Удосконалення методу прогнозування структури залежностей фінансового ринку з використанням методів машинного навчання та графових моделей

Анотація

Дослідження присвячене прогнозуванню структури залежностей фінансового ринку як динамічної системи взаємопов’язаних активів. На відміну від традиційних підходів, орієнтованих на прогнозування значень часових рядів, запропоновано удосконалення існуючого підходу, у якому об’єктом аналізу та прогнозу виступає граф залежностей між фінансовими інструментами. У вступі обґрунтовано актуальність задачі, пов’язаної з необхідністю врахування динамічної природи взаємозв’язків між активами.
Проведений аналіз сучасних наукових джерел охоплює кореляційні методи, векторні авторегресійні моделі, підхід Graphical Lasso та алгоритми машинного навчання, які застосовуються для виявлення залежностей між фінансовими активами. Встановлено, що наявні підходи мають обмеження щодо прогнозування майбутньої конфігурації структури залежностей, оскільки переважно орієнтовані на її статичне оцінювання або прогнозування окремих ринкових показників.
Метою дослідження є розвиток методу прогнозування структури залежностей фінансового ринку шляхом інтеграції графових моделей представлення ринкових взаємозв’язків із методами машинного навчання. У межах роботи фінансовий ринок формалізовано як графову модель, побудовану на основі матриці оберненої коваріації, що дозволяє відображати прямі умовні залежності між активами. Для оцінювання такої структури використано метод Graphical Lasso, який забезпечує побудову розрідженого графа ринкових взаємозв’язків.
Запропоновано удосконалення підходу до моделювання часової еволюції структури залежностей шляхом використання ковзного вікна для послідовного оцінювання графів у різні моменти часу та аналізу змін їх параметрів. На основі поточного стану графової структури та характеристик її динаміки формується набір ознак, який використовується моделями машинного навчання для прогнозування майбутньої конфігурації зв’язків між фінансовими активами.
Також розроблено архітектуру інформаційної системи, що реалізує запропонований підхід та включає підсистеми збору ринкових даних, їх попередньої обробки, побудови графових моделей, формування ознак і прогнозування структури залежностей.
Перевірка ефективності запропонованого підходу передбачається шляхом експериментального оцінювання на реальних фінансових даних із використанням метрик відновлення структури графа, зокрема Precision, Recall, F1-міри, а також показників структурної подібності графів. Для підтвердження доцільності запропонованого удосконалення результати планується порівнювати з базовими методами аналізу залежностей, зокрема кореляційними підходами та VAR-моделями. Отримані результати мають забезпечити оцінювання практичної придатності запропонованого підходу та визначення перспектив його подальшого розвитку й застосування у задачах фінансової аналітики.

Ключові слова: фінансовий ринок, структура залежностей, графові моделі, Graphical Lasso, часові ряди, машинне навчання, прогнозування.