Применение сетевого прикладного анализа к фондовому рынку

Рассмотрены возможности применения модернизированной меры близости между акциями для построения и анализа рыночного графа. Изучены характеристики предложенной модели, оценены состояния рынков, получено компактное описание процессов для принятия инвестиционных решений.

Введение …………………………………………………………………………………………………………………. 10
Глава 1. Обзор литературы ……………………………………………………………………………………….. 12
1.1. Сетевой подход к анализу фондовых рынков …………………………………………………. 12
1.2. Основные характеристики и описание модели рыночного графа …………………….. 13
1.3. Описание корреляций Пирсона и модернизированной меры близости …………….. 16
Глава 2. Объект и методы исследования…………………………………………………………………….. 21
2.1. Блок БРИКС ……………………………………………………………………………………………….. 21
2.1.1. Фондовые рынки стран БРИКС ……………………………………………………………… 22
2.2. Описание исходных данных моделей ……………………………………………………………. 26
2.3. Критерии и методы сравнения моделей…………………………………………………………. 29
Выводы по главе ……………………………………………………………………………………………………… 30
Глава 3. Результаты расчетов и их анализ ………………………………………………………………….. 32
3.1. Сетевые модели для рынка акций стран БРИКС …………………………………………….. 32
3.2. Результаты анализа рыночного графа с использованием корреляций Пирсона …. 41
3.2.1. Распределение коэффициентов корреляции …………………………………………….. 41
3.2.2. Плотность рёбер ………………………………………………………………………………………. 45
3.2.3. Коэффициент кластеризации …………………………………………………………………. 46
3.3. Результаты анализа рыночного графа с использованием модернизированной меры
близости ………………………………………………………………………………………………………………. 47
3.3.2. Плотность рёбер……………………………………………………………………………………. 50
3.3.3. Коэффициент кластеризации …………………………………………………………………. 52
Выводы по главе ……………………………………………………………………………………………………… 54
Глава 4. Финансовый менеджмент, ресурсоэффективность и ресурсосбережение …………. 56
4.1. Оценка коммерческого и инновационного потенциала НТИ …………………………… 56
4.1.1. Потенциальные потребители результатов исследования …………………………… 56
4.1.2. Технология QuaD ………………………………………………………………………………….. 57
4.1.3. SWOT – анализ …………………………………………………………………………………….. 58
4.1.4. Оценка готовности проекта к коммерциализации…………………………………….. 61
4.1.5. Методы коммерциализации результатов научно-технического
исследования… …………………………………………………………………………………………………. 62
4.2. Разработка устава научно-технического проекта ……………………………………………. 62
4.2.1. Цели и результат проекта ………………………………………………………………………. 62
4.2.2. Организационная структура проекта ………………………………………………………. 63
4.2.3. Ограничения и допущения проекта ………………………………………………………… 64
4.3. Планирование процесса управления НТИ: структура и график проведения,
бюджет, риски и организация закупок ……………………………………………………………………. 65
4.3.1. Разработка календарного плана проекта …………………………………………………. 65
4.3.2. Бюджет научно – технического исследования (НТИ) ……………………………….. 67
4.4. Оценка сравнительной эффективности исследования …………………………………….. 73
Выводы по главе ……………………………………………………………………………………………………… 76
Глава 5. Социальная ответственность ………………………………………………………………………… 78
5.1. Правовые и организационные вопросы обеспечения безопасности ………………….. 78
5.1.1. Правовые нормы трудового законодательства для рабочей зоны оператора
ПЭВМ….. …………………………………………………………………………………………………………. 78
5.1.2. Организационные мероприятия при компоновке рабочей зоны ………………… 79
5.2. Производственная безопасность …………………………………………………………………… 82
5.2.1. Анализ выявленных вредных факторов …………………………………………………… 83
5.2.2. Обоснование мероприятий по снижению воздействия ……………………………… 90
5.3. Экологическая безопасность ………………………………………………………………………… 91
5.4. Безопасность в чрезвычайных ситуациях ………………………………………………………. 92
Выводы по главе ……………………………………………………………………………………………………… 94
Заключение……………………………………………………………………………………………………………… 95
Список публикаций студента ……………………………………………………………………………………. 97
Список использованных источников …………………………………………………………………………. 98
Приложение A ……………………………………………………………………………………………………….. 101
Приложение Б ……………………………………………………………………………………………………….. 111
Приложение В ……………………………………………………………………………………………………….. 112
Приложение Г ……………………………………………………………………………………………………….. 116
Приложение Д ……………………………………………………………………………………………………….. 121

В данной магистерской диссертации была изучена возможность
применения модернизированной меры близости для построения сетевых
моделей рынка акций.

В ходе работы были реализованы алгоритмы, позволяющие строить
сетевые модели рынков, как с новой мерой близости, так и с корреляциями
Пирсона, и вычислять их структурные характеристики.

В качестве модельных данных были выбраны данные по рынкам стран
БРИКС с 2015 по 2020 гг. Для изучения моделей в динамике, данный
временной отрезок был разбит на 5 последовательных периодов. Для каждого
из периодов с помощью написанных алгоритмов были построены модели
рынка и произведен расчет их характеристик. В общей сложности
проанализировано 2945 временных рядов.

Основываясь на полученных результатах, можно сделать следующие
выводы:

1. Сетевая модель рынка акций в виде взвешенного графа, в которой
вершинами являются тикеры акций, а веса ребер соответствуют мере
близости, позволяет проводить анализ рынка для выявления связанных групп
акций. Эта модель может использоваться для оценки возможностей по
формированию диверсифицированного портфеля и управления рисками,
однако не включает информацию об общей доходности подобного портфеля.

2. Разработанная мера близости позволила отказаться от использования в
качестве меры критерия Пирсона. Основные преимущества новой меры
близости: наличие экономической интерпретации, учет реальной доходности
на основании анализа инфляции. Анализ показал, что подобная мера позволяет
выявить группы связанных акций, имеющих при этом низкое либо даже
отрицательное значение критерия Пирсона. Это позволяет использовать
новую меру близости и модель на его основе в качестве инструмента для
оценки возможностей по получению дохода на рынках ценных бумаг.

3. Преимущества сетевой модели над биржевым индексом также
очевидны. В отличие от индекса, новая модель рынка позволяет оценивать не
только общую тенденцию изменения стоимости акций на рынке, но и выделять
кластеры – группы акций, имеющие близкое ценовое поведение на рынке. Это
позволяет более эффективно формировать портфели акций.

4. Отмечено, что сетевая модель с использование разработанной меры
близости, имеет свойство степенного закона. Свойство степенного закона
присуще многим сетевым моделям природных явлений, что косвенно
подтверждает корректность использования подобной меры близости.

5. Сравнительный анализ рынков стран БРИКС позволяет сделать вывод,
что наименьшей связностью обладает рынок России. Большие колебания
таких характеристик, как плотность ребер и коэффициент кластеризации
говорят о том, что российский рынок является достаточно нестабильным.
Остальные рынки группы имеют близкую степень связности.
Список публикаций студента

1. Хакимова, Д.П. Прогнозирование временных рядов (на примере курса
валюты) с помощью метода SSA / Д.П. Хакимова // Точная наука. – 2020.
-№77. – С.12-17. URL: https://idpluton.ru/wp-content/uploads/tv77.pdf