Исследование алгоритма формирования фондового портфеля инвесторов с помощью теории нечетких множеств
Журнал «KANT» №3(40) 2021 [стр. 29-34]
DOI: 10.24923/2222-243X.2021-40.6
Ключевые слова: нечеткая логика; фондовый рынок; ценные бумаги; инвестор; прогнозирование; риск; портфель; неопределенность.
Цель исследования –исследовать особенности алгоритма формирования фондового портфеля инвесторов с помощью теории нечетких множеств с учетом априорно неопределенной входящей информации и динамики рынка. Научная новизна статьи заключается в применении относительно нового нечетко-множественного аппарата и теории нечетких множеств к формированию фондового портфеля инвесторов. С практической точки зрения предложенная нечеткая модель дает возможность прогнозировать не только структуру и ожидаемую доходность портфеля ценных бумаг, аналогично применению классической портфельной теории, но также получить значения нижней и верхней границ доходности ценных бумаг, что позволит инвестору сформировать более полное представление о структуре портфеля в будущем. В результате установлено, что использование для формирования фондового портфеля инвесторов классических статистических подходов не позволит получить достоверный и точный результат, поскольку традиционные методы не учитывают факторы неопределенности событий на фондовом рынке. Для нивелирования информационной асимметрии и устранения рисков неопределенности целесообразно применять теорию нечеткой логики.
Литература:
1. Канашкина А.Л. Сравнительный анализ подходов для прогнозирования трендов фондового рынка // Вестник научных конференций. – 2021. – № 2-3 (66). – С. 46-47.
2. Сапрыкин К.А. Статистический анализ макро– и микроэкономических факторов, влияющих на фондовый рынок России // Вестник Российского экономического университета им. Г.В. Плеханова. – 2020. – № 3 (31). – С. 66-75.
3. Руснак В.И. Применение нечеткой логики в инвестиционных проектах // Интернаука. – 2020. – № 17-1 (146). – С. 43-47.
4. Khayamim, Arash; Mirzazadeh, Abolfazl; Naderi, Bahman Portfolio rebalancing with respect to market psychology in a fuzzy environment: A case study in Tehran Stock Exchange // Applied Soft Computing. 2018. Volume 64; pp 244-259.
5. Sharma, Aviral; Bhatnagar, Vishal; Bansal, Abhay Technical analysis-based fuzzy support system for stock market trading // International journal of advanced intelligence paradigms. 2020. Volume 17: Number 3-4; pp 193-207.
6. Андрианова Е.Г., Новикова О.А. Роль методов интеллектуального анализа текста в автоматизации прогнозирования рынка ценных бумаг // Cloud of Science. – 2018. – Т. 5. – № 1. – С. 196-211.
7. Сергеев В.А. Использование нейросетей в прогнозировании фондового рынка // Азимут научных исследований: экономика и управление. – 2018. – Т. 7. – № 4 (25). – С. 280-282.
8. Mehlawat, Mukesh Kumar Multiobjective Fuzzy Portfolio Performance Evaluation Using Data Envelopment Analysis Under Credibilistic Framework // IEEE transactions on fuzzy systems: a publication of the IEEE Neural Networks Council. 2020. Volume 28: Number 11. pp 2726-2737.
9. Сергеев В.А. Использование нейросетей в прогнозировании фондового рынка // Азимут научных исследований: экономика и управление. – 2018. – Т. 7. – № 4 (25). – С. 280-282.
10. Bastos, Guilherme Sousa Stock Market Forecasting Using Deep Learning and Technical Analysis: A Systematic Review // IEEE access: practical innovations, open solutions. 2020. Volume 8; pp 185232-185242.
11. Carta, Salvatore M. Explainable Machine Learning Exploiting News and Domain-Specific Lexicon for Stock Market Forecasting // IEEE access: practical innovations, open solutions. 2021. Volume 9; pp 30193-30205.
1. Канашкина А.Л. Сравнительный анализ подходов для прогнозирования трендов фондового рынка // Вестник научных конференций. – 2021. – № 2-3 (66). – С. 46-47.
2. Сапрыкин К.А. Статистический анализ макро– и микроэкономических факторов, влияющих на фондовый рынок России // Вестник Российского экономического университета им. Г.В. Плеханова. – 2020. – № 3 (31). – С. 66-75.
3. Руснак В.И. Применение нечеткой логики в инвестиционных проектах // Интернаука. – 2020. – № 17-1 (146). – С. 43-47.
4. Khayamim, Arash; Mirzazadeh, Abolfazl; Naderi, Bahman Portfolio rebalancing with respect to market psychology in a fuzzy environment: A case study in Tehran Stock Exchange // Applied Soft Computing. 2018. Volume 64; pp 244-259.
5. Sharma, Aviral; Bhatnagar, Vishal; Bansal, Abhay Technical analysis-based fuzzy support system for stock market trading // International journal of advanced intelligence paradigms. 2020. Volume 17: Number 3-4; pp 193-207.
6. Андрианова Е.Г., Новикова О.А. Роль методов интеллектуального анализа текста в автоматизации прогнозирования рынка ценных бумаг // Cloud of Science. – 2018. – Т. 5. – № 1. – С. 196-211.
7. Сергеев В.А. Использование нейросетей в прогнозировании фондового рынка // Азимут научных исследований: экономика и управление. – 2018. – Т. 7. – № 4 (25). – С. 280-282.
8. Mehlawat, Mukesh Kumar Multiobjective Fuzzy Portfolio Performance Evaluation Using Data Envelopment Analysis Under Credibilistic Framework // IEEE transactions on fuzzy systems: a publication of the IEEE Neural Networks Council. 2020. Volume 28: Number 11. pp 2726-2737.
9. Сергеев В.А. Использование нейросетей в прогнозировании фондового рынка // Азимут научных исследований: экономика и управление. – 2018. – Т. 7. – № 4 (25). – С. 280-282.
10. Bastos, Guilherme Sousa Stock Market Forecasting Using Deep Learning and Technical Analysis: A Systematic Review // IEEE access: practical innovations, open solutions. 2020. Volume 8; pp 185232-185242.
11. Carta, Salvatore M. Explainable Machine Learning Exploiting News and Domain-Specific Lexicon for Stock Market Forecasting // IEEE access: practical innovations, open solutions. 2021. Volume 9; pp 30193-30205.
Investigation of an algorithm for the formation of a stock portfolio of investors using fuzzy set theory
Keywords: fuzzy logic; stock market; securities; investor; forecasting; risk; portfolio; uncertainty.
The purpose of the study is to investigate the features of the algorithm for forming the stock portfolio of investors using the theory of fuzzy sets, taking into account a priori uncertain input information and market dynamics. The scientific novelty of the article lies in the application of a relatively new fuzzy-multiple apparatus and the theory of fuzzy sets to the formation of the stock portfolio of investors. From a practical point of view, the proposed fuzzy model makes it possible to predict not only the structure and expected return of a portfolio of securities, similarly to the application of the classical portfolio theory, but also to obtain the values of the lower and upper boundaries of the return on securities, which will allow the investor to form a more complete picture of the structure of the portfolio in the future. As a result, it was found that the use of classical statistical approaches for the formation of a stock portfolio of investors will not allow obtaining a reliable and accurate result, since traditional methods do not take into account the uncertainty factors of events in the stock market. To level information asymmetry and eliminate risks of uncertainty, it is advisable to apply the theory of fuzzy logic.