Российские исследователи ВШЭ разработали нейросетевую модель, которая, как заявляется, может за сутки до события с точностью более 83% предупредить о приближении краткосрочного фондового кризиса. Работа опубликована в журнале Socio-Economic Planning Sciences.
Профессор факультета экономических наук НИУ ВШЭ Тамара Теплова и сотрудники университета Максим Файзулин и Алексей Куркин разработали гибридную модель глубокого обучения. Она сочетает в себе три разные архитектуры машинного обучения: временные сверточные сети (TCN), длинную цепь элементов краткосрочной памяти (LSTM) и механизм внимания инвесторов (Attention). Сообщается, что это первая попытка применить столь сложную структуру к российским биржевым данным.
Чтобы обучить нейросеть, специалисты проанализировали данные 2014–2024 гг., в том числе рыночные и макроэкономические показатели. В первую очередь, исследователей интересовали Индекс МосБиржи, а также настроения инвесторов. Кроме того, исследователи учли специфические особенности этой области знаний, в том числе редкий характер кризисов и связанные с ним сигналы.
Ученые разработали составные индексы внутреннего и внешнего инвестиционного настроения. По задумке, эти индексы дополняют традиционные макроэкономические и рыночные переменные, что помогает учесть и скрытые эмоциональные сигналы участников торгов на более дальних временных отрезках 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 (аналог технического анализа), капитализация компаний — эмитентов акций и рыночные курсы валют», — рассказала Тамара Теплова.
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Жалоба