Журнал «Вопросы отраслевой экономики»

Выпуск №4 (4) (2023)

УДК 330.43; 332.14
DOI 10.24888/2949-2793-2023-4-56-63

МЕТОДЫ НЕЙРОСЕТЕВОГО И ФРАКТАЛЬНОГО КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ ДЛЯ АНАЛИЗА И ПРОГНОЗА ДИНАМИКИ ПОКАЗАТЕЛЕЙ ПРОИЗВОДНЫХ ФИНАНСОВЫХ ИНСТРУМЕНТОВ НА ЗЕРНОВОМ РЫНКЕ

Автор(ы): Лопухин А.М.

Основополагающим элементом рынка продовольствия в Липецкой области является зерновое хозяйство, от развития которого зависит производственная безопасность страны и области, биобезопасность и здоровье нации. Установлено, что сельское хозяйство относится к высокорисковым отраслям (колебание цен, вариация уровня урожайности, частичная или полная потеря ресурсов, изменение государственной политики и др.). Очевидно, что управление этим видом риска является одной из важнейших задач сельскохозяйственного товаропроизводителя. В зависимости от ожиданий цены можно строить стратегию торговли акциями производителей зерна. В статье анализируются традиционные методы анализа и прогноза (методы прогнозной экстраполяции, регрессионный анализ, марковский подход, нечеткая логика), основанные на классической, бинарной логике и встроенные в финансовые рынки для упрощения взаимодействия трейдоров с биржей, и инновационные методы (фрактальные методы, нейросетевые алгоритмы) с возможностью эффективного их применения на рынке производных финансовых инструментов. Предложено новое инструментальное средство с нейронной сетью в своей основе, позволяющее решать задачу прогнозирования на зерновом рынке производных финансовых инструментов, и обеспечивающее повышение качества и точности идентификации и оценки, мониторинга и коррекции рисков с целью принятия верных управленческих решений сельскохозяйственными товаропроизводителями.

Ключевые слова
рынок зерна; зерновой фьючерс; эконометрическое прогнозирование; математические т технические инструменты

METHODS OF NEURAL NETWORK AND FRACTAL COMPUTER MODELING FOR ANALYSIS AND FORECASTING THE DYNAMICS OF INDICATORS OF DERIVATIVE FINANCIAL INSTRUMENTS ON THE GRAIN MARKET MARKET

Author: Lopuchin A.M.

The fundamental element of the food market in the Lipetsk region is grain farming, on the development of which depends the industrial safety of the country and the region, biosafety and the health of the nation. It has been established that agriculture belongs to high-risk industries (price fluctuations, variations in yield levels, partial or complete loss of resources, changes in government policy, etc.). It is obvious that managing this type of risk is one of the most important tasks of an agricultural producer. Depending on price expectations, you can build a strategy for trading shares of grain producers. The article analyzes traditional methods of analysis and forecasting (methods of predictive extrapolation, regression analysis, Markov approach, fuzzy logic) based on classical, binary logic and embedded in financial markets to simplify the interaction of traders with the exchange, and innovative methods (fractal methods, neural network algorithms) with the possibility of their effective application in the derivatives market tools. A new tool with a neural network at its core is proposed, which allows solving the problem of forecasting in the grain market of derivative financial instruments, and ensuring an increase in the quality and accuracy of identification and assessment, monitoring and correction of risks in order to make the right management decisions by agricultural producers.

Key words:
grain market; grain futures; econometric forecasting; mathematical and technical tools

Список литературы

Карлина, Е.П. Моделирование тенденций развития социально-экономических систем на основе нейронных систем/ Е.П. Карлина, Н.Ш. Епифанова, А.С. Фартушина, В.В. Дергунов // Вестник Астраханского государственного технического университета. Серия: Экономика. - 2017. - №4. - С. 53-59.
Кремер, Н. Ш. Эконометрика / Н.Ш. Кремер, Б.А. Путко. - М.: Изд-во Юрайт, 2017. - 354 с.
Мандельброт, Б. Фракталы, случай и финансы / Б. Мандельброт. - Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2004.
Недосекин, А.О. Применение теории нечетких множеств к задачам управления финансами / А.О. Недосекин // Аудит и финансовый анализ. - 2000. - №2. [Электронный ресурс]. URL: https://www.cfin.ru/press/afa/2000-2/08.shtml
Пчелинцев, А.В. Моделирование инвестиционного портфеля с использованием нейросетевых технологий / А.В. Пчелинцев, И.А. Зюдина, С.А. Рагочев // Вестник МГУ. - 1999. - №4. - С.75-90.
Тимофеев, Н. А. Математическое моделирование динамики кредитного портфеля: монография / Н. А. Тимофеев, Г. А. Тимофеева, Д. С. Завалищин. - Екатеринбург : УрГУПС, 2016. - 99 с.
Шкляев, А. О. Прогнозирование финансовых временных рядов методом скрытых марковских моделей / А.О. Шкляев // Научные записки молодых исследователей. - 2015. -№ 1 -С. 17-21.
Яковлев, В.Л. Модели детерминированного хаоса в задаче прогнозирования тенденций финансовых рынков и их нейросетевая реализация / В.Л. Яковлев, Г.Л. Яковлева, Л.А. Лисицкий // Информационные технологии. - 2000. - №2. - С.46-52.
Kimoto, T. Stock market predication system with modular neural networks. In Neural Networks / T. Kimoto, K. Asakawa, M. Yoda, M. Takeoka // IJCNN International Joint Conference. - 1990. - Vol. 1. - Pp. 1-6.
Kamijo, K.-i. Stock price pattern recognition-a recurrent neural network approach. In Neural Networks / K.-i. Kamijo, T. Tanigawa // IJCNN International Joint Conference. - 1990. - Vol. 1. - Pp. 215-221.
Trippi, R.R. Trading equity index futures with a neural network / R.R. Trippi, D. DeSieno // Journal of Portfolio Management. - 1992. - Vol. 27. - Pp. 19-27.
Duke, L.S. Neural network futures trading-a feasibility study. In Adaptive Intelligent Systems / L.S. Duke, J.A. Long // In Adaptive Intelligent Systems. - 1993. - Pp. 121-132.