Скачать 222.66 Kb.
|
На правах рукописи ШЕФОВА Наталья Александровна МАТЕМАТИЧЕСКИЕ МОДЕЛИ И МЕТОДЫ ОТЫСКАНИЯ КВАЗИЭФФЕКТИВНЫХ ПОРТФЕЛЕЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ КОМБИНИРОВАННОГО ТИПА Специальность 05.13.18 – Математическое моделирование, численные методы и комплексы программ А В Т О Р Е Ф Е Р А Т диссертации на соискание ученой степени кандидата физико-математических наук Тверь – 2012 Работа выполнена на кафедре информационных технологий факультета прикладной математики и кибернетики Тверского государственного университета.
Защита состоится «16» ноября 2012 года в 14:00 на заседании диссертационного совета Д212.263.04 при Тверском государственном университете по адресу: 170100, г. Тверь, Садовый переулок, 35, ауд.200. С диссертацией можно ознакомиться в библиотеке Тверского государственного университета по адресу: 170100, г. Тверь, ул. Володарского, 44а. Объявление о защите диссертации и автореферат опубликованы __ _______2012 года на официальном сайте Тверского государственного университета по адресу: http://university.tversu.ru/aspirants/abstracts/. Автореферат разослан __ ___________2012 года. Ученый секретарь диссертационного совета Общая характеристика работы Актуальность темы. На фоне стремительного развития экономики и постоянно повышающегося интереса к фондовому рынку особую актуальность приобрела проблема оптимизации фондовых портфелей и прогнозирования фондовых индексов. В условиях участившихся кризисов, принесших за последние два десятилетия миллиарды убытков инвесторам по всему миру, появилась необходимость в ревизии существующих методов фондового менеджмента и последующей модернизации моделей и методов портфельной оптимизации. Задача выбора оптимальной структуры портфеля ценных бумаг была впервые комплексно изучена Г. Марковицем в 1952 году. Предложенная им методика и модель портфельной оптимизации, основанные на понятии ожидаемой доходности и риска ценных бумаг, стала ядром исследований и основой развития современной теории принятия инвестиционных решений. Однако на фондовый рынок оказывает влияние не только внешняя среда, но и экспертные прогнозы, что совместно с ограниченной способностью инвестора распознавать и прогнозировать состояния фондового рынка, порождает фактор субъективной неопределенности. В результате рыночная неопределенность не обладает только классически понимаемой стохастической природой и носит комбинированный (гибридный) характер, а это ставит под сомнение возможность применения чисто классических методов теории вероятностей при построении инвестиционного портфеля. В итоге, инвестор, отказываясь от классического вероятностного подхода, вынужден применять для анализа и прогнозирования состояния рыночной среды экспертные, минимаксные и другие детерминистские подходы, которые не в состоянии учитывать неопределенность фондовых рынков надлежащим образом. Использование достижений теории нечетких множеств и теории возможностей в экономических исследованиях открыло новые горизонты для развития моделей и методов оптимизации инвестиционных портфелей ценных бумаг и прогнозирования фондовых индексов. Это позволяет более адекватно учитывать при моделировании неопределенности присущие знаниям эксперта проблемы и строить множества квазиэффективных (эффективных с заданной возможностью/необходимостью и вероятностью) оценок инвестиционных возможностей. Для широкого применения данного подхода необходимо дальнейшее развитие моделей, позволяющих комбинированный (гибридный) типы неопределенности, обоснование соответствующих принципов принятия решений и методов оптимизации. Более того, на сегодняшний день существует необходимость создания соответствующего программного обеспечения. Ввиду этого диссертационная работа, направленная на решение описанной проблемы является актуальной. Цель работы. Исследование и развитие математического аппарата обработки нечеткой случайной информации в контексте портфельной теории, разработка моделей и методов возможностно-вероятностной оптимизации, ориентированных на поддержку принятия инвестиционных решений в условиях неопределенности комбинированного (гибридного) типа. Основные задачи. Для достижения целей диссертационной работы решаются следующие задачи:
Методы исследований. Для формализованного описания проблемы принятия решений в нечеткой случайной среде используется математический аппарат современной теории возможностей, нечеткой случайной переменной и теории вероятностей. Построение эквивалентных детерминированных аналогов поставленных задач базируется на методах возможностной оптимизации, математического программирования, математического и функционального анализа. Методологическую основу исследования составляют современная портфельная теория и базовые принципы принятия инвестиционных решений. Разработка программного комплекса выполнена на языке высокого уровня Borland Delphi. Научная новизна. Основные результаты работы являются новыми:
Теоретическая и практическая значимость. Разработанные в диссертации модели принятия инвестиционных решений в условиях неопределенности комбинированного типа дополняют современную теорию портфельного анализа. Представленное в работе исследование влияния параметров модели на множество инвестиционных возможностей позволяет проводить сравнительное изучение разработанных моделей и методов принятия решений при различных уровнях возможности и вероятности. Полученные в работе методы могут быть использованы для «интеллектуального» анализа фондовых индексов. Разработанная на базе диссертационного исследования система поддержки принятия решений может быть применена для практического решения задач портфельного анализа в режиме реального времени. Положения, выносимые на защиту. На защиту выносятся следующие результаты:
Внедрение результатов работы. Проведенные научные исследования поддержаны грантом РФФИ: проект №10-01-00052a «Модели и методы оптимизации и принятия решений при гибридной неопределенности» и проектом №01201168129 «Разработка математических моделей и методов возможностно-вероятностного программирования и их реализация в прикладных программных системах». Результаты диссертации внедрены в учебный процесс на факультете прикладной математики и кибернетики Тверского государственного университета. Кроме того, с целью овладения практическими навыками анализа и оценки информации в условиях неопределенности комбинированного типа на базе теоретических знаний, получаемых в рамках курсов «Теория неопределенностей» и «Неклассические логики» разработаны «Методические рекомендации по использованию программного комплекса поддержки моделей и методов принятия инвестиционных решений в условиях гибридной неопределенности». Апробация работы. Основные результаты исследования были представлены на 17-м Международном коллоквиуме (Zittau East-West Fuzzy Colloquium 2010, Циттау, Германия), конференции с международным участием для молодых ученых «Математика, информатика, их приложения и роль в образовании» (Тверь, 2010), международной научно-практической конференции «Факторы развития экономики России» (Тверь, 2011), а также на семинарах в Тверском государственном университете. Публикации автора. Основные результаты диссертации опубликованы в 7 работах, приведенных в конце автореферата, две из которых опубликованы в журналах, рекомендуемых ВАК. Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и изложена на 159 страницах. Список литературы содержит 114 наименований, включая работы автора. Содержание работы. Во введении обосновывается актуальность темы, формулируются цели и задачи исследования, проводится обзор литературы и осуществляется краткое изложение основных положений и результатов диссертационной работы. В первой главе подготавливается и систематизируется необходимый математический аппарат теории возможностей, формулируются базовые определения и теоремы, составляющие теоретическую основу дальнейших исследований. В разделе 1.1 вводятся понятия нечетких величин, проводится обзор методов агрегирования и обработки нечеткой информации, описываются наиболее значимые для практических исследований классы параметризованных распределений. Рассмотрим основные понятия, которые потребуются нам в дальнейшем. Пусть есть возможностное пространство. Здесь - множество всех подмножеств , - возможностная мера, - двойственная ей мера необходимости, - числовая прямая. Определение 1.5. Возможностной (нечеткой) величиной (переменной) называется отображение . Распределение возможных значений величины описывается функцией , определяемой по правилу , где есть возможность того, что нечеткая величина может принять значение . Возможностная величина называется выпуклой, если ее распределение является квазивогнутым, то есть для любых , мы имеем . Приведем понятие минисвязанных возможностных величин. Функция распределения совокупности возможностных величин определяется следующим образом: , где - -мерное евклидово пространство. Определение 1.9. Возможностные величины называются взаимно минисвязанными, если для любого подмножества множества . Здесь есть одномерные функции распределения возможностей. Следующая теорема определяет бинарные операции над минисвязанными возможностными величинами. Теорема 1.3. Пусть есть множество арифметических операций , , - минисвязанные возможностные величины, определенные на возможностном пространстве , тогда возможностная величина , где , определяется функцией распределения , где , есть соответственно взятие минимума и максимума на отрезке . Для работы с нечеткой информацией важным является понятие -уровневого множества возможностной величины. Определение 1.10. Множеством -уровня возможностной величины называется множество . На практике для моделирования нечетких величин, как правило, используются распределения - типа Определение 1.15. Нечеткая величина называется величиной - типа, если ее распределение имеет вид: Здесь , имеют смысл границ интервала толерантности нечеткой величины , а , есть левый и правый коэффициенты нечеткости соответственно. Тогда нечеткая величина может быть обозначена следующим образом . В разделе 1.2 приводится понятие нечеткой случайной величины, описываются основные свойства и характеристики нечетких случайных величин. Пусть есть вероятностное пространство. Определение 1.16. Нечеткая случайная величина (переменная) есть вещественная функция , такая, что при любом фиксированном , величина является случайной величиной, определенной на . Распределение нечеткой случайной величины можно рассматривать также, как и в случае нечеткой величины, а именно: . Определение 1.17. – уровневым множеством нечеткой случайной величины при фиксированном называется множество . При этом границы определенного –уровневого множества являются случайными величинами: , . Определение 1.18. Математическое ожидание нечеткой случайной величины есть нечеткая величина, такая что . Определение 1.19. Ковариация нечетких случайных величин и определяется следующим образом: . Определение 1.20. Дисперсия нечеткой случайной величины определяется следующим образом: . При практической работе с нечеткими случайными величинами ключевой задачей является экспликация комбинированного вида неопределенности, а именно, выделение нечеткой и случайной составляющей рассматриваемой величины. В разделе 1.3 проводится исследование модели нечеткой случайной величины, имеющей сдвиг-масштабное представление, разрабатываются формулы для оценки основных характеристик нечетких случайных величин с учетом разделения нечеткой и случайностной составляющей, осуществляется конкретизация формул для триангулярного класса возможностных распределений. Получены следующие результаты. Лемма 1.4. Пусть , где , - случайные величины с математическими ожиданиями , и дисперсиями , соответственно, и являются некоррелированными случайными величинами, – нечеткая величина. Тогда является нечеткой случайной величиной и имеет матема-тическое ожидание и дисперсию с возможностью . Лемма 1.5. Пусть , где , - случайные величины с математическими ожиданиями , и дисперсиями , соответственно, , , – минисвязанные нечеткие величины. Тогда ковариация случайных величин и с возможностью исчисляется по формуле: (1.6) Лемма 1.7. Пусть , где , - случайные величины, имеющие конечные моменты первого и второго порядка, , . Тогда ковариация нечетких случайных величин и определяется по формуле: (1.10) В разделе 1.4 приводятся формулы для расчета моментов первого и второго порядка взвешенной суммы нечетких случайных величин, доказываются леммы, определяющие свойства числовых характеристик нечетких случайных величин. Лемма 1.9. Пусть , где , - случайные величины, имеющие конечные моменты второго порядка и математические ожидания , , - взаимно минисвязанные нечеткие величины, , . Тогда с возможностью дисперсия взвешенной суммы нечетких случайных величин исчисляется по формуле: (1.12) , Лемма 1.10. Функция является выпуклой функцией относительно переменных . Лемма 1.11. Функция является выпуклой функцией относительно переменных . Вторая глава диссертации посвящена исследованию двумерной модели портфеля минимального риска в условиях гибридной неопределенности. В разделах 2.1, 2.2 приводится комплексный анализ классической двумерной модели портфеля ценных бумаг. Полученный анализ дополнен исследованием величины раствора параболы в зависимости от значений коэффициента корреляции. В разделе 2.3 проведено обобщение двумерного портфеля ценных бумаг на случай нечетких случайных данных при ограничении по возможности на уровень доходности, построена соответствующая модель портфеля. Формируемый инвестором портфель описывается парой: , где – веса финансовых активов в портфеле ценных бумаг, для которых выполняется основное ограничение . Пусть доходности финансовых активов моделируются нечеткими случайными величинами, имеющими сдвиг-масштабное представление: , где , , - есть класс нормальных вероятностных распределений, - нечеткая величина, . Тогда характеристики двумерного портфеля являются нечеткими случайными величинами и могут быть представлены следующим образом: ожидаемая доходность портфеля: , где ; риск портфеля: , Исследование модели проводится для случая, когда нечеткие факторы имеют нормированное симметричное триангулярное распределение, т.е. . Двумерная модель портфеля ценных бумаг исследуется при ограничении по возможности на уровень ожидаемой доходности: В данной модели, - заданный уровень возможности, , - уровень доходности, приемлемый для инвестора (в общем случае параметр может быть нечёткой случайной величиной). Эквивалентный детерминированный аналог системы (1) имеет вид: где есть границы - уровневых множеств соответствующих нечетких случайных величин, моделирующих ожидаемую доходность i-го финансового актива . В разделе 2.4 на уровне эквивалентного детерминированного аналога проведено исследование влияния коэффициентов корреляции на множество инвестиционных возможностей в случае двумерной возможностно-необходимостной модели портфеля ценных бумаг; реализовано графическое представление результатов исследований. Для исследования влияния коэффициентов корреляции на множество инвестиционных возможностей предлагается следующая схема:
В итоге получено два множества «граничных» парабол и , где и - есть -уровневые дисперсии. На рисунке, приведенном ниже (рис. 2.12), представлены «граничные» множества инвестиционных возможностей для модели по Блеху, соответствующие значениям корреляции . Рис. 2.12. «Граничные» параболы множества инвестиционных возможностей для модели по Блеху при . При рассмотрении квазиэффективных решений принимаем во внимание только правые ветви парабол. С возможностью получаем коридор, который представляет множество квазиэффективных оценок инвестора. Вершины парабол, лежащие внутри полученного коридора, в зависимости от значений коэффициентов корреляции, перемещаются по гиперболе. При приходим, фактически, к классической модели портфельного анализа. Для модели Марковица критериальные множества «граничных» кривых на плоскости , соответствующие значениям представляют собой части парабол. Полученные множества квазиэффективных оценок представлены на рисунке 2.13. Рис. 2.13. Множество квазиэффективных инвестиционных возможностей для модели по Марковицу при . Таким образом, при крайних значениях коэффициентов корреляции инвестор может полностью элиминировать риск. Однако, если мы рассматриваем коэффициенты корреляции равные 1, элиминирование риска возможно только при разрешенных коротких продажах ценных бумаг. В случае, когда коэффициенты корреляции равны -1, инвестор может элиминировать риск как на коротких, так и на длинных позициях, что согласуется с результатами классической теории портфельного анализа. В разделе 2.5 продемонстрировано влияние коэффициентов корреляции на множество решений инвестора для конкретных числовых данных: акции компаний Газпром и Норильский Никель. Осуществлена графическая визуализация полученных результатов. Третья глава диссертации посвящена комплексному исследованию портфеля минимального риска в условиях неопределенности комбинированного типа. В разделе 3.1 анализируется многомерный портфель ценных бумаг при ограничении по возможности на уровень ожидаемой доходности. В этом случае доходности финансовых активов моделируются нечеткими случайными величинами. В разделе 3.2 проведен обзор существующих моделей и методов возможностной оптимизации, ориентированных на решение этой задачи при ограничении по возможности/необходимости на уровень ожидаемой доходности. Модель портфеля минимального риска в нечёткой случайной среде при ограничении по возможности (необходимости) на уровень ожидаемой доходности может быть записана в следующей форме: В данной модели , есть четкое бинарное отношение: . |
Математические методы и модели Габрин К. Э., Математические методы и модели: Семестровое задание и методические рекомендации к решению задач. – Челябинск: Издательство... | Васильев е. П. Экономико математические методы и модели часть I Лукинова С. Г., Шатохина Л. В., Васильев Е. П. Экономико-математические методы и модели Часть I. Учебно-методический комплекс. –... | ||
Горюшкин А. А., Хуторецкий А. Б. Математические модели и методы исследования... Горюшкин А. А., Хуторецкий А. Б. Математические модели и методы исследования операций: курс лекций: Учеб пос. Новосиб национ иссл... | Методические рекомендации по изучению дисциплины «экономико-математические... Методические рекомендации по изучению дисциплины «экономико-математические методы и модели» | ||
План чтения лекции по учебной дисциплине «Математические методы» Раздел №2 Учебные и воспитательные цели: изучить основные виды задач линейного программирования, их математические модели | Тема: «Математические расчеты семейного бюджета» Математическая экономика – теоретическая и прикладная наука, предметом которой являются математические модели экономических объектов... | ||
Фгбоу впо «сгэу» от 09. 11. 2012г. № Решение ученого совета Самарского... «Математическое моделирование», «Математические модели в финансовых операциях», «Методы оптимизации», «Экономико-математические методы... | Программа дисциплины «Экономико-математические методы и модели в... ... | ||
Лекция приемы разработки и выборов управленческих решений в условиях... Пособствовать формированию у учащихся навыков экономического соперничества, психологии успеха, умений работать в группе, выступать... | Методические указания по выполнению реферата по учебной дисциплине... Государственное образовательное учреждение высшего профессионального образования | ||
Методические указания по выполнению реферата по учебной дисциплине... Государственное образовательное учреждение высшего профессионального образования | Методические указания по выполнению реферата по учебной дисциплине... Государственное образовательное учреждение высшего профессионального образования | ||
Курса «Математические методы в психологии» Выписка из образовательного стандарта по дисциплине «Математические методы в психологии» | Дисциплины «математические методы в инженерных задачах» Кафедра математики Направление Математические методы в инженерных задачах – это прикладная математическая дисциплина, в которой изучаются, способствующая развитию... | ||
Методические рекомендации к самостоятельной работе студентов по дисципли... Содержание внеаудиторной самостоятельной работы студентов по дисциплине «Математические методы в психологии» включает в себя различные... | Примерная программа наименование дисциплины Линейная алгебра Рекомендуется... Эконометрика, Математический анализ, Микроэкономика, Макроэкономика, Дифференциальные и разностные уравнения, Дискретные математические... |