Введение3

1. Постановка задачи6

Основной задачей дипломной работы является разработка информационной системы прогнозирования динамики курсов ценных бумаг.

В рамках решения поставленной задачи должны быть выполнены следующие подзадачи:

" исследование рынка ценных бумаг, выявление существующих проблем анализа фондовых рынков;

" исторический обзор моделей прогнозирования;

" проведение анализа проблемы прогнозирования курса ценных бумаг;

" проведение сравнительного анализа известных моделей прогнозирования;

" выбор модели, обеспечивающей эффективное решение задачи прогнозирования;

" исследование предложенной модели;

" реализация тестового примера для выбранной модели в среде Borland Delphi7;

" сравнение полученного прогноза с реальными данными;

" подведение итогов и сравнение;

" анализ полученных результатов, выводы.

При этом разрабатываемая информационная система должна удовлетворять следующим функциональным требованиям:

" простота и удобство использования интерфейса;

" многопользовательский доступ на основе архитектуры "клиент-сервер";

" разграничение прав доступа,

" снабжение инструкциями пользователя;

" наличие отчетов, содержащих прогноз и реальные данные.

Кроме того необходимо выполнение следующих технических требований

" должна иметь архитектуру "клиент-сервер";

" минимизация используемой памяти и высокое быстродействие;

" система должна работать под управлением ОС Windows;

" проведение тестирования информационной системы.

2. Теоретические основы8

2.1. Теории рынка ценных бумаг. Классические системы анализа и прогнозирования8

2.2.Проблемы моделей прогнозирования. Новейшие системы прогнозирования

2.3. Нейронные сети. Прогнозирование при помощи нейронных сетей

2.3.1. История развития аппарата нейронных сетей

Модель Маккалоха

Модель Розенблата

Модель Хопфилда

Модель сети с обратным распространением

2.3.2. Нейронные сети - основные понятия и определения

2.4. Математическая модель нейронной сети

2.5. Алгоритм обучения нейронной сети с обратным распространением

Проблемы обучения нейросетей обратного распространения

2.6. Информационные системы

3. Проектирование

3.1. Объектно-ориентированное проектирование

3.2. Семантический анализ предметной области

3.2.1.Логическая модель данных

3.2.2. Выбор сервера базы данных

3.2.3. Физическая модель базы данных

3.3. Выбор типа нейронной сети

3.4. Выбор среды реализации

4. Структура и основные функции информационной системы

5. Тестирование

6. Анализ результатов

Заключение

Литература

Приложение. Руководство пользователя

Данная дипломная работа посвящена прогнозированию динамики курса ценных бумаг. Важнейшим сегментом фондового рынка является вторичный рынок ценных бумаг, который представляет собой механизм перераспределения инвестиционных потоков в реальный сектор экономики, механизм перераспределения собственности и арену спекулятивной игры. Он также дает держателям бумаг возможность продать ранее приобретенные ценные бумаги. Операции на данном сегменте фондового рынка относятся к категории рискованных [1]. В некоторых случаях инвестор может рассчитывать на значительный доход, но очень часто он получает убыток. Причина этого кроется в том, что рыночный курс ценных бумаг под воздействием большого количества факторов испытывает весьма сильные колебания, предсказать которые очень трудно. Важнейшие из них - величина спроса и соответственно предложения данных ценных бумаг, размер дивидендов по ним, величина банковского процента. На курс могут оказывать влияние и косвенные факторы, которые определяют спрос и предложение. Например, спрос на ценные бумаги нефтяных компаний обусловлен, прежде всего, ценой на углеводороды на мировом рынке.

Принятие инвестором решения о купле или продаже ценных бумаг базируется на информации описательного или аналитического характера. Описательная информация содержит сведения о реальном состоянии экономики, рынка или ценных бумаг в прошлом. Аналитическая информация содержит сведения об уровне котировок ценных бумаг данной фирмы, о темпах роста ее экономических показателей, о финансовых взаимосвязях с другими фирмами. И та, и другая информация дает инвесторам базу для оценки ожидаемого уровня риска и соответствующей ему доходности возможных вложений.

Для того чтобы максимизировать прибыль и минимизировать убыток от операций с ценными бумагами, инвестор также должен иметь в своем распоряжении целостную концепцию анализа вторичного рынка, включающую в себя, во-первых, теоретическое описание рынка ценных бумаг, во-вторых, систему прогнозирования будущего курса фондовых ценностей, а в-третьих, набор конкретных алгоритмов инвестирования.

Сложность задачи прогнозирования заключается в том, что информация о рынке ценных бумаг включает в себя наряду с количественными показателями, характеризующими их курсы, специфические данные, значительная часть которых не имеет количественной определенности, а представляется в виде высказываний и качественных оценок специалистов.

Проблемы комплексного анализа качественных и количественных данных и синтеза решений на его основе, как правило, решаются специалистами, исходя из их опыта и знаний. Кроме того, задачи оценки состояния рынка ценных бумаг и перспектив его развития требуют для своего решения привлечения специалистов различного профиля: экономистов, математиков, сотрудников бирж и т.п. Собрать соответствующий коллектив экспертов каждый раз, когда в нем возникает необходимость, трудно или невозможно. Наконец, необходимо учесть, что ситуация, складывающаяся на рынке ценных бумаг, постоянно изменяется, так как динамично меняются все ее основные параметры.

Все перечисленные выше обстоятельства и обуславливают актуальность темы исследования.

На сегодняшний день уже существует множество различных систем прогнозирования курса ценных бумаг, самыми известными из них считаются Quik, PIAdviser, MetaStock, которые используют многие профессиональные трейдеры и инвесторы [2].

Программа MetaStock позволяет строить ценовые графики, проводить технический анализ, выбирать наиболее выгодные моменты для покупки и продажи ценных бумаг.

Программа PIAdviser является аналитическим инструментом, позволяющим ориентироваться и знать прошлое и текущее состояние на международном и российском рынке ценных бумаг, наблюдать лидеров роста/падения, определять сильные и слабые акции и благоприятные моменты совершения сделок. PIAdviser - это уже готовая торговая система, предназначенная для прогнозирования движения цен и составления рекомендаций на покупку и продажу ценных бумаг. В арсенале программы существует несколько настраиваемых торговых тактик, которые позволяют "ловить" большинство ценовых движений на рынке. Применение PIAdviser позволяет получать прибыль при растущем, падающем и боковом движении на рынке акций, фьючерсов и валютных пар FOREX.

Программа Quik популярная программа предоставляет оперативную биржевую информацию в режиме on-line, а также совершать торговые операции на бирже через специальную программу Интернет-торговли Quik.

Основным недостатком всех указанных систем и всех их аналогов является их высокая стоимость и то, что они требуют от пользователя конкретных знаний и умений, то есть требуют обучения, которое тоже стоит отнюдь недешево. Дороговизна, громоздкость интерфейса существующих систем прогнозирования, необходимость дополнительного обучения обуславливают практическую значимость разработки собственной информационной системы.

Целью дипломной работы является анализ методов прогнозирования ценных бумаг и реализация информационной системы прогнозирования динамики курсов. Разработка программы осуществляется с помощью аппарата нейронных сетей.

1. Недосекин А.О. Оптимизация модельных фондовых портфелей в условиях существенной неопределенности. Раздел 6. Когда от квазистатистики надо отказываться // Аудит и финансовый анализ. 2002, №1.

2. Малинецкий Г.Г., Потапов А.Б. Русла и джокеры: о новых методах прогноза поведения сложных систем. ИПМ им. М.В.Келдыша РАН (препринт), 1998, №32, 20 c.

3. Барцев С.И. Некоторые свойства адаптивных сетей (программная реализация). Красноярск: Институт физики СО АН СССР, 1987.

4. Барцев С.И., Охонин В.А. Адаптивные сети обработки информации. Красноярск: Институт физики СО АН СССР, 1986.

5. Гольцев А.Д. Яркостная сегментация изображения при помощи нейроподобной сети.//Автоматика, 1965, №5, с. 40-50.

6. Куссуль В.М., Байдык Т.Н. Разработка архитектуры нейроподобной сети для распознавания формы объектов на изображении.//Автоматика, 1990, №5, с. 56-61.

7. Маккалох Дж., Питтс У. Логические исчисления идей, относящихся к нервной деятельности.// Автоматы. М.: ИЛ, 1956.

8. Розенблат Ф. Аналитические методы изучения нейронных сетей.// Зарубежная радиоэлектроника. 1965, № 5, с. 40-50.

9. Тэнк Д.У., Хопфилд Д.Д. Коллективные вычисления в нейроноподобных электронных схемах.//В мире науки. 1988. №2. с. 44-53.

10. Джеффри Е. Хинтон. Как обучаются нейронные сети.// В мире науки , 1992, №11- 12, c. 103-107.

11. Е. Монахова, "Нейрохирурги" с Ордынки, PC Week/RE, № 9, 1995.

12. Ф.Уоссермен, Нейрокомпьютерная техника, М., Мир, 1992.

13. С.Короткий, Нейронные сети: основные положения.

Примечаний нет.