DOI: https://doi.org/10.20535/SRIT.2308-8893.2020.1.04

Адаптивне прогнозування та оцінювання фінансових ризиків

Valery Ya. Danilov, O. P. Gozhyj, I. O. Kalinina, Andrii O. Belas, Petro I. Bidyuk, O. L. Jirov

Анотація


Дослідження спрямовано на створення адаптивної системи підтримання прийняття рішень для моделювання і прогнозування нелінійних нестаціонарних процесів в економіці, фінансах та інших галузях людської діяльності. Запропоновано процедури для адаптивного оцінювання структури і параметрів регресійних і ймовірнісних моделей, а також архітектуру і функціональну схему відповідної інформаційної системи. Розроблення системи ґрунтується на принципах системного аналізу, таких як адаптивне оцінювання структури моделей, оптимізація процедур оцінювання параметрів моделей, ідентифікація та врахування можливих невизначеностей, які враховуються під час оброблення даних і побудови математичних моделей, а також для збирання даних, побудови моделей, у процедурах прогнозування і відіграють роль факторів негативного впливу на обчислювальні процедури в інформаційній системі. Зменшення їх впливу сприяє підвищенню якості проміжних та остаточних результатів обчислень. Розглянуто ілюстративні приклади практичного застосування розробленої системи, що підтверджують її функціональність.

Ключові слова


економічні та фінансові процеси; адаптивне моделювання; прогнозування нелінійних нестаціонарних процесів; невизначеності; системний аналіз; система підтримки прийняття рішень

Повний текст:

PDF (English)

Посилання


Jao C.S. Efficient decision support systems – practice and challenges from current to future / C.S. Jao. — Rijeka (Croatia): Intech, 2011. — 556 p.

Fernandez G. Data mining using SAS applications / G. Fernandez. — New York: CRC Press LLC, 2003. — 360 p.

Dovgyj S.O. DSS on the basis of statistical and probabilistic methods / S.O. Dovgyj, P.I. Bidyuk, O.M. Trofymchuk. — Kyiv: Logos, 2014. — 419 p.

Zgurowskii M.Z. System analysis: problems, methodology, applications / M.Z. Zgurowskii, N.D. Pankratova. — Kyiv: Naukova Dumka, 2005. — 745 p.

Harris C. Adaptive modeling, estimation and fusion from data / C. Harris, X. Hong, Q. Gan. — Berlin: Springer, 2002. — 322 p.

Harvey A.C. Forecasting, structural time series models and the Kalman filter / A.C. Harvey. — Cambridge: The MIT Press, 1990. — 554 p.

Rasmussen C.E. Gaussian processes for machine learning / C.E. Rasmussen, C.K.I. Williams. — Cambridge (Massachusetts), The MIT Press, 2006. — 248 p.

Bidyuk P.I. Time series analysis / P.I. Bidyuk, V.D. Romanenko, O.L. Tymoshchuk. — Kyiv: Polytechnika, NTUU "KPI", 2013. — 600 p.

Almeida E. Adaptive model rules from data streams / E. Almeida, C. Ferreira, J. Gama // Machine Learning and Knowledge Discovery in Data bases. ECML PKDD-2013. Lecture Notes in Computer Science. — Springer, Berlin. — Vol. 8188. — P. 480–492.

Succarat G. Automated model selection in finance: general-to-specific modeling of the mean, variance and density / G. Succarat, A. Escribano // Oxford Bulletin of Economics and Statistics. — 2012. — Vol. 74, Issue 5. — P. 716–735.

Pretis F. Automated general-to-specific (GETS) regression modeling and indicator saturation for outliers and structural breaks / F. Pretis, J.J. Reade, G. Succarat // Journal of Statistical Software. — 2018. — Vol. 86, Issue 3. — P. 1–44.

Quintana R. Adaptive exponential smoothing versus conventional approaches for lumpy demand forecasting: case of production planning for a manufacturing line / R. Quintana, M.T. Leung // International Journal of Production Research. — 2007. — Vol. 45, Issue 21. — P. 4937–4957.

Giraitis L. Adaptive forecasting in the presence of recent and ongoing structural change / L. Giraitis, G. Kapetanis, S. Price // Journal of Econometrics. — 2013. — Vol. 177, Issue 2. — P. 153–170.

Pesaran M.H. Optimal forecasts in the presence of structural breaks / M.H. Pesaran, A. Pick, M. Pranovich // Journal of Econometrics. — 2013. — Vol. 177, Issue 2. — P. 134–152.

Watsham T.J. Quantitative Methods in Finance / T.J. Watsham, K. Parramore. — London: International Thomson Business Press, 1997. — 395 p.

Xekalaki E. ARCH Models for Financial Applications / E. Xekalaki, S. Degiannakis. — New York: John Wiley & Sons, Ltd, Publication, 2010. — 535 p.

Gibbs B.P. Advanced Kalman filtering, least squares and modeling / B.P. Gibbs. — Hoboken: John Wiley & Sons, Inc., 2011. — 627 p.

Haykin S. Adaptive filter theory / S. Haykin. — Upper Saddle River (New Jersey): Prentice Hall, 2002. — 922 p.

19.Gilks W.R. Markov Chain Monte Carlo in practice / W.R. Gilks, S. Richardson, D.J. Spiegelhalter. — New York: CRC Press LLC, 2000. — 486 p.

Zgurowskii M.Z. System analysis: problems, methodology, applications / M.Z. Zgurowskii, N.D. Pankratova. — Kyiv: Naukova Dumka, 2005. — 743 p.

Anfilatov V.S. System analysis in control engineering / V.S. Anfilatov, A.A. Emelyanov, A.A. Kukushkin. — Moscow: Finansy i Statistika, 2002. — 368 p.

Zgurowskii M.Z. Analytical technics of Kalman filtering / M.Z. Zgurowskii, V.N. Podladchikov. — Kyiv: Naukova Dumka, 1995. — 285 p.

Cowell R.G. Probabilistic networks and expert systems / R.G. Cowell, A.Ph. Dawid, S.L. Lauritzen, D.J. Spiegelhalter. — Berlin: Springer, 1999. — 321 p.

Jensen F.V. Bayesian networks and decision graphs / F.V. Jensen, Th.D. Nielsen. — Berlin: Springer, 2007. — 427 p.

Koski T. Bayesian networks / T. Koski, J.M. Noble. — New York: John Wiley and Sons, Ltd., Publication, 2009. — 347 p.

Zgurowskii M.Z. Methods of constructing Bayesian networks based on scoring functions / M.Z. Zgurowskii, P.I. Bidyuk, O.M. Terentyev // Cybernetics and System Analysis. — 2008. — Vol. 44, N 2. — P. 219–224.

Ng B.M. Adaptive dynamic Bayesian networks / B.M. Ng. // Joint Statistical Meetings. — 2007. — 9 p.

Corriveau G. Bayesian network as an adaptive parameter setting approach for genetic algorithms / G. Corriveau, R. Guilbault, R. Tahan, R. Sabourin // Complex Intelligent Systems. — 2016. — N 1. — P. 1–23.


Пристатейна бібліографія ГОСТ


1. Jao C.S. Efficient decision support systems – practice and challenges from current to future / C.S. Jao. — Rijeka (Croatia): Intech, 2011. — 556 p.

2. Fernandez G. Data mining using SAS applications / G. Fernandez. — New York: CRC Press LLC, 2003. — 360 p.

3. Dovgyj S.O. DSS on the basis of statistical and probabilistic methods / S.O. Dovgyj, P.I. Bidyuk, O.M. Trofymchuk. — Kyiv: Logos, 2014. — 419 p.

4. Zgurowskii M.Z. System analysis: problems, methodology, applications / M.Z. Zgurowskii, N.D. Pankratova. — Kyiv: Naukova Dumka, 2005. — 745 p.

5. Harris C. Adaptive modeling, estimation and fusion from data / C. Harris, X. Hong, Q. Gan. — Berlin: Springer, 2002. — 322 p.

6. Harvey A.C. Forecasting, structural time series models and the Kalman filter / A.C. Harvey. — Cambridge: The MIT Press, 1990. — 554 p.

7. Rasmussen C.E. Gaussian processes for machine learning / C.E. Rasmussen, C.K.I. Williams. — Cambridge (Massachusetts), The MIT Press, 2006. — 248 p.

8. Bidyuk P.I. Time series analysis / P.I. Bidyuk, V.D. Romanenko, O.L. Tymoshchuk. — Kyiv: Polytechnika, NTUU "KPI", 2013. — 600 p.

9. Almeida E. Adaptive model rules from data streams / E. Almeida, C. Ferreira, J. Gama // Machine Learning and Knowledge Discovery in Data bases. ECML PKDD-2013. Lecture Notes in Computer Science. — Springer, Berlin. — Vol. 8188. — P. 480–492.

10. Succarat G. Automated model selection in finance: general-to-specific modeling of the mean, variance and density / G. Succarat, A. Escribano // Oxford Bulletin of Economics and Statistics. — 2012. — Vol. 74, Issue 5. — P. 716–735.

11. Pretis F. Automated general-to-specific (GETS) regression modeling and indicator saturation for outliers and structural breaks / F. Pretis, J.J. Reade, G. Succarat // Journal of Statistical Software. — 2018. — Vol. 86, Issue 3. — P. 1–44.

12. Quintana R. Adaptive exponential smoothing versus conventional approaches for lumpy demand forecasting: case of production planning for a manufacturing line / R. Quintana, M.T. Leung // International Journal of Production Research. — 2007. — Vol. 45, Issue 21. — P. 4937–4957.

13. Giraitis L. Adaptive forecasting in the presence of recent and ongoing structural change / L. Giraitis, G. Kapetanis, S. Price // Journal of Econometrics. — 2013. — Vol. 177, Issue 2. — P. 153–170.

14. Pesaran M.H. Optimal forecasts in the presence of structural breaks / M.H. Pesaran, A. Pick, M. Pranovich // Journal of Econometrics. — 2013. — Vol. 177, Issue 2. — P. 134–152.

15. Watsham T.J. Quantitative Methods in Finance / T.J. Watsham, K. Parramore. — London: International Thomson Business Press, 1997. — 395 p.

16. Xekalaki E. ARCH Models for Financial Applications / E. Xekalaki, S. Degiannakis. — New York: John Wiley & Sons, Ltd, Publication, 2010. — 535 p.

17. Gibbs B.P. Advanced Kalman filtering, least squares and modeling / B.P. Gibbs. — Hoboken: John Wiley & Sons, Inc., 2011. — 627 p.

18. Haykin S. Adaptive filter theory / S. Haykin. — Upper Saddle River (New Jersey): Prentice Hall, 2002. — 922 p.

19. 19.Gilks W.R. Markov Chain Monte Carlo in practice / W.R. Gilks, S. Richardson, D.J. Spiegelhalter. — New York: CRC Press LLC, 2000. — 486 p.

20. Zgurowskii M.Z. System analysis: problems, methodology, applications / M.Z. Zgurowskii, N.D. Pankratova. — Kyiv: Naukova Dumka, 2005. — 743 p.

21. Anfilatov V.S. System analysis in control engineering / V.S. Anfilatov, A.A. Emelyanov, A.A. Kukushkin. — Moscow: Finansy i Statistika, 2002. — 368 p.

22. Zgurowskii M.Z. Analytical technics of Kalman filtering / M.Z. Zgurowskii, V.N. Podladchikov. — Kyiv: Naukova Dumka, 1995. — 285 p.

23. Cowell R.G. Probabilistic networks and expert systems / R.G. Cowell, A.Ph. Dawid, S.L. Lauritzen, D.J. Spiegelhalter. — Berlin: Springer, 1999. — 321 p.

24. Jensen F.V. Bayesian networks and decision graphs / F.V. Jensen, Th.D. Nielsen. — Berlin: Springer, 2007. — 427 p.

25. Koski T. Bayesian networks / T. Koski, J.M. Noble. — New York: John Wiley and Sons, Ltd., Publication, 2009. — 347 p.

26. Zgurowskii M.Z. Methods of constructing Bayesian networks based on scoring functions / M.Z. Zgurowskii, P.I. Bidyuk, O.M. Terentyev // Cybernetics and System Analysis. — 2008. — Vol. 44, N 2. — P. 219–224.

27. Ng B.M. Adaptive dynamic Bayesian networks / B.M. Ng. // Joint Statistical Meetings. — 2007. — 9 p.

28. Corriveau G. Bayesian network as an adaptive parameter setting approach for genetic algorithms / G. Corriveau, R. Guilbault, R. Tahan, R. Sabourin // Complex Intelligent Systems. — 2016. — N 1. — P. 1–23.