CC BY
64
Лаухин А.С., Иванов М.К. МЕТОДИЧЕСКИЙ ПОДХОД К ПОСТРОЕНИЮ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА РЫНКЕ ЦЕННЫХ БУМАГ
Сегодня во всем мире используются сотни, если не тысячи, разнообразных систем поддержки принятия решений (СППР) на рынке ценных бумаг, отличающихся по решаемым задачам, пользователям, методам [1, 2, 4].
Основная масса таких систем предназначена для анализа и прогнозирования рынка, оценки рисков, оптимальных параметров портфеля и решения некоторых иных задач с целью поддержки решений экономического агента на отдельных этапах управления инвестиционным процессом. Существуют и системы, помогающие пользователю с выбором рациональных решений на всем протяжении управленческого процесса, представляющие собой достаточно сложное комплексное решение с модульной структурой [4]. Такие системы в обязательном порядке содержат блок прогнозирования и блок управления портфелем в соответствии с очевидной системной декомпозицией задачи. Непременным атрибутом любой системы является информационный блок, предназначенный для сбора, хранения и первичной обработки информации. Во многие СППР включен так называемый блок интеллектуальной поддержки решений, в котором объединяются неформальные подходы к обработке информации. Поддержку решений оперативного уровня призван осуществлять блок оперативного управления (если система изначально не предназначена для работы в оперативном масштабе времени). Как правило, такие системы реализуют интерактивный режим, хотя в некоторых из них роль ЛПР (лицо, принимающее решение) сведена к минимуму. Представляется, однако, что роль ЛПР в управлении сложными социально-экономическими системами в обозримом будущем может только возрастать.
Если не принимать во внимание определенные терминологические расхождения, то структура большинства существующих СППР похожа и в целом соответствует схеме, представленной на рис. 1. В то же время, фундаментальная сложность задачи обуславливает разнообразие методологических подходов, положенных в основу различных СППР [2, 4, 5]. Их анализ позволяет выявить и некоторые общие про-
блемы, присущие большинству систем данного класса:
Существует определенный методологический разрыв между этапом прогнозирования и выработкой оптимальных инвестиционных стратегий. Такая ситуация обусловлена, с одной стороны, теоретическими и практическими трудностями моделирования рынка, а с другой - сложностью решения задачи оптимального управления портфелем в стохастической постановке и наличием у применяемых методов определенных формальных рамок модельного представления динамики системы. Как следствие, в СППР обычно доминирует один из двух основных компонентов. Либо она основана на оригинальной прогностической системе и простом методе выработки оптимальных управлений (например, одношаговом программном подходе Марковица), либо используются методы современной теории оптимального стохастического управления, но для простой модели динамики цен рисковых активов (как правило, винеровской, адекватность которой сомнительна [4]).
В последнее время все чаще высказывается мнение, что наиболее перспективным подходом к системному анализу процессов на рынке является совмещение возможностей технического и фундаментального подходов в рамках единого программного комплекса [2, 4, 10]. Однако отдельные попытки их объединения в СППР носят чаще всего формальный характер. Основной причиной этого является тот факт, что эти подходы базируются на слишком разных, если не сказать противоположных, принципах.
Системы, которые в той или иной степени свободны от предыдущих недостатков, разрабатывались, как правило, для индивидуального пользователя. Обычно они требуют сложной аналитической работы на подготовительном этапе и огромных вычислительных ресурсов, что практически исключает возможность их массового применения. В качестве другой причины относительно скромного использования достижений современной теории оптимального управления в управленческих технологиях является тот момент, что математическая сложность задачи зачастую заставляет прибегать к допущениям, весьма существенным для экономической практики, что резко ограничивает практическую полезность (например, отказ от учета финансового трения или упрощенная система ограничений).
Блок прогнозирования рынка
Исходные данные
Прогноз цен
Ордера
Рис. 1. Общая структура СППР управления портфелем. На схеме представлены основные блоки и преобладающие направления информационных потоков.
Суть предлагаемого подхода, призванного в той или иной степени преодолеть указанные проблемы, состоит из двух взаимосвязанных положений: применения методологии имитационного моделирования при прогнозировании динамики цен и непосредственного использования этих результатов при решении задачи оптимального управления портфелем. Смысл подхода заключается в решении задачи управления в расширенном фазовом пространстве. В задаче управления портфелем под состояниями системы понимается стоимость входящих в портфель отдельных активов. Если расширить фазовое пространство (добавить подпространство испытаний), то вместо конкретного значения стоимости актива мы будем иметь конечномерный (по числу имитаций) ансамбль состояний (фактически плотность распределения стоимости актива), который, тем не менее, при заданной динамике цен будет полностью определяться начальными
Блок информационной поддержки решений
1 Исходные данные
условиями и приложенными управлениями. Следовательно, оптимизационная задача в такой постановке может быть решена.
Такой подход, естественно, привносит в задачу свои сложности, но снимает целый ряд проблем, являющихся следствием стохастической постановки, в том числе отмеченных выше в п.1. Проблема адекватности модельного представления динамики цен рисковых активов полностью переносится на этап прогнозирования, подход к определению оптимального управления становится универсальным, задача решается с тем упреждением, которое заложено в прогностическую систему, а его результаты будут практически значимы в той мере, в какой эта система обеспечивает качество прогнозирования.
Возникающая при таком подходе оптимизационная задача является, в общем случае, задачей нелинейного программирования [6, 8, 9]. В то же время, в новых координатах задача изначально является детерминированной, при этом за счет дополнительного измерения полностью сохраняется стохастическая природа задачи. Важным представляется тот факт, что какова бы ни была имитационная прогностическая система, - от элементарной до очень сложной - на выходе ее мы имеем массив цен рисковых активов (в координатах: инструмент, время, испытание). В свою очередь, наличие унифицированной
прогностической информации в качестве исходных данных дает возможность создания специальных оптимизационных алгоритмов, написанных под конкретное приложение.
Полученные к настоящему времени результаты позволяют сделать вывод о принципиальной применимости подхода к решению задачи управления портфелем, в том числе для динамического случая. Общая структура СППР управления портфелем, представленная на рисунке 1, при реализации предложенного подхода не изменится. Блок прогнозирования в этом случае будет представлять собой имитационную прогностическую систему, а блок оптимизации или управления портфелем - набор специализированных оптимизационных алгоритмов. Отметим и некоторые полезные следствия предлагаемого подхода.
Использование в блоке прогнозирования методологии имитационного моделирования следует рассматривать не как ограничение подхода, а скорее как логичный и перспективный инструмент повышения качества прогнозирования. К настоящему времени финансовой наукой накоплен огромный арсенал подходов, методов и моделей прогнозирования рынка [3, 4, 8]. Кроме сложности задачи это свидетельствует о том, что единственного универсального метода прогнозирования нет. Поэтому в последнее время для решения задачи прогнозирования все чаще используется не одиночная модель, а система моделей. Такая система может объединять как модели разных уровней, так и осуществлять комплексирование различных прогностических методов и подходов для решения отдельных задач. Для реализации такого подхода трудно найти более универсальный и гибкий инструмент, чем имитационное моделирование.
Имитационное моделирование можно рассматривать и как одно из средств преодоления отмеченной проблемы системной интеграции технического и фундаментального подходов в СППР. Универсальность этой методологии позволяет объединять в систему модели, построенные на самых различных принципах, в том числе учитывать различие горизонтов прогнозирования путем их приведения к общему модельному времени. При этом методология достаточно «демократична», так как имитационная система может быть основана как на самых простых моделях (винеровской модели, индикаторах технического анализа и пр.), так и усложняться с базового уровня «до бесконечности» в соответствии с потребностями индивидуального пользователя.
Технический и фундаментальный подходы легко объединяются и в блоке интеллектуальной поддержки решений (что и реализовано в отдельных системах). Задачами блока могут служить представление информации (знаний) в нужный момент и в удобном виде для ЛПР, выработка предупреждений (аллертов) и сообщений с использованием различных методов и моделей, как правило, не задействованных в блоке прогнозирования.
Основной задачей блока оперативного управления является реализация торгового плана, принятого ЛПР на основе прогноза и результатов оптимизации портфеля, непосредственно в режиме торговой сессии. По своей сути эта задача является оптимизационной, хотя в такой постановке, насколько известно автору, не рассматривалась. Особый интерес для решения этой задачи представляют следующие два подхода.
Так, одним из современных формализованных подходов к анализу и синтезу систем управления, базирующихся на математических методах оптимизации, является теория управления динамическими объектами с использованием прогнозирующих моделей - Model Predictive Control (MPC) [5, 6] . Существо
MPC-подхода составляет схема управления динамическими объектами по принципу обратной связи, основанная на использовании на каждом шаге процесса упреждающей модели для уточнения заданного программного управления. Однако развитие подхода шло в основном по пути максимального упрощения прогнозирующей модели для возможности ее интегрирования в режиме реального времени, что очень важно для многих технических задач (например, для управления роботом или ракетой), тогда как для управления портфелем гораздо более важным является качество прогнозирующей модели. Эта особенность, с точки зрения авторов, делает малоперспективным использование MPC-подхода для решения общей задачи управления портфелем, однако для оперативного управления, где важна именно работа в реальном времени, он может быть очень полезен.
Реализация торгового плана может базироваться и на подходах технического анализа (ТА) . Один из системных недостатков ТА, заключающийся в объединении прогноза тенденции и принятия решения на покупку (или продажу) ценных бумаг в один этап, здесь уже будет являться преимуществом. Ведь торговый план уже сформирован, при его формировании мы учли все, что могли. Теперь его нужно только воплотить в жизнь. На этом этапе могут оказаться полезными многочисленные наработки ТА, вплоть до возможности использования так называемых механических торговых систем (МТС), оптимизированных под решение этой задачи.
На оперативном уровне целесообразно также ставить и решать ряд дополнительных задач, в частности:
оперативный контроль и управление рисками;
поиск торговых возможностей;
технику проведения операций.
Оперативный контроль рисков может включать оценку отдельных показателей риска, например VAR (Value-at-Risk) отдельного актива и портфеля в целом, а также использовать различные специальные модели. В качестве одного из инструментов ограничения рисков можно использовать выставление и управление стоп-приказами. По поводу целесообразности выставления стоп-лоссов существуют различные точки зрения, однако это реально действующий и используемый большинством участников торговли инструмент ограничения рисков. Технический анализ наработал несколько практических подходов к этой задаче, и СППР должна помогать в эффективном использовании этого инструмента. Отметим, что наличие имитационного прогноза облегчает и оценку VAR, и рациональных уровней постановки стопов, в том числе отпадает необходимость использования методов (например, границ Болинджера), основанных на использовании модельных представлений динамики цен (как винеровского процесса). Отметим
также, что для решения задач оперативного уровня очень полезным является анализ линий сопротивления и поддержки, которые объективно существуют, реально и объяснимо влияют на динамику цен. Построение этих уровней несложно формализовать для возможности использования в различных блоках системы.
Таким образом, одним из важных следствий предлагаемого подхода является то обстоятельство, что он позволяет логично и неформально интегрировать в единую систему методы и знания как технического, так и фундаментального характера. При этом нет формального выделения блоков технического и фундаментального анализа, как это часто практикуется, те или иные методы используются на том уровне, в том блоке и в той степени, в которой они могут быть полезны для решения конкретной подзадачи. Такая системная интеграция позволяет рассчитывать на синергетический эффект и повышение эффективности управления инвестиционным портфелем.
Современные СППР представляют сложные системы, краткое изложение подхода оставило многие аспекты неосвещенными. Некоторые из высказанных в докладе соображений нуждаются в дополнительном исследовании. Тем не менее, полученные к настоящему времени результаты позволяют судить о перспективности построения СППР, основанной на применении методологии имитационного моделирования для прогнозирования динамики цен и непосредственного использования этих результатов при решении задачи оптимального управления портфелем.
ЛИТЕРАТУРА
1. Ерешко А.Ф. Методы декомпозиции и локально-оптимальные стратегии в задачах управления портфелем ценных бумаг. М.: Вычислительный центр РАН, 2002. - 80 с.
2. Жижилев В.И. Оптимальные стратегии извлечения прибыли на рынке FOREX и рынке ценных бумаг. М.: Финансовый консультант, 2002. - 279 с.
3. Миркин Я.М. Рынок ценных бумаг России: воздействие фундаментальных факторов, прогноз и по-
литика развития. М.: Альпина Паблишер, 2002. - 624 с.
4. Недосекин А.О. Нечетко-множественный анализ риска фондовых инвестиций. СПб: Сезам, 2002. -
181 с.
5. Справочник по теории автоматического управления. //Под ред. А.А.Красовского. М.: Наука,
1987. - 712 с.
6. Химмельблау Д. Прикладное нелинейное программирование. М.: Мир, 1975. - 534 с.
7. Шеннон Р.Ю. Имитационное моделирование систем - наука и искусство. //Под ред. Е.К. Масловского. М.: Мир, 1978. - 310 с.
8. Ширяев А.Н. О некоторых понятиях и стохастических моделях финансовой математики. Теория вероятностей и её применения, 1994, том 39, вып. 1.
9. Юдин Д.Б. Вычислительные методы теории принятия решений. М.: Наука, 1989. - 316 с.
10. Твардовский В.В., Паршиков С.В. Секреты биржевой торговли: Торговля акциями на фондовых
биржах. М.: Альпина Бизнес Букс, 2006, 3-е изд. - 551 с.
