Nelineinoe prognozrovanie

Министерство экономического развития и торговли
Российской Федерации
Государственный университет Высшая школа экономики
Факультет экономики
Программа дисциплины
НЕЛИНЕЙНОЕ ПРОГНОЗИРОВАНИЕ В ФИНАНСАХ И БИЗНЕСЕ
для направления 080100.68 - Экономика
подготовки магистра
Автор
Курочкин С.В.
Рекомендована секцией УМС
_____________________________
Председатель
_____________________________
«_____» __________________ 200 г.
Одобрена на заседании кафедры
________________________________
Зав. кафедрой
________________________________
«____»_____________________ 200 г
Утверждена УС факультета
_________________________________
Ученый секретарь
_________________________________
« ____» ___________________200 г.
Москва
1
Тематический план учебной дисциплины
№
Название темы
Всего часов по
дисциплине
Аудиторные часы
Лекции
Самостоятельная
работа
Сем. и практ.
занятия
Структуры финансовых и
транзакционных данных
Общие вопросы анализа данных и
прогнозирования
R/S анализ
2
2
2
2
6
2
2
2
2
2
2
4
4
2
6
Анализ размерности дискретных
множеств
Распознавание и прогнозирование
нелинейных динамических систем
Нейросетевые методы анализа данных
12
8
4
2
7
Проблемы и методы Data Mining
4
2
2
4
8
Методы локальной и кластерной
регрессии
Итого:
2
2
30
24
6
24
1
2
3
4
5
----------------------------------------------------------------------------------------------------------------------------- ----------------------------
Базовый учебник
1.
Д.-Э.Бэстенс, В.-М. ван дер Берг, Д.Вуд “Нейронные сети и финансовые рынки” М. ТВП.
1997, Гл. 1-10.
----------------------------------------------------------------------------------------------------------------------------- ----------------------------
Формы контроля:
Итоговая оценка по учебной дисциплине складывается из следующих элементов:
Работа на практических занятиях в компьютерном классе
Письменный экзамен (120 мин.)
---------------------------------------------------------------------------------------------------------------------------------------------------------
Содержание программы
ТЕМА №1: СТРУКТУРЫ ФИНАНСОВЫХ И ТРАНЗАКЦИОННЫХ ДАННЫХ
Проблемы большой размерности; неопределенность в вопросе о значимых переменных,
ограниченность количества наблюдений; сложный характер зависимостей. Финансовые
временные ряды. Гипотеза эффективного рынка и вопросы ее соответствия реальным данным, ее
соотношение с фундаментальным и техническим анализом. Модель Башелье-Самуэльсона.
Проверки реальных данных на нормальность..
Базовый учебник
Д.-Э.Бэстенс, В.-М. ван дер Берг, Д.Вуд “Нейронные сети и финансовые рынки” М. ТВП. 1997, Гл. 3.
Основная литература
Э.Петерс. “Хаос и порядок на рынках капитала”, М., Мир, 2000. Гл. 1-4.
2
ТЕМА №2: ОБЩИЕ ВОПРОСЫ АНАЛИЗА ДАННЫХ И ПРОГНОЗИРОВАНИЯ
Задачи классификации, регрессии, сжатия данных. Обзор методов решения задач
классификации (kNN, MDA). Обзор линейных статистических методов анализа временных рядов.
Сжатие (снижение размерности) и визуализация данных.
Дополнительная литература
Ю.Н.Тюрин, А.АМакаров Статистический анализ данных на компьютере. М. Инфра-М, 1998 г.
С.А.Айвазян, В.С.Мхитарян Прикладная статистика. Основы эконометрики. М. Юнити, 2001 г.
ТЕМА №3: R/S АНАЛИЗ
Экспоненты Херста. Горизонты эффективность. Гипотеза фрактального рынка.
Основная литература
Э.Петерс. “Хаос и порядок на рынках капитала”, М., Мир, 2000. Гл. 5-10.
ТЕМА №4: АНАЛИЗ РАЗМЕРНОСТИ ДИСКРЕТНЫХ МНОЖЕСТВ
Метрическая («фрактальная»)
Корреляционный интеграл.
размерность.
Нелинейный
корреляционный
анализ.
Основная литература
Е.Е.Демидов и др. Нелинейный корреляционный анализ // Обозрение прикладной и промышленной
математики. 1999. Т. 6. Вып. 1. С. 4-57.
ТЕМА №5: РАСПОЗНАВАНИЕ И ПРОГНОЗИРОВАНИЕ НЕЛИНЕЙНЫХ ДИНАМИЧЕСКИХ
СИСТЕМ
Основные положения нелинейной динамики. Аттракторы. Теорема Такенса и следствия из
нее. Методы оценки размерности вложения.
Основная литература
Э.Петерс. “Хаос и порядок на рынках капитала”, М., Мир, 2000. Гл. 11-13.
Е.Е.Демидов и др. Нелинейный корреляционный анализ // Обозрение прикладной и промышленной
математики. 1999. Т. 6. Вып. 1. С. 4-57.
Дополнительная литература
С.Хайкин. Нейронные сети. М. Вильямс, 2006 г. Гл. 14.
ТЕМА №6: НЕЙРОСЕТЕВЫЕ МЕТОДЫ АНАЛИЗА ДАННЫХ
Идея, общая схема и история нейровычислений. Архитектуры нейронных сетей
(многослойный персептрон, радиальные базисные функции, сеть Кохонена). Теоремы об
универсальности нейронных сетей как аппроксиматора и классификатора. Обучение сети. Общие
сведения о задаче глобальной оптимизации и методах ее решения. Метод обратного
распространения ошибки. Ускорение сходимости. Способность сети к обобщению и проблема
переобучения. Общая идея кросс-проверки и ее реализация. Примеры применения нейронных
сетей к решению реальных задач анализа данных.
Базовый учебник
Д.-Э.Бэстенс, В.-М. ван дер Берг, Д.Вуд. Нейронные сети и финансовые рынки. М. ТВП. 1997, Гл. 110.
Основная литература
3.
Г.Дебок, Т.Кохонен “Анализ финансовых данных”, М., Альпина, 2001. Гл. 1-15.
Дополнительная литература
3
С.Хайкин. Нейронные сети. М. Вильямс, 2006 г. Гл. 1-5, 9.
ТЕМА №7: ПРОБЛЕМЫ И МЕТОДЫ DATA MINING
Проблема сжатия и/или отбора значимых входных данных при анализе данных большой
размерности. Генетические алгоритмы. Нелинейный анализ главных компонент и его реализация
нейронной сетью.
Базовый учебник
Д.-Э.Бэстенс, В.-М. ван дер Берг, Д.Вуд. Нейронные сети и финансовые рынки. М. ТВП. 1997, Гл. 5.
Дополнительная литература
С.Хайкин. Нейронные сети. М. Вильямс, 2006 г. Гл. 8.
ТЕМА №8: МЕТОДЫ ЛОКАЛЬНОЙ И КЛАСТЕРНОЙ РЕГРЕССИИ
Кластерная и локально-размерностная структура данных. Методы распознавания локальной
структуры данных, примеры их применения в построении механических торговых систем.
Основная литература
Е.Е.Демидов и др. Нелинейный корреляционный анализ // Обозрение прикладной и промышленной
математики. 1999. Т. 6. Вып. 1. С. 4-57.
----------------------------------------------------------------------------------------------------------------------------- -----------------
Тематика заданий по формам текущего контроля:

На практических занятиях, после освоения соответствующего программного обеспечения,
студент должен решить реальную задачу анализа (прогнозирование, классификация и др.)
финансовых или транзакционных данных сложной структуры. Приветствуется
самостоятельный выбор предметной области и конкретной задачи.
----------------------------------------------------------------------------------------------------------------------------- ----------------------------
Вопросы для оценки качества освоения дисциплины
 Логические соотношения между: гипотезой эффективного рынка в различных формах,
моделью экономического броуновского движения, логнормальностью распределений
доходности финансовых активов, техническим анализом, фундаментальным анализом.
 На каких инвестиционных горизонтах финансовые рынки эффективны.
 Какие свойства данных критичны для возможности решения задачи регрессии/классификации
а) линейными методами; б) в принципе.
 Определение и практический расчет размерности точечных множеств.
 Как рассчитать и интерпретировать показатель Херста временного ряда.
 Как восстановить динамическую систему (в дискретном времени) по временному ряду ее
измерений
 Основные архитектуры нейронных сетей
 Обучение нейронных сетей и его соотнесение с обучением любых естественных и
искусственных интеллектуальных систем
 В чем конкретно проявляется «проклятие размерности» при решении практических задач.
 Может ли торговая система распознавать прогнозируемость рынка в данный момент
---------------------------------------------------------------------------------------------------------------------------------------------------------
Автор программы: _____________________________/ Ф.И.О./
Подпись обязательна.
4