По мнению исследователей, в прошлом экономисты не использовали столь сложную модель для анализа биржевых данных России
Группа ученых из России создала нейросетевую модель, способную за сутки до события с точностью свыше 83% предсказать надвигающийся краткосрочный кризис на фондовом рынке. Разработанная система может стать важным инструментом для инвесторов, финансовых аналитиков и регуляторов, сообщает пресс-служба НИУ ВШЭ.
"Данная работа имеет значительную практическую ценность для национального финансового сектора: она предлагает эффективные методы для своевременного обнаружения рыночных потрясений, что особенно актуально в условиях нестабильной макроэкономической ситуации", — отметила профессор факультета экономических наук НИУ ВШЭ Тамара Теплова.
Чтобы получить такие прогнозы, профессор Теплова и ее коллеги из НИУ ВШЭ Максим Файзулин и Алексей Куркин создали гибридную модель, которая объединяет три различных архитектуры машинного обучения — механизм внимания, временные сверточные сети и подход LTSM, предполагающий наличие у ИИ своеобразной краткосрочной памяти. Как утверждают исследователи, ранее экономисты не использовали такую сложную структуру модели для анализа российских биржевых данных.
Для обучения модели специалисты проанализировали данные за период с 2014 по 2024 год, учитывающие рыночные и макроэкономические показатели, прежде всего индекс Мосбиржи IMOEX, а также индикаторы настроений инвесторов. При подготовке данных ученым пришлось учитывать некоторые специфические особенности данной области знаний, включая редкость кризисов и связанных с ними сигналов, а также влияние субъективных настроений инвесторов.
Чтобы решить эти задачи, исследователи разработали составные индексы внутреннего и внешнего инвестиционного настроения, используя метод главных компонент. Эти индексы дополняют традиционные макроэкономические и рыночные переменные, позволяя выявить скрытые эмоциональные сигналы участников торгов на более долгосрочных временных горизонтах прогнозирования. Это способствовало достижению моделью высокой точности прогнозирования, позволяющей предсказать краткосрочный кризис на фондовом рынке за сутки до его начала.
"Модель эффективно обрабатывает неравномерные данные и демонстрирует точность 78,70% при прогнозировании кризисных событий в день наблюдения и 78,85% — на следующий торговый день. Применение месячной повторной тренировки и адаптивных временных окон позволило повысить точность до 83,87%. Основными факторами, влияющими на предсказания, стали биржевые индикаторы, капитализация компаний-эмитентов акций и рыночные курсы валют", — резюмировала профессор Теплова.
Фото: hi-tech.mail.ru