиях: сб. трудов XVIII Междунар. конф.: в 10 т. - Казань: КГТУ, 2005. Т. 7. - С. 18-21. - 0,2 пл.

5. Лисицкая Е.Л. Применение методов теории нечетких множеств к решению задачи инвестирования / Е.Л. Лисицкая // Аналитическая теория автоматического управления и ее приложения: труды 2-й Междунар. науч. конф. - Саратов: СГТУ, 2005. - С. 211-214.-0,5 пл.

6. Лисицкая Е.Л. Сравнительный анализ нейросетевых методов прогнозирования тенденций финансовых рынков / Е.Л. Лисицкая, А.Н. Маликов // Вопросы развития промышленных предприятий: сб. науч. статей.- Саратов: СГСЭУ, 2006. - С. 46-48. -0,2 пл.

7. Лисицкая Е.Л. Формирование оптимального портфеля инвестора / Е.Л. Лисицкая, Г.Л. Яковлева // Математические методы в технике и технологиях: сб. трудов XVIII Междунар. конф.: в 10 т. - Казань: КГТУ, 2005. Т. 7. - С. 99-100. - 0,12 пл.

8. Лисицкая Е.Л. Моделирование принятия инвестиционного решения / Е.Л. Лисицкая, Т. А. Скоробогатова // Национальная экономика как социотехническая система: сб. науч. статей.- М.: МАКС Пресс, 2006. - С. 242-248. - 0,55 пл.

9. Лисицкая Е.Л. Алгоритм принятия инвестиционного решения / Е.Л. Лисицкая // Информационные технологии в науке, производстве и социальной сфере: сб. науч. статей. - Саратов: Научная книга, 2006. - С. 157-162. - 0,4 пл.

10. Лисицкая Е.Л. Модель оптимизации инвестиционного портфеля фондовых активов в условиях диверсификации финансовых инструментов / П. Г. Акулова, Е.Л. Лисицкая // Вопросы развития промышленных предприятий: сб. науч. статей. - Саратов: СГСЭУ, 2006. - С. 4-13. - 0,63 пл.

11. Лисицкая Е.Л. Решение задачи принятия инвестиционного решения / Е. Л. Лисицкая // Вопросы развития промышленных предприятий: сб. науч. статей. - Саратов: СГСЭУ, 2006. - С. 101-106. - 0,31 пл.

12. Лисицкая Е.Л. Методика оптимизации инвестиционного портфеля в условиях диверсификации финансовых инструментов / Е.Л. Лисицкая // Математические методы в технике и технологиях: сб. трудов XIX Междунар. конф.: в 10 т. - Воронеж: ВГТА, 2006. Т. 7. - С. 44-47. - 0,2 пл.

13. Лисицкая Е.Л. Оптимизация управления инвестиционной деятельностью / Е.Л. Лисицкая // Проблемы и перспективы прецизионной механики и управления в машиностроении: материалы Междунар. науч. конф. - Саратов: СГТУ, 2006. - С. 156-159. - 0,24 п.л.

14. Лисицкая Е.Л. Исследование прогнозирования динамических рядов методом экспоненциального сглаживания / Е.Л. Лисицкая, В.А. Иващенко, Д.А. Васильев // Стратегия современного развития и управления общественными процессами: сб. науч. статей. - Саратов: Научная книга, 2007. - С. 337-341. - 0,25 п.л.

15. Лисицкая Е.Л. Использование нейросетевых регрессионных методов прогнозирования финансовых процессов / Е.Л. Лисицкая, Г.Л. Яковлева // Стратегия современного развития и управления общественными процессами: сб. науч. статей. - Саратов: Научная книга, 2007. - С. 321-327. - 0,44 п.л.

16. Беликова (Лисицкая) Е.Л. Один подход к объяснению цикличности экономического развития / Е.Л. Беликова, Г.Л. Яковлева // Математические методы в технике и технологиях: сб. трудов XX Междунар. конф.: в 10 т. - Ярославль: ЯГТУ, 2007. Т. 8. -С. 20-22.-0,2 п.л.

17. Беликова Е.Л. Модернизированная постановка задачи синтеза оптимального портфеля / Е.Л. Беликова // Математические методы в технике и технологиях: сб. трудов XX Междунар. конф.: в 10 т. - Ярославль: ЯГТУ, 2007. Т. 8. - С. 33-35. - 0,2 п.л.

18. Беликова Е.Л. Прогнозирование динамических рядов с помощью модифицированного фильтра Брауна / Е.Л. Беликова, В.А. Иващенко, Д.А. Васильев // Математические методы в технике и технологиях: сб. трудов XX Междунар. конф.: в 10 т. - Ярославль: ЯГТУ, 2007. Т. 8. - С. 161-164 - 0,2 п.л.

19. Беликова Е.Л. Выбор аргументов прогноза при использовании нейросетевых методов прогнозирования / Е.Л. Беликова, Г.Л. Яковлева // Математические методы в технике и технологиях: сб. трудов XX Междунар. конф.: в 10 т. - Ярославль: ЯГТУ, 2007. Т. 2.-С. 181-185.-0,3 п.л.

20. Беликова Е.Л. Отбор предприятий-кандидатов на инвестирование / Е.Л. Беликова // Общественное развитие в эпоху столкновения цивилизаций: сб. науч. статей. -Саратов: Научная книга, 2007. - С. 172-175. - 0,18 п.л.

21. Беликова Е.Л. Квазиоптимальный инвестиционный портфель Марковича / Е.Л. Беликова // Общественное развитие в эпоху столкновения цивилизаций: сб. науч. статей. - Саратов: Научная книга, 2007. - С. 179-181. - 0,18 п.л.

22. Беликова Е.Л. Определение весовых коэффициентов инвестиционного рейтинга методом экспертных оценок / Л.А. Лисицкий // Математические методы в технике и технологиях: сб. трудов XXI Междунар. конф.: в 10 т. - Саратов: СГТУ, 2008. Т. 8. -С. 37-40. - 0,24 п.л.

Беликова Екатерина Леонтьевна

УПРАВЛЕНИЕ ИНВЕСТИЦИОННОЙ ДЕЯТЕЛЬНОСТЬЮ КРЕДИТНО-ФИНАНСОВОЙ ОРГАНИЗАЦИИ В УСЛОВИЯХ НЕСТАБИЛЬНОГО РЫНКА

Автореферат Корректор O.A. Панина

Подписано в печать 06.05.09

Бум.офсет. Усл. печ. л. 1,0

Тираж 100 экз. Заказ 197

Саратовский государственный технический университет

410054, Саратов, Политехническая ул., 77 Отпечатано в РИЦ СГТУ. 410054, Саратов, Политехническая ул., 77

Формат 60x84 1/16 Уч.-изд. л. 1,0 Бесплатно

ВВЕДЕНИЕ

1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ И НВЕСТИЦИОННОЙ ДЕЯТЕЛЬНОСТИ КРЕДИТНО-ФИНАНСОВОЙ ОРГАНИЗАЦИИ.

1.1. Основные понятия и этапы развития инвестиционной теории.

1.2. Математическая постановка теории оптимального портфеля.

1.3. Проблемы диверсификации инвестиционного портфеля.

1.4. Оценка эффективности инвестиций, экономического состояния предприятия-эмитента и его финансовой устойчивости.

1.5. Прогнозирование экономических процессов.

Выводы по главе

2. РАЗРАБОТКА МОДЕЛЕЙ И МЕТОДОВ ПРИНЯТИЯ

ИНВЕСТИЦИОННОГО РЕШЕНИЯ.

2.1. Модель принятия инвестиционного решения.

2.2. Определение эффективности инвестиционной деятельности кредитно-финансовой организации.

2.3. Определение инвестиционной привлекательности эмитента ценной бумаги . со

2.4. Оценка финансовой устойчивости предприятия.

2.5. Формирование списка предприятий-кандидатов на инвестирование.

2.6. Формирование оптимального портфеля инвестиций.

2.6.1. Модернизация постановки задачи формирования оптимального инвестиционного портфеля.

2.6.2. Решение задач оптимального распределения свободных средств инвестора для модели Блека.

2.6.3. Решение задач оптимального распределения свободных средств инвестора для модели Марковича.

2.6.4. Решение задач оптимального распределения свободных средств инвестора для модели Торбина - Шарпа - Лннтнера

Выводы по главе 2.

3. УСОВЕРШЕНСТВОВАНИЕ МЕТОДОВ ПРОГНОЗИРОВАНИЯ

ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ.

3.1. Прогнозирование динамических рядов с помощью модифицированного метода экспоненциального сглаживания

3.2. Прогнозирование экономических процессов с использованием нейросетевых регрессионных методов.

3.2.1. Постановки задачи, выбор метода решения.

3.2.2. Выбор аргументов прогноза.:.

3.2.3. Результаты экспериментальных исследований.

3.2.4. Функциональные требования к подсистеме ввода данных . . . .123 Выводы по главе 3.

4. ПРИМЕНЕНИЕ РАЗРАБОТАННЫХ МЕТОДОВ В ДЕЯТЕЛЬНОСТИ КРЕДИТНО-ФИНАНСОВОЙ ОРГАНИЗАЦИИ

4.1. Анализ результатов инвестиционной деятельности кредитно-финансовой организации.

4.2. Составление инвестиционного портфеля.

Выводы по главе 4.

Актуальность темы исследования. Переход к рыночной экономике в России повлек качественные изменения в подходе к инвестиционной деятельности. Основным инвестиционным инструментом стали ценные бумаги, свободно обращающиеся на рынке. В оптимизации инвестиционной деятельности заинтересовано большое количество специализированных кредитно-финансовых организаций (банки, паевые инвестиционные фонды, пенсионные фонды и др.). В данной работе рассматриваются портфельные инвестиции, т.е. приобретение инвестором комплекта ценных бумаг различных предприятий (портфеля) с целью получения от них дохода, как правило, за счет изменения курсовой стоимости.

Основоположником современной теории инвестиций считается Г. Марковиц, который в 1952 г. предложил математическое описание оптимального портфеля и методы его формирования при определенных условиях. Идеи Г. Марковица получили развитие в работах У. Шарпа, Д. Тобина, Д. Линтнера; формированию оптимального портфеля с использованием механизма опционов посвящены работы Ф. Блека, М. Шоуза, Р. Мертона, которые исследовали процессы установившегося рынка. Поэтому их результаты не всегда можно применять для нестабильного российского рынка. Кроме того, формирование портфеля является заключительной стадией принятия инвестиционного решения, которой должен предшествовать ряд не менее важных этапов. Вопросы диверсификации инвестиций подробно исследованы в работах Т. Коггина, Б. Кинга, В. Коэна, Р. Пога. Оценке финансовой безопасности предприятия посвящены работы Э. Альтмана, Р. Тоффлера, Г. Тиссшоу, М. Лисса и др. Эффективность инвестиций в рамках предприятия исследована в работах И .Г. Александрова, Б.Е. Веденеева, Н.П. Федоренко, Д.С. Львова и др. Общепризнанной в международной практике методикой оценки эффективности инвестиций на уровне проекта является методика ЮНИДО, рекомендованная ООН. Эти методы достаточно эффективны, но требуют длительных исследований предприятий с привлечением опытных экспертов поэтому малопригодны в современной динамичной инвестиционной деятельности.

Все инвестиционные решения принимаются в предположении определенного поведения финансового рынка. Поэтому любая инвестиционная деятельность может быть эффективна только при использовании ТОЧНТЛУ И пот^ точных и надежных методов прогноза. Разработке и юложению статистических методов прогноза посвящены работы П. Бикела,

КСа' Г' ДжеН№са' Р- БРаУна и др. Применение методов теории интеллектуальных систем для прогноза исследовано в работах Д. Бестенса,

М. Вуд, Е.З. Демиденко, ГЛ. Яковлевой. Однако, точность этих методов не всегда достаточно высока для использования в инвестиционной деятельности.

Кроме того, отсутствует общепризнанная модель, связывающая все перечисленные этапы принятия инвестиционного решения.

Наличие комплекса указанных проблем в теоретическом и практическом плане определило актуальность темы исследования.

Цель диссертационного исследования - повышение эффективности Управления инвестиционной деятельностью кредитно-финансовой организации на основе разработки методов принятия управленческих решении, учитывающих нестабильность российского финансового рынка.

Достижение поставленной цели потребовало решения следующих задач: провести анализ известных методов принятия инвестиционного решения; построить обобщенную схему принятия управленческих решений при инвестиционной деятельности кредитно-финансовой организации; модернизировать методы принятия управленческих решений на всех этапах инвестиционного процесса; адаптировать классические типы инвестиционного портфеля к Российским условиям;

Усовершенствовать методы прогнозирования финансовых процессов Для обеспечения повышенной точности прогноза и обосновать подход к созданию автоматизированных систем прогнозирования.

Научная новизна диссертационного исследования. При выполнении работы получены следующие новые результаты.

Предложена обобщенная схема управления инвестиционной Деятельностью кредитно-финансовой организации, отличающаяся учетом заимодеиствия всех этапов инвестиционного процесса и использования прогнозирования на каждом из них.

2- Разработана методика анализа эффективности инвестиционной

Деятельности кредитно-финансовой организации, основанная на прогнозировании доходности и риска произведенных инвестиций на следующий период, отличающаяся возможностью оперативного изменения инвестиционной стратегии. отбо 3 М°ДерНИЗИрОВана мет°Дика принятия управленческих решений при от ope предприятий-кандидатов на инвестирование, отличающаяся оптимальным по Ларето составом инвестиционного портфеля. ш ' Предложен квазиоптимальный инвестиционный портфель адаптированный к нестабильному финансовому рынку, отличающиися использованием прогноза цен финансовых инструментов и

ВОЗМОЖНОСТЬЮ vu учета результатов предыдущей инвестиционной

Деятельности, что позволяет повысить доходность портфеля и снизить риск. • Усовершенствован метод прогнозирования тенденций финансовых ков, отличающийся использованием адаптивных нелинейных Регрессионных моделей и информации о внешних факторах, влияющих на прогнозируемый процесс, что позволяет существенно повысить точность оза и использовать разработанную обобщенную схему автоматизированной системы сбора информации.

Объект исследования. Портфельная инвестиционная деятельность кредитно-финансовых организаций.

Предмет исследования. Методы и способы управления портфельной инвестиционной деятельностью кредитно-финансовых организаций.

Методы исследования. В диссертационной работе применялись методы теории управления и системного анализа, теории вероятности, математической статистики, многофакторного анализа, линейного и нелинейного регрессионного анализа, линейного и нелинейного программирования, формализации логических зависимостей, фундаментального анализа.

Достоверность и обоснованность результатов диссертационного исследования определяются корректным применением использованных методов, подтверждаются результатами численных экспериментов и успешным применением разработанных методов в деятельности, кредитно-финансовой организации.

Практическая ценность исследования. Использование разработанных методов, схем и вариантов инвестиционного портфеля широким кругом предприятий, имеющих отношение к инвестиционной деятельности, позволяет упорядочить процесс принятия инвестиционных решений и повысить их эффективность, а, соответственно, доходы предприятий.

Разработанные методики, схемы и варианты инвестиционного портфеля используются в деятельности инвестиционной компании ООО «Финансовый специалист» (г. Саратов).

Апробация результатов работы. Отдельные результаты диссертационного исследования докладывались и обсуждались на: ХУШ Международной научной конференции «Математические методы в технике и технологиях», Казань, 2005; Международной научно-практической конференции «Социальные и институциональные факторы экономического развития России», Саратов, 2005; 2-й Международной научной конференции

Аналитическая теория автоматического управления и ее приложения», Саратов, 2005; XIX Международной научной конференции «Математические методы в технике и технологиях», Воронеж, 2006; XX Международной научной конференции «Математические методы в технике и технологиях», Ярославль, 2007; Международной конференции «Проблемы и перспективы прецизионной механики и управления в машиностроении», Саратов, 2006; Конференции победителей конкурса Международного фонда экономических исследований академика Н.П. Федоренко, Москва, 2006; XXI Международной научной конференции «Математические методы в технике и технологиях», Саратов, 2008.

Публикации. Основные положения диссертационной работы опубликованы в 22 научных работах общим объемом 6,8 п.л., в том числе 2 статьи в журналах, включенных в перечень ВАК. Работа «Алгоритм принятия инвестиционного решения» признана победителем конкурса научных работ Международного фонда экономических исследований академика Н.П. Федоренко.

Объем и структура диссертационной работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы, включающего 175 наименований и приложения. Объем основного текста составляет 152 страницы, 16 таблиц, 39 рисунков, 187 формул.

Выводы по главе 4

1. С использованием разработанной методики проведен анализ инвестиционной деятельности кредитно-финансовой организации - паевого инвестиционного фонда «ЛукОЙЛ». Показана работоспособность и эффективность этой методики, определены неэффективно и рискованно вложенные активы, подлежащие ликвидации.

2. С использованием предложенных методов и алгоритмов в период с 01.12.2006 г. по 24.01.2007 г. проводилось опытное формирование инвестиционного портфеля. Эксперименты показали, что использование разработанных методик позволяет существенно снизить риск и повысить эффективность инвестиционной деятельности.

заключение

1. Проведен научный анализ систем планирования и управления инвестициями. Выявлены основные этапы научно правильно организованного инвестиционного процесса.

2. Проведен анализ известных методов прогнозирования, предложен способ их классификации и показано, что ни один из них не соответствует по точности требованиям инвестиционной практики.

3. Предложена модель принятия инвестиционного решения, состоящая из 3-х этапов: анализа эффективности предыдущей инвестиционной деятельности; составления списка предприятий-кандидатов на инвестирование, формирования инвестиционного портфеля.

4. Разработана методика анализа результатов предыдущей инвестиционной деятельности организации-инвестора, в основе которой лежит прогнозирование ее результатов на следующий инвестиционный период.

5. Разработана методика оценки финансовой устойчивости предприятия-кандидата на инвестирование, через определения вероятности дефолта предприятия и лимита банковского кредитования, с использованием модели фирмы Р.Мертона и результатов Блека-Шоулза.

6. Предложена методика составления списка предприятий-кандидатов на инвестирования, базирующаяся на определении рейтинга инвестиционной привлекательности предприятий-эмитентов ценных бумаг по отраслям промышленности.

7. Показано, что в неизменном виде теория оптимального портфеля Марковица не может использоваться в российских условиях, предложен способ ее усовершенствования, заключающийся в использовании прогнозируемых значений доходности и весовых коэффициентов, позволяющих учитывать субъективные предпочтения инвестора, предложены рекомендации по выбору минимальной доходности оптимальных портфелей. Предложен квазиоптимальный вариант портфеля

Марковича, позволяющий использовать в следующем инвестиционном периоде ряд финансовых инструментов из прошлого инвестиционного периода, удовлетворяющих требованиям по доходности и риску.

8. Предложен метод прогнозирования нестационарных финансовых процессов с применением адаптивного модифицированного фильтра Брауна, определены оптимальные параметры фильтра. Это позволило существенно повысить точность прогноза по сравнению с традиционным способом использования этого фильтра.

9. Разработан метод прогнозирования финансовых процессов, базирующийся на использовании нелинейного регрессионного анализа с реализации аппроксимирующей функции искусственной нейронной сетью. Показано, что по сравнению с методами, использующими только ретроспективную информацию о процессах, метод обладает значительно более высокой точностью. Определены оптимальные структура сети и наборы аппроксимирующих функций. Предложена методика отбора внешних финансовых процессов для использования в качестве аргументов прогноза.

10. Результаты опытного применения всех предложенных методов и алгоритмов к деятельности кредитно-финансовой организации показали их работоспособность и эффективность.

1. Аведьян Э.Д. Каскадные нейронные сети / Баркан Г.В., Левин И.К. // Нейрокомпьютеры и их применение: Сб. докл. V Всерос. конф. М.: ИПУ РАН, 1999. С. 358-360.

2. Алексеев М. Ю. Рынок ценных бумаг / М. Ю.Алексеев. М.: Финансы и статистика, 1992.352 с.

3. Алехин Б. И. Рынок ценных бумаг: Введение в фондовые операции / Б. И. Алехин. М.: Финансы и статистика, 1993. 258 с.

4. Альдермейер М. Опционы КОЛЛ и ПУТТ: Экономическое и математическое содержание опционов. Основы теории и практики. Метод, пособ: пер. с нем / М. Альдермейер. М.: Финансы и статистика, 2004.104 с.

5. Андерсен Т. Статистический анализ временных рядов / Т. Андерсен. М.: Мир, 1976. 755 с.

6. Андреев А.Ф. и др. Методические аспекты оценки инвестиционных проектов в нефтяной и газовой промышленности / А.Ф. Андреев. М.: «Полиграф». 1996. 170 с.

7. Андреев Ю.В., Дмитриев A.C. Динамический хаос и нейронные сети в задачах классификации и распознавания / Ю.В.Андреев, A.C. Дмитриев // Нейрокомпьютеры и их применение: Сб. докл.У Всерос. конф,- М.: ИПУ РАН, 1999. С.438-441.

8. Анищенко B.C. Сложные колебания в простых системах / B.C. Анищенко. М.: Наука, 1990. 345 с.

9. Ануфриев И. Е. Самоучитель Matlab 5.3/б.х. / И. Е. Ануфриев. СПб.: «БХВ-Петербург», 2002. 720 с.

10. Арсланова З.Н., Лившиц В. Б., Методы оценки эффективности инвестиционных проектов / З.Н. Арсланова, В.Б. Лившиц // Инвестиции в России. 1995. №№ 1,3,5.

11. Афифи A.A., Эйзен С.П. Статистический анализ: Подход с использованием ЭВМ /

12. A.A. Афифи, С.П. Эйзен. М.: Мир, 1982. 488 с.

13. Баззел Р. Д., Кокс Д.Т., Браун Р.В. Информация и риск в маркетинге / Р. Д. Баззел, Д.Т. Кокс, Р.В. Браун. М.: «Финстатппформ», 1993. 314 с.

14. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. Вопросы анализа и процедуры принятия решений / Р.Беллман, Л.Заде. М.: Мир, 1976, 259 с.

15. Беренс В., Хавронек П., Руководство по оценке эффективности инвестиций /

16. B. Беренс, П.Хавронек. М.: «ИНФРА-М», 1995, 220 с.

17. Бикел П., Доксам К. Математическая статистика / П. Бикел, К. Доксам. М.: Финансы и статистика. 1983. 278 с.

18. Бокс Дж., Дженкинс Г. Анализ временных рядов, прогноз и управление / Дж. Бокс, Г. Джепкинсм. М.: Мир, вып. 1, 1974. 408 с.

19. Большее Л.Н. Таблицы математической статистики / Л.Н. Болыиев, Н.Б. Смирнов. М.: Наука, 1983. 416 с.

20. Боровков A.A. Математическая статистика / A.A. Боровков. М.: Наука, 1984. 219 с.

21. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных/Э.М.Браверман, И.Б.Мучник. М.: Наука, 1983. 467 с.

22. Браверманн Э.М. Математические модели планирования и управления в экономических системах / Э.М. Браверманн. М.: Наука, 1976. 368 с.

23. Бромвич М. Анализ экономической эффективности капиталовложений / М. Бромвич. М.: «ИНФРА-М», 1996. 280 с.

24. Булдакова Т.И., Суятинов С.И. Нейрокомпьютерные системы / Т.И. Булдакова,

25. C.И. Суятинов. Саратов: СГТУ , 1999. 96 с.

26. Буренин А.Н. Фьючерсные и опционные рынки / А.Н.Буренин. М.: Тривола, 1995. 159 с.

27. Бэстенс Д.-Э., Ваи Ден Берг В.М., Вуд Д. Нейронные сети и финансовые рынки / Д.-Э. Бэстенс, В.М. Ван Ден Берг, Д. Вуд. М.: Научное издательство, 1997. 236 с.

28. Вентцсль Е.С. Исследование операций / Е.С. Вентцель. М.: Советское радио, 1972. 259 с.

29. Вентцель Е.С. Теория вероятностей / Е.С. Вентцель. М.: 1969. 576 с.

30. Виленский П. С., Смоляк С. Г., Расчет инвестиционного проекта / П. С. Виленский, С. Г., Смоляк. // Инвестиции в России. 1995. №4. С 31-37.

31. Воронов К.Н., Хайт И.П. Коммерческая оценка инвестиционных проектов / К.Н. Воронов, И.П. Хайт. СПб.: ИКФ «Альт», 1993. 256 с.

32. Воронов К.Н., Хайт И.П. Оценка коммерческой состоятельности инвестиционных проектов / К.Н.Воронов, И.П.Хайт. // Финансы. № 11. С 27-35.

33. Вучков И.Н., Бояджиева JI.H., Солаков Е.Б. Прикладной линейный регрессионный анализ / И.Н. Вучков, Л.Н. Бояджиева, Е.Б. Солаков. М.: Финансы и статистика, 1987. 239 с.

34. Галушкин А.И. Нейронные сети и проблема малой выборки / А.И. Галушкин // Нейрокомпьютеры и их применение: Сб. докл. V Всерос. конф.- М.: ИПУ РАН, 1999. -С. 399-401.

35. Галушкин А.И., Фомин Ю.И. Нейронные сети как линейные последовательные машины / А.И.Галушкин, Ю.И., Фомин. М.: МАИ, 1991. 254 с.

36. Гилев С.Е. Сравнение методов обучения нейронных сетей / С.Е. Гилев // Нейроинформатика и ее приложения: Тез. докл. III Всерос. Семинара. Красноярск: КГТУ, 1995.-С. 80-81.

37. Гилев С.Е., Миркес Е.М. Обучение нейронных сетей / С.Е.Гилев, Е.М. Миркес // Эволюционное моделирование и кинетика.- Новосибирск: Наука. Сиб. отд-ние, 1992. -С. 9-23.

38. Гилл Ф., Мюррей У. Райт М. Практическая оптимизация / Ф. Гилл, У. Мюррей, М.Райт. М.: Мир. 1985. 509 с.

39. Глущенко В.В., Глущенко И.И. Разработка управленческого решения. Прогнозирование планирование. Теория проектирования экспериментов / В.В. Глущенко, И.И.Глущенко. Железнодорожный: ТОО НПЦ «Крылья», 1997. 421 с.

40. Гнедепко Б.В. Курс теории вероятностей: учебник / Б.В. Гнеденко. М.: Наука, 1988. 488 с.

41. Горбань А.Н. Алгоритмы и программы быстрого обучения нейронных сетей / А.Н. Горбань // Эволюционное моделирование и кинетика. Новосибирск: Наука. Сиб. отд-ние, 1992. - С. 36-39.

42. Горбань А.Н. Обучение нейронных сетей / А.Н. Горбань. М.: СП "ПараГраф", 1990. 261 с.

43. Горбань А.Н., Миркес Е.М. Функциональные компоненты нейрокомпьютера / А.Н. Горбань, Е.М. Миркес. // Нейроинформатика и ее приложения: Материалы III Всерос. Семинара. Красноярск: КГТУ, 1995. Ч. 1 - С. 79-90.

44. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере / А.Н. Горбань, Д.А. Россиев. Новосибирск: Наука. Сиб. изд. фирма РАН, 1996. 276 с.

45. Горбань А.Н., Россиев Д.А., Коченов Д.А. Применение самообучающихся нейросетевых программ / А.Н. Горбань, Д.А. Россиев, Д.А. Коченов. Красноярск: СПИ, 1994. 169 с.

46. Грабовый П.Г., и др. Риски в современном бизнесе / П.Г. Грабовый. М.: Алане, 1994,238 с.

47. Давыдова Г.В., Беликов А.Ю. Методика количественной оценки риска банкротства предприятий / Г.В. Давыдова, А.Ю. Беликов //Управление риском, 1999, № 3.- С. 13-20.

48. Демиденко Е.З. Линейная и нелинейная регрессия / Е.З. Демиденко. М.: Финансы и статистика, 1981. 302 с.

49. Денис Дж. Мл., Шнабель Р. Численные методы безусловной оптимизации и решения нелинейных уравнений / Дж. Мл. Денис, Р. Шнабель. М.: Мир, 1988. 440 с.

50. Ежов A.A., Щумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе / A.A. Ежов, С.А. Шумский. М.: МИФИ, 1998. 224 с.

51. Заде JI. Понятие лингвистической переменной и ее применение к принятию приближенных решений / Л.Заде. М.: Мир, 1976. 421 с.

52. Ивахнешсо А.Г. Персептроны / А.Г. Ивахненко. Киев: Наукова думка, 1974. 179 с.

53. Иващепко В.А., Васильев АД., Резчиков А.Ф. Методы прогнозирования электрической нагрузки предприятий в условиях АСУ электропотреблением / В.А. Иващенко, А.Д. Васильев, А.Ф. Резчиков // Мехатроника, автоматика и управление, 2006 г. № 7. с. 52-55.

54. Идрисов A.M. Методические рекомендации по планированию и анализу эффективности инвестиций / A.M. Идрисов. М.: ИНТУ «Интекс», 1994. 210 с.

55. Касимов Ю.Ф. Основы теории оптимального портфеля ценных бумаг / Ю.Ф. Касимов. М.: Филинъ, 1998, с. 142.

56. Кенделл М. Временные ряды / М. Кенделл. М.: Финансы и статистика, 1981. 199 с.

57. Кильдишев Г.С. Френкель А. А. Анализ временных рядов и прогнозирование / Г.С. Кильдишев, А.А.Френкель. М.: Статистика, 1973. 272 с.

58. Ковалев В.В. Методы оценки эффективности инвестиции / В.В. Ковалев // Бухгалтерский учет. 1993. №8. С. 42-47.

59. Ковалев В.В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчетности / В.В. Ковалев. М.: Финансы и статистика, 1996. 361 с.

60. Кох Р., Тимотти У. Управление банком : пер с англ. В 5 кн., в 6 ч. / У.Тимотти, Р.Кох. Уфа: Спектр, 1993.164 с.

61. Коченов Д.А., Миркес Е.М. Определение чувствительности неиросети к изменению входных сигналов / Д.А.Коченов, Е.М. Миркес // Нейроинформатика и ее приложения: Тез. докл. III Всерос. Семинара,- Красноярск: КГТУ, 1995. С. 61.

62. Кулаков А.Е. Управление активами и пассивами банка / А.Е. Кулаков. М.: «БДЦ-пресс», 2004, 256 с.

63. Куликовский К.Л., Купер В.Я. Методы и средства измерений: учеб. пособие для вузов /К.Л. Куликовский, В.Я. Купер. М.: Энергоатомиздат, 1986. 448 с.

64. Лапшин A.B., Львов A.A. Применение функций с ограниченным изменением к анализу волновых сигналов и изображений / A.B. Лапшин, A.A. Львов // Доклады Росситекшикадемии естественных наук. Поволжское межрегиональное отделение. 1999,

65. Линник Ю.В. Метод наименьших квадратов и основы теории обработки наблюдении/Ю.В. Линник. М.: ГИФМЛ, 1958. 336 с.

66. Лисицкая Е.Л. Алгоритм принятия инвестиционного решения / Е.Л. Лисицкая // Информационные технологии в науке, производстве и социальной сфере: сб. науч. статей. Саратов: Научная книга, 2006. - С. 157-162.

67. Лисицкая Е.Л. Использование нелинейных регрессионных моделей для прогнозирования тенденций финансовых рынков / Е.Л. Лисицкая. Г.Л. Яковлева // Вестник Саратовского государственного технического университета, 2007. № 1(21).1. Вып. 1. С. 172-177.

68. Лисицкая Е.Л. Моделирование принятия инвестиционного решения / Е.Л. исицкая, Т.А. Скоробогатова // Национальная экономика как социотехническая система:сб. науч. статей,- М.: МАКС Пресс, 2006. С. 242-248.

69. Лисицкая Е.Л. Модель оптимизации инвестиционного портфеля фондовых активовв условиях диверсификации финансовых инструментов / П. Г. Акулова, Е.Л. Лисицкая //

70. Вопросы развития промышленных предприятий: сб. науч. статей. Саратов: СГСЭУ, 2006. - С. 4-13.

71. Лисицкая Е.Л. Определение оптимального потока инвестиций / Е.Л. Лисицкая // Математические методы в технике и технологиях: сб. трудов ХУШ Междунар. конф.: в 10 т. . 7. Математические методы и задачи в экономических и гуманитарных науках.

72. Казань: КГТУ, 2005. С. 18-21.

73. Лисицкая Е.Л. Оптимизация управления инвестиционной деятельностью / Е.Л. исицкая // Проблемы и перспективы прецизионной механики и управления вмашиностроении: материалы Междунар. науч. конф. Саратов: СГТУ, 2006. - С. 156-159.

74. Лисицкая Е.Л. Применение методов теории нечетких множеств к решению задачи инвестирования / Е.Л. Лисицкая // Аналитическая теория автоматического управления и ее приложения: труды 2-й Междунар. науч. конф. Саратов: СГТУ, 2005. - С. 211-214.

75. Лисицкая Е.Л. Решение задачи принятия инвестиционного решения / Е. Л. 1исицкая // Вопросы развития промышленных предприятий: сб. науч. статей. Саратов:1. СГСЭУ,2006.-С. 101-106.

76. Лисицкая ЕЛ Спал 149 тенденций финансовых рынков'/е'л лТГ Н6Гтсе™ методов прогнозированияпромышленных предприятий: сб нау^ Маликов // Вопросы р'азвития

77. Лисицкая Е Л ФопМИп™ статеи,- Саратов: СГСЭУ, 2006. С 46-48 ^Яковлева // М^Л^ицкая, Мювдунар. конф . ,0 не методы в технике и технологиях: сб. трудов ХУШ

78. ЭДанах автоматическоГда^ТГГ!,^^ измерительной информации в Мартынов А п О,™,, Л Львов' СаРатов: СГТУ. 2005.82 с

79. Ф.»а„совьШНововведе„ЩМТ^.ГмарГССвТ ГТ ™ "о

80. М.: Фи„а„сь, и стати™™982 г^Т" и регрессия / Ф. Мостеллер, Дж. Тьюки.

81. НеГек^То ':п~иНеИЯ/Ф' ^ ^ »*>■ ^ с.фина„са™/А.о.Нед„секГ~„ТнТ„сГ™ИХ МН°ЖеСТВ « ™«ия

82. Общая теория статистии, г™" Финансовый анализ, .№2, 2000. Деятельное™ у,е6нш методология в изучении коммерческой543: с. Д Р Д' А А' Сп"Р"т- О.Э. Башиной м.: Финансы и

83. ЙГпЖ^1^^^^ РаС"е1 " РИСК ' А'А' Первозванский,

84. Ш- Позии ад'Щ^^Г™»^ П<— ^ 286 е.

85. С' Г| нейронных структур / И.В. Позин. М, Наука, 1970.1. Пшеничный К гт ттв——»'•"Й^.Й^^^™™- Перцептрон и теория механизмов

86. М0^ДелРоТтд^99Б5Т43сКИЙ M6H™MeHT: ПРеД^тавление финансовых услуг / П.С. Роуз.

87. Л.Н Скуч^шГт aT№h ГТ0ДЫ onPe*e™*, оценки прогнозирования / Г1. икучалина, Т.А. Крутова. М.: ГКС РФ, 1995 561 с

88. Е Н Соколов^ г r' ВаЙТКЯВИЧулС ГГ- Нейроинтеллект: от нейрона к нейрокомпьютеру / j ¡2 Соколов> Г-Г- Ваиткявичус. М.: Наука, 1989. 238 с.

89. Г.М ФихтснтлГи^'^' лJPC„ диФФеРенЦиального и интегрального исчисления: /119 ф « ' УКа' 1966, Т- 1 607 С'; 197°- Т- 2" 800с-' 1970- Т 3. 656 с. 1978. 54бТ П' Те°РИЯ ПОЛезности для принятия решений / П. Фишберн. М.: Наука,

90. АА ФГ^%аВЬе! ,И'П' ИнФ°Рмационные характеристики нейронных сетей /

91. Т ' Муравьев- М" Наука, 1988. 180 с.коле6аний/РГЛСуп^ Пр°^е™ние и Депрессия: теоретический анализ циклических

92. X берлер- М-' НаУка>1960. 391 с.1959. 496 с°еН Э' ЭкОНОМИЧеские ЧИКЛЬ1 и национальный доход / Э. Хансен. Ы. : Мир, Т2С.' Хачатуров°М^ На^а,3^ 9™4 259^Ые ПР°бЛеПМЫ народно-хозяйственного комплекса /

93. MoLeimTnnof'' КубиСчбК А" МеТОДЫ анализа нелинейных динамических

94. Р5 ГпТ' А" КЛИЧ' А- КУбичек. М.: Мир, 1991. 368 с.

95. ПьнанТпвЖВ я iaCTH0CTb В СТаТИСТИКе ' Д*л- ХьюбеР. М, Мир, 1984. 304 с. Систем,1983 344с НеИр0К0МпьютеР и его применение / В.Д. Цыганков. ЪЛ.: Сол

96. BHDTvaiümiP^ Д'И'' 3аЙЦСВ В-Ю- Финансово-экономический блок в системах

97. S^r^rT«7 Д-И'ШаПИР°' ВЮ" Зайцев // Нейрокомпьютеры и их применение. Сб. докл. V Всерос. конф. М.: ИПУ РАН, 1999. - С.294-298

98. Дж." ^Шт^Г^^ ДЖ" Инвестиции / У. Шарп," Г. Алекеандер,зо9: вГ"ие'г-Шустер- м-: Мир'1988-240 савтоматизиппттлг ^исицкии Л.А. Неиросетевой подход к созданиюавтоматизированных систем прогнозирования / ГЛ. Яковлева, Л.А. Лисидкий //

99. Нейрокомпьютеры и их применение: Сб. докл. VIII Всерос. конф.- М.: ИПР РАН, 2002. -С. 119.

100. Яковлева Г.Л., Яковлев В.Л., Лисицкий Л.А. Применение нейросетевых алгоритмов к анализу финансовых рынков/ Г.Л. Яковлева, В.Л. Яковлев, Л.А. Лисицкий // Информационные технологии. 1999. № 8. С. 25-30.

101. Яковлева ГЛ., Яковлев В.Л., Малиевский Д.А. Нейросетевая экспертная система управления портфелем банка / Г.Л. Яковлева, В.Л.Яковлев, Д.А. Малиевский // Нейрокомпьютеры и их применение: Сб. докл. V Всерос. конф. М.: ИПУ РАН, 1999. С. 291-294.

102. Якушев Д.Ж. Нейронные сети для финансовых приложений / Д.Ж. Якушев // Нейрокомпьютеры и их применение: Сб. докл. V Всерос. конф. М.: ИПУ РАН, 1999 -С.288-290.

103. Altman Е. Corporate Financial Distress /Е. AltraanNew York, Wiley, 1983. 412 p.

104. Bazaraa M. S., Sherall H. D., Shetty С. M. Nonlinear Programming (2nd ed.) / M. S.Bazaraa, H. D.Sherall, С. M. Shetty Wiley & Sons, 1994.

105. Black F. and Sholez M. The Pricing of Options and Corporate Liabilities / F.Black, M. Sholez//Journal of Political Economy 81(3) May/June 1973.

106. Black F. Bank Gap Management and Use of Financial Futures Text. / F. Black// Journal of Financial Economics. -1975- №2. P.323-339.

107. Broaddus Alfred Linear programming: A new approach of Bank Portfolio Management Text. / Alfred Broaddus // Monthly Review Federal Reserve Bank of Richmond- 1972. -November. P. 3-11.

108. Chorafas D.N. Chaos Theory in the Financial Markets / D.N.Chorafas. New York: Probus Publishing, 1994. 254 p.

109. Cohen K. J. Linear programming and Optimal Bank Assert Management Decisions Text. / K. J. Cohen, F.S. Hammer // Journal of Finance. -1967- May.- P. 147-168.

110. Cootner R. H. (ed) The Random Character of Stock Market Price, MIT. Press Cambridge, Mass, 1967.

111. Fausett L.V. Fundamentals of Neural Networks: Architectures, Algorithms and Applications. London: Prentice Hall, 1994. 364 p.

112. Fisher I. Theory of Interest, Macmillan, New York, 1930.

113. Fulcher J. Neural networks: promise for the future? // Future Generat. Comput. Syst. 1990-1991. Vol. 6, № 4. p. 351-354.

114. Grossberg S. Nonlinear Neural Networks: Principles, Mechanism and Architectures // Neural Networks. 1988. Vol. 1, № 1. P. 17-62.

115. Handbook of modem finance. Editor D.E.Logue. Warren, Gorham & Lamont: Boston — New York, 1984.

116. HaykinS. Neural Networks. A Comprehensive Foundation. New York: Macmillian College Publishing Company, 1994. 696 p.

117. Kaufman A.F. Gap Management Text./ Journal of Finance. -1984- May.- P. 124-148.

118. Knight F. H. Risk. Uncertain and Profit, Houghton Mifflin, Boston and New York, 1921.

119. Kohonen T. Self-organization and Associative Memory. New York: Springer-Verlag, 1989.266 р.

120. Lintner J. The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets. Revew of Economics and Statistics , February, 1965, pp. 13-27.

121. London Stock Exchange Secondary Market Fact Sheet. December 2000. Htttp://www. londonstockexchange.com/market/excel/ Fsto0012.xls

122. Basil, Bk^kteTl 990М' ^ ^^ ^^ ™ Portfolio Choice and CaPitaI Markets>

123. New Уотк^959/2тпН' ^ SeIection: Efficient Diversification of Investment, Wiley,

124. New York, 1959/ Journal of Finance. Marc.- P. 38-48.1952-у 7 5.SP0rtf0li° S6leCti0n TeXt./ RM- Markowitz// Journal of Finance.

125. Pes0ek//ThSernBn^ BafS' S?P,Iy FUnCti°n and the Equilibrium Quality of Money Text./ B.P. Fe ek// The Canadian Journal of Economics, 1979,- August. -P.357-385.

126. William Pool'e ,C^mercial Bank Reserve Management in Stochastic Model Text./

127. William Poole // Journal of Finance. -1968- December, P. 769-791

128. Е-от'Г^ Text./ Richard C. Porter //Yale

129. Risk JournalnfFi Poo , cet РГке: A Th60ry ofMarket Equilibrium under Conditions of yij J°Uhmal °f/lnance 29(3) September, 1964, pp. 425-442.1963. R A Slmplified Model for Portfolio Analysis, Management Science, January,

130. Theory of ы/Лр yheoiyofPortfolio Selection in F.H. Hahn and F.R.P. Brechling (eds), Thetheory of Interest Rate, London, Macmillan, 1965, pp. 3-51.

131. Toevs A Managing Interest Rate risk in Bank and Thrifts Text./

132. P.20 35 V1CW ' Federal Reserve Bank of San Francisco. 1983- No 2 (Spring).

133. ИНФРА-М^С00б|е^415"с. ^ытее офажзвание)3 "" —ности», -М,