МОСКВА, 12 августа. /ТАСС/. Исследователи из России разработали нейросетевую модель, способную за сутки до события с точностью более 83% предупредить о приближении краткосрочного фондового кризиса. Разработанная система может стать важным инструментом в арсенале инвесторов, финансовых аналитиков и регуляторов, сообщила пресс-служба НИУ ВШЭ.
"Работа имеет высокую практическую значимость для национального финансового сектора: она предлагает действенные инструменты для своевременного выявления рыночных потрясений, что особенно актуально для нестабильной макроэкономической среды", - отметила профессор факультета экономических наук НИУ ВШЭ Тамара Теплова.
Для получения подобных прогнозов профессор Теплова и сотрудники НИУ ВШЭ Максим Файзулин и Алексей Куркин разработали гибридную модель, которая сочетает три разных архитектуры машинного обучения - механизм внимания, темпоральные сверточные сети и подход LTSM, подразумевающый наличие у ИИ своеобразной краткосрочной памяти. По словам исследователей, в прошлом экономисты еще не применяли столь сложную структуру модели к российским биржевым данным.
Для ее обучения специалисты проанализировали данные с 2014 года по 2024 год, включающие рыночные и макроэкономические показатели, в первую очередь индекс Мосбиржи IMOEX, а также индикаторы настроений инвесторов. При подготовке данных ученым пришлось учесть несколько специфических особенностей этой области знаний, в том числе редкий характер кризисов и связанных с ним сигналов, а также подверженность инвесторов субъективным настроениям.
Для решения этих проблем исследователи разработали составные индексы внутреннего и внешнего инвестиционного настроения, используя метод главных компонент. Эти индексы дополняют традиционные макроэкономические и рыночные переменные, позволяя уловить скрытые эмоциональные сигналы участников торгов на более дальних временных горизонтах прогнозирования
"Модель эффективно обрабатывает неравномерные данные и достигает точности 78,70% при прогнозе кризисных событий в день наблюдения и 78,85% - на следующий торговый день. Использование месячной повторной тренировки и адаптивных временных окон позволило довести точность до 83,87%. Ключевыми факторами, влияющими на предсказания, оказались биржевые индикаторы, капитализация компаний - эмитентов акций и рыночные курсы валют", - подытожила профессор Теплова.
Комментарии