МОСКВА, 12 августа. /ТАСС/. Исследователи из России разработали нейросетевую модель, способную за сутки до события с точностью более 83% предупредить о приближении краткосрочного фондового кризиса. Разработанная система может стать важным инструментом в арсенале инвесторов, финансовых аналитиков и регуляторов, сообщила пресс-служба НИУ ВШЭ.
"Работа имеет высокую практическую значимость для национального финансового сектора: она предлагает действенные инструменты для своевременного выявления рыночных потрясений, что особенно актуально для нестабильной макроэкономической среды", - отметила профессор факультета экономических наук НИУ ВШЭ Тамара Теплова.
Для получения подобных прогнозов профессор Теплова и сотрудники НИУ ВШЭ Максим Файзулин и Алексей Куркин разработали гибридную модель, которая сочетает три разных архитектуры машинного обучения - механизм внимания, темпоральные сверточные сети и подход LTSM, подразумевающый наличие у ИИ своеобразной краткосрочной памяти. По словам исследователей, в прошлом экономисты еще не применяли столь сложную структуру модели к российским биржевым данным.
Для ее обучения специалисты проанализировали данные с 2014 года по 2024 год, включающие рыночные и макроэкономические показатели, в первую очередь индекс Мосбиржи IMOEX, а также индикаторы настроений инвесторов. При подготовке данных ученым пришлось учесть несколько специфических особенностей этой области знаний, в том числе редкий характер кризисов и связанных с ним сигналов, а также подверженность инвесторов субъективным настроениям.
Для решения этих проблем исследователи разработали составные индексы внутреннего и внешнего инвестиционного настроения, используя метод главных компонент. Эти индексы дополняют традиционные макроэкономические и рыночные переменные, позволяя уловить скрытые эмоциональные сигналы участников торгов на более дальних временных горизонтах прогнозирования. Благодаря этому модель достигла очень высокой точности прогнозирования, позволяющей предсказать краткосрочный кризис на фондовом рынке за сутки до его начала.
"Модель эффективно обрабатывает неравномерные данные и достигает точности 78,70% при прогнозе кризисных событий в день наблюдения и 78,85% - на следующий торговый день. Использование месячной повторной тренировки и адаптивных временных окон позволило довести точность до 83,87%. Ключевыми факторами, влияющими на предсказания, оказались биржевые индикаторы, капитализация компаний - эмитентов акций и рыночные курсы валют", - подытожила профессор Теплова.