УДК 004

Анализ моделей и алгоритмов обработки информации для оптимизации трейдинга на электронных биржах

Аверченков Андрей Владимирович – доктор технических наук, профессор кафедры Информационных технологий Брянского государственного инженерно-технологического университета

Пустовой Сергей Ильич – аспирант Брянского государственного инженерно-технологического университета

Аннотация: В статье рассказывается про растущий интерес к электронной биржевой торговле из-за технологического прогресса и увеличения доступа к информации, про возможности автоматизации торговли и сокращения рисков с помощью искусственного интеллекта как опытным, так и новым трейдерам. Рассмотрены авторефераты диссертаций молодых ученых, связанные с разработкой моделей и алгоритмов, а также другими способами оптимизации торговли на электронных биржах.

Ключевые слова: искусственный интеллект,  трейдинг, электронная биржа, оптимизация, автоматизация.

С развитием технологий и увеличением доступности информации, все больше людей обращают внимание на возможности, которые предлагает торговля на электронных биржах. Одной из причин растущего интереса к трейдингу является его доступность. Сегодня, для того чтобы начать торговать на бирже, не нужно иметь большой начальный капитал или специальное образование. Достаточно иметь компьютер или смартфон с доступом в интернет, открыть счет на электронной площадке, и вы можете начать торговлю. Второй причиной является возможность получения высокой доходности. В отличие от традиционных форм инвестирования, таких как банковские депозиты или облигации, трейдинг может принести значительно большую прибыль. Но вместе с возможными высокими доходами идут и высокие риски. Для того чтобы минимизировать риски и оптимизировать процессы торговли трейдеры стали активно внедрять возможности искусственного интеллекта (ИИ) в торговлю на бирже. ИИ может помочь в управлении рисками, анализируя различные сценарии и предсказывая возможные потери. Это помогает трейдерам управлять своими инвестициями более эффективно.

Искусственный интеллект предлагает мощные методы и алгоритмы обработки информации, которые могут быть использованы для автоматизации биржевого трейдинга. Под ИИ понимается комплекс технологических решений, позволяющий имитировать когнитивные функции человека и при выполнении конкретных задач получать результаты, сопоставимые с результатами его интеллектуальной деятельности. На сегодняшний день ИИ уже широко используется участниками российского финансового рынка в различных бизнес-процессах: для взаимодействия с клиентами, управления рисками, аналитики, мониторинга и совершения операций и так далее. При этом потенциал дальнейшего расширения использования ИИ финансовыми организациями представляется значительным. ИИ может повышать эффективность финансовых организаций, а также частных трейдеров. По оценкам экспертов, мировой финансовый сектор находится в числе отраслей, которые наиболее активно внедряют технологии ИИ.

Подавляющее большинство трейдеров теряют все свои средства на рынках из-за их психологической неподготовленности и малого опыта. Многие не готовы посвящать все своё время трейдингу и переживать убытки, но ищут дополнительный доход в этой сфере и хотели бы пользоваться услугами грамотного управляющего или использовать надёжные советы. Развитие автоматизированной торговли открывает новые возможности для научных исследований. Это включает в себя разработку новых алгоритмов и моделей машинного обучения, изучение влияния автоматизации на рынок, а также применение этих технологий в управлении инвестициями и рисками.

Автоматизация торговли позволяет ускорить процесс принятия решений, что критически важно в условиях быстро меняющегося рынка. Автоматизированные системы способны обрабатывать значительно больше информации, чем человек, и делать это более эффективно, может помочь снизить эмоциональный фактор, который часто мешает трейдерам принимать рациональные решения. В научных исследованиях активно изучаются методы и алгоритмы, позволяющие создавать автоматизированные системы торговли, способные анализировать большие объемы данных, прогнозировать поведение рынка и принимать решения о сделках.

Одна из таких работ представлена Николаевой Юлией Викторовной. В своей диссертационной работе «методы и алгоритмы интеллектуальной системы поддержки принятия решений трейдеров финансовых рынков», она попыталась повысить эффективность принятия управленческих решений участников рынка, за счет применения интеллектуальной системы поддержки принятия решений (ИСППР) трейдеров финансовых рынков. Юлия Викторовна разработала методики поддержки принятия решений трейдера по направлению сделки с финансовым инструментом, основанные на нейросетевой методологии с применением методов технического, фундаментального анализа, эконометрического моделирования, и алгоритма ее реализации в системе поддержки принятия решений. Идея создания методики поддержки принятия решений трейдера основана на эмуляции анализа трейдером привычных ему данных: значений по техническим индикаторам RSI, MACD, значений по прогнозной модели GARCH, знание о влиянии на волатильность рынка приближающихся экономических событий. По полученным данным трейдер на основе своих знаний и опыта делает вывод о текущей рыночной ситуации, и с учетом ожидаемой прибыли вступает в сделку. ИСППР, аналогично анализирует все полученные данные и выдает рекомендацию по направлению сделки. В качестве классификатора используется многослойный персептрон.

Данная система поддержки принятия решений может использоваться при реальной торговле на финансовых рынках профессиональными трейдерами. Разработанный программный продукт «НейроПрофит» обеспечивает трейдера рекомендацией по покупке-продаже финансовых инструментов с достоверностью в 83%. При использовании ИСППР «НейроПрофит» трейдер может получать до 137% ожидаемой от сделки, открытой по рекомендации системы, прибыли. Очень важно, что система способна ориентироваться на анализ вышедших экономических новостей, волатильность после выхода которых может составлять десятки процентов. Но большинство неопытных трейдеров недавно пришедших на рынки не смогут использовать данную систему в полной мере и вероятнее всего по прежнему будут нести убытки, поскольку система основана на алгоритмах и моделях машинного обучения, они не подвержены эмоциональному воздействию и могут принимать рациональные решения, основанные на данных, которые с большей долей вероятности будут правильными, но так как все основные действия при заключении сделок будут проводиться неопытным трейдером использующий данную ИСППР, то человеческий фактор снова возвращается. Ещё одним минусом является сложность в использовании и настройке она потребует специальных знаний и опыта.

Ещё одна диссертационная работа, затрагивающая обсуждаемые вопросы – «математический метод и алгоритмы фрактального анализа динамики финансовых рынков». В ней автор, Неганова Елена Вячеславовна, предлагает использовать фрактальные свойства рынка, методы реконструкции временных рядов и анализ долговременной памяти для прогнозирования поведения цен на различные активы. Это позволяет учитывать нелинейные и непрерывные изменения цен, которые могут быть упущены эконометрическими моделями. Такой подход может быть особенно полезен в условиях рыночной нестабильности и волатильности, когда традиционные модели могут оказаться недостаточно точными.

Недостатком данной работы может быть сложность применения физических и математических моделей финансового рынка в реальных условиях. Требуется высокий уровень математической подготовки и специализированные знания в области финансов, чтобы правильно применять эти модели для прогнозирования и анализа рыночной динамики. Кроме того, такие модели могут быть менее интерпретируемыми для неспециалистов, что может затруднить их принятие решений на основе прогнозов, полученных с их помощью. Данная работа предлагает новый подход к моделированию финансового рынка, но ее применение может быть вызовом для практиков и требует дополнительного изучения и практического опыта для эффективного использования.

Тема электронной биржевой торговли и применения искусственного интеллекта в этой области остается малоизученной. Дальнейшие исследования и разработки в этом направлении могут привести к новым инновационным методам оптимизации торговли на электронных биржах и улучшению результатов трейдеров.

Список литературы

1. Банк России. Применение искусственного интеллекта на финансовых рынках // Центральный банк РФ, 2023. С. 52.
2. Ассоциация ФинТех (05.10.2023). Искусственный интеллект  – основа для создания финансовых услуг нового поколения // Ассоциация ФинТех, 2023. С. 80.
3. Николаева Ю.В. Методы и алгоритмы интеллектуальной системы поддержки принятия решений трейдеров финансовых рынков // Автореферат, Брянск 2018. С. 19.
4. Неганова Е.В. Математический метод и алгоритмы фрактального анализа динамики финансовых рынков // Автореферат, Самара 2012. С. 20.
5. Ассоциация ФинТех (23.08.2023). Искусственный интеллект  – основа для создания финансовых услуг нового поколения // Ассоциация ФинТех, 2023.