Casual
РЦБ.RU

Теоретические основы информационного анализа

Апрель 2008


    В статье описаны алгоритмический инструментарий информационного анализа, его формализация, математическое описание, конкретизация. Показаны особенности иерархии моделирования инвестиционных ситуаций - от универсальных моделей, в зависимости от целей исследования, до редуцирования уровня моделей для конкретных задач и объектов инвестиционного анализа.

    Информационный анализ, являясь самостоятельным направлением инвестиционного анализа, требует соответствующей формализации, математического описания и конкретизации инструментария. В связи с этим следует рассмотреть два конструктивных подхода (вариационный и вероятностный) к моделированию эволюции состояния объекта инвестиционного анализа, включающих различные требования к информационной обеспеченности решения задачи оптимального управления активами. При этом на практике возникает проблема совместного анализа собственно инвестиционной ситуации (реального экономического состояния актива) и информационного поля (информации, с той или иной достоверностью и полнотой отображающей это состояние).
    Основными особенностями управления активами, которые необходимо учитывать при моделировании соответствующих инвестиционных процессов как объектов управления, являются:

  • непрерывность контроля состояния объекта инвестиционного анализа и среды его взаимодействия (это связано с большим количеством поступающей информации, например в агентстве Bloomberg работает более 260 журналистов, передающих примерно 1900 сводок ежедневно), эволюция которых описывается нестационарной последовательностью разнородных непрерывных и дискретных процессов;
  • участие в процессе инвестиционных исследований разнотипных внутренних факторов, организационно объединенных в элементы его технологической и производственной структуры, а также структуры управления (менеджмента);
  • участие в процессе реализации инвестиционной политики разнотипных внешних факторов влияния, эволюционирующих во времени;
  • наличие квазистационарных периодов, соответствующих различным плановым периодам инвестиционного цикла и характеризующихся относительной стабильностью состояния среды погружения;
  • варьирование состояния рынков потребления и рынков основных сырьевых ресурсов, производственных процессов и состояния менеджмента;
  • варьированием политических и социальных факторов, значимо влияющих на экономические процессы и т. п.
        При этом базовый императив информационного анализа говорит о том, что в качестве основы для формализации описаний всегда используется информация, причем, как правило, неполная и содержащая случайные и систематические искажения. Это порождает коллизии методов формализации и формальных описаний инвестиционных процессов (рис. 1):
  • вид разрабатываемой модели зависит от этапа жизненного цикла объекта инвестиционного анализа и решаемой задачи;
  • модели имеют множественные пересечения; обеспечение их согласованности представляет собой отдельную и достаточно сложную проблему;
  • не менее сложной проблемой является и актуализация моделей с целью предотвращения расхождения моделей с действительностью, для чего модели необходимо обновлять, внося соответствующие изменения;
  • потребителями моделей являются различные должностные лица (инвесторы, экономисты, финансовые и системные аналитики, эксперты в области производства, маркетологи рынков сырья и выпускаемой продукции, менеджеры и т. д.), что не только оказывает влияние на выбор методов формализации и средств представления моделей, но и обостряет проблемы согласованности и актуализации моделей.
        Абстрагирование от содержательного аспекта частных задач, выявление общих закономерностей для различных групп инвестирования позволяют построить универсальные модели управления активами, однако, как правило, они оказываются полезными только для анализа общих тенденций и взаимодействий. Конкретный результат требует редуцирования уровня модели к уровню объекта инвестиционного анализа.
        В результате этого возникает иерархия моделей инвестирования, причем в зависимости от исследуемого вопроса структура возникающих иерархий может быть различной. Наиболее естественной с точки зрения стоящей научной проблемы иерархией моделей инвестирования является структура, представленная на рис. 2.
        В то же время могут существовать соответствующие локальные иерархии и деления на подуровни управления.
        Чтобы модель могла использоваться на практике, необходимы следующие уточнения:
  • объект анализа, как и система его управления, являются динамическими системами, параметры которых эволюционируют во времени;
  • эволюционное изменение состояния системы может смениться скачкообразным преображением, например переменой состояния рынка сбыта или очередным скачком цен на энергоносители (рис. 3). В связи с этим далеко не всегда допустимо моделирование процесса изменения состояния стационарными процессами;
  • оперативное управление инвестициями осуществляется в условиях неопределенности (наиболее распространенный подход к учету неопределенности - использование вероятностно-статистических описаний изучаемых процессов);
  • оперативное инвестиционное управление носит корректирующий характер, вырабатывающий поправочные значения к априори определенным значениям инвестиционных оценок. Крайне значимым с точки зрения задачи формирования оптимальных инвестиционных управлений в этом случае будет то, что решение в поправках к параметрам основных оценок актива допускает линеаризацию модели управления, тем самым существенно упрощая процедуру выработки инвестиционных решений.
        Основной идеей вариационного подхода для целей инвестиционного анализа является объединение возможностей различных методов оценки объекта инвестиционного анализа с использованием информационного подхода. При этом предлагается базироваться на предположении о том, что используемый подход интегрирует в себя и результаты традиционных исследований (фундаментального, технического и семантического анализов).
        Вероятностный подход подразумевает рассмотрение динамической модели изменения состояния объекта инвестиционного анализа под воздействием возмущающих факторов и управления со стороны менеджмента компании. В качестве математической платформы для формализованной постановки указанной задачи используется калмановская концепция пространства состояний [9, 15].
        Состояние актива в каждый момент времени tk, k = 1,_, N описывается фазовым вектором (или вектором состояния) xk = {xik, I = 1,..., m}, в некоторых случаях - биржевыми характеристиками - текущей стоимостью акций и объемом продаж (рис. 4).
        В более сложных схемах анализа в число параметров состояния объекта инвестиционного анализа могут входить различные экономические и технические характеристики, используемые при проведении фундаментального и эконометрического анализа.
        Процесс изменения состояния объекта инвестиционного анализа происходит, как указывалось ранее, как под воздействием внутренних процессов (менеджмент и производственное управления, старение технологической базы, изменение качества сырья и т. п.), так и в результате его взаимодействия со средой погружения (или средой взаимодействия).
        Знание текущих xk и прогнозируемых xk + t характеристик состояния объекта инвестиционного анализа дает возможность сформировать множество допустимых управляющих инвестиционных решений U = {u}. Оптимизационное решение задачи инвестиционного управления предполагает нахождение временной последовательности управляющих инвестиционных воздействий u1*,_, uk+t* к U, обеспечивающих согласование с заданным уровнем риска, получение наибольшей прибыли при выполнении совокупности ограничений и условий, связанных со спецификой функционирования объекта инвестиционного анализа (обеспечение режима социальной защищенности персонала или выполнение экологических требований).
        В конечном счете объект инвестиционного анализа под влиянием входных воздействий переходит из состояния x1 в состояние xN, в результате чего при выполнении заданных условий и ограничений должен быть получен ожидаемый положительный эффект (ЭN). Задача системы оперативного управления инвестициями состоит в формировании оптимальной последовательности управляющих решений.
        При вариационном подходе предполагается, что все факторы влияния известны, независимы, имеют неизменные или изменяющиеся по известным законам функции воздействия на динамику объекта инвестиционного анализа.
        Рассмотренные подходы позволяют моделировать изменения состояний объектов инвестиционного анализа. Однако на практике любой инвестор, аналитик, эксперт или другое лицо, принимающее инвестиционное решение, формируют его исходя не из реального экономического состояния актива, а на основе информации, с той или иной достоверностью и полнотой отображающей это состояние. То есть имеется некоторый объем упорядоченных данных и сведений - информационное поле.
        Для того чтобы получить объективную информацию об объекте инвестиционного анализа, необходимо восполнить недостающие сведения, отбросить или скорректировать имеющиеся искажения, причем соответствующая обработка возможна лишь при использовании собственных свойств предметной области, т. е. на основе учета реальных экономических взаимодействий и тенденций изменения инвестиционной ситуации. Таким образом, возникает базовая проблема совместного анализа собственно инвестиционной ситуации и отображающего его информационного поля.
        В основе формализованной постановки информационного анализа состояния фондовых активов лежит принцип неадекватности информационного поля, постулирующий наличие содержательной неадекватности между истинным состоянием объекта анализа (состояния фондовых активов) и его информационным описанием, доступным для пользования соответствующим должностным лицам, экспертам, аналитикам и т. д.
        В качестве основного выхода предлагается использовать парадигму информационного анализа, в котором анализ инвестиций осуществляется одновременно с исследованием и коррекцией информационного поля.
        В процессе информационного анализа в соответствии с принципом историзма всегда осуществляется изучение ретроспективы (рис. 5), при этом глубина ретроспективного анализа может быть весьма большой - от нескольких месяцев до нескольких лет, и даже десятилетий. (Например, индекс Dow Jones является старейшим американским индексом, впервые был опубликован 26 мая 1896 г., первое его значение было 40,94, сегодня он достиг 12684,92 пункта.) В случаях ситуационного и прогностического анализа изучение ретроспективных данных осуществляется в форме поискового режима для выделения в них эпизодов, имевших место в прошлом и отражающих наиболее характерные для изучаемого вопроса процессы изменения инвестиционной ситуации.
        Проблема поиска подобных инвестиционных ситуаций в сверхбольших системах хранения информации основана на сочетании количественного и качественного подходов, характерного для информационного анализа фондовых активов.
        Реализация количественного подхода основана на принципе симбиоза математических и информационных технологий, позволяющем осуществить быстрый поиск ситуаций-аналогов в хранилище информации, опираясь на сложную, как правило, статистическую меру или группу мер подобия. Качественный подход, основанный на реализации принципа гибридного интеллекта, позволяет осуществить экспертную селекцию инвестиционных ситуаций уже на ограниченном множестве аналогов, ранее выбранных компьютерной программой.
        Инвестиционное решение отдельных базовых задач анализа инвестиций требует более подробной детализации и соответствующей оптимизационной постановки. Наиболее характерны для информационного анализа представленные в таблице задачи.
        Характерной чертой любых открытых систем, в том числе и систем управления инвестициями, является наличие случайных входных воздействий, искажающих информационное поле. Источником стохастических составляющих изучаемых процессов является генезис инвестиционной неопределенности. Задача инвестора состоит в том, чтобы в указанных условиях сформировать эффективное инвестиционное решение. Процесс формирования эффективных решений на основе имеющейся информации, т. е. решений, обеспечивающих экстремальное значение показателя качества, называется статистическим синтезом. Указанный экстремум, как правило, является условным и связан с некоторой совокупностью априорных ограничений, определяемых выбранной моделью реальной инвестиционной ситуации.
        В качестве основного подхода к задаче статистического синтеза информационных решений используется теория статистических решений [33, 43, 44]. Указанная теория дает естественный язык, на котором можно формировать задачи синтеза инвестиционных решений в терминах информационного анализа. Общая теория статистических решений не связана с конкретным видом задач и обеспечивает нахождение оптимальных стратегий, определяющих как структуру синтезируемых систем, так и наилучшее значение их параметров. Однако ее использование в задачах управления фондовыми активами и анализа инвестиционных ситуаций имеет свои особенности, связанные с экономической спецификой структуры информационного поля.
        Задача в том, чтобы исходя из общей теория статистических решений сформировать прикладную методологию анализа инвестиционных процессов с учетом специфики задач информационного анализа.
        Достаточно очевидно, что практически полный отказ от использования априорной информации, характерный для непараметрических методов синтеза, может привести к существенному снижению качества соответствующих процедур анализа инвестиционных ситуаций. В связи с этим возникает стремление к построению компромиссных методов статистического синтеза, способных без существенного снижения эффективности принимаемых решений устойчиво функционировать в условиях априорной неопределенности относительно вероятностных характеристик данных, получаемых в процессе мониторинга инвестиционных ситуаций. Один из вариантов реализации такого направления основан на использовании адаптивных методов, позволяющих перестраивать структуру процедур анализа, лежащих в основе системы формирования инвестиционных решений, или подбирать их числовые параметры в соответствии с изменениями, происходящими в среде взаимодействия и в самом объекте инвестиционного анализа [32, 37, 44, 60, 61, 66]. Альтернативой ему служат робастные методы, которые обладают повышенной устойчивостью к нарушениям адекватности между априорной вероятностной моделью наблюдений и их реальными свойствами [49, 50, 65]. Робастные (или статистически устойчивые) методы позволяют синтезировать системы анализа ситуаций и подготовки решений в некотором диапазоне изменений возмущающих воздействий без существенного снижения показателя качества.
        Таким образом, использование информационного анализа, в ходе которого одновременно осуществляются экономический анализ качества и коррекция информационного поля, позволяет оптимизировать управление инвестиционным циклом. Для этого необходимо использование единой информационной платформы и поддерживающих ее средств технического и программного обеспечения. Появляется возможность автоматизированного исследования ретроспективных данных, поиск ситуаций-аналогов в хранилищах информации, реализация принципа гибридного интеллекта, позволяющего осуществлять экспертную селекцию инвестиционных ситуаций. Информационный анализ позволяет строить алгоритмизированные процедуры, реализация которых приводит к формированию искомых инвестиционных решений, и анализировать их свойства с учетом имеющихся искажений исходного информационного поля.

        Список литературы
        1. Аоки М. Введение в методы оптимизации. М.: Наука, 1977.
        2. Вендров А. М. CASE-технологии. Современные методы и средства проектирования информационных систем. М.: Финансы и статистика, 1998.
        3. Вентцель Е. С. Теория вероятностей. М.: Наука, 1969.
        4. Гиг Дж. ван. Прикладная общая теория систем / Пер. с англ. М.: Мир, 1981.
        5. Гноенский Л. С., Каменский Г. А., Эльсгольц Л. Э. Математические основы теории управляемых систем. М.: Наука, 1969.
        6. Демиденко Е. З. Линейная и нелинейная регрессии. М.: Финансы и статистика, 1981.
        7. Казаков И. Е. Статистическая теория систем управления в пространстве состояний. М.: Наука, 1975.
        8. Калинин В. Н., Резников Б. А. Теория систем и управления (структурно-математический подход). Л.: ВИКИ им. А. Ф. Можайского, 1978.
        9. Калман Р. Об общей теории систем управления //Труды 1-го Международного конгресса. ИФАК, т. 2. М.: Изд. АН СССР, 1961, С. 284.
        10. Калман Р., Фалб П., Арбиб М. Очерки по математической теории систем/ Пер. с англ., под ред. Я. З. Цыпкина. М.: Мир, 1971.
        11. Кендалл М., Стюарт А. Статистические выводы и связи // Пер. с англ., под ред. А. Н. Колмогорова. М.: Наука, 1973.
        12. Критерии и методы экономической оценки проектов капвложений в капиталистических странах. М., 1980.
        13. Лекарев С. В., Порк В. А. Бизнес и безопасность: Толковый терминологический словарь. - М., 1995.
        14. Летов А. М. Устойчивость нелинейных регулируемых систем. М.: ГИФМЛ, 1962.
        15. Ли Р. Оптимальные оценки, определение характеристик и управление. /Пер. с англ. под ред. Я. З. Цыпкина. М.: Наука, 1966.
        16. Маклаков С. В. BPwin и ERwin. CASE-средства разработки информационных систем. М.: Диалог-МИФИ, 1999.
        17. Мееров M. В. Системы многосвязного регулирования. М.: Физматгиз, 1965.
        18. Методы и модели согласования иерахических решений/ Под ред. А. А. Макарова. Новосибирск: Наука, 1979.
        19. Моисеев Н. Н. Математические задачи системного анализа. М.: Наука, 1981.
        20. Основы анализа финансовой, хозяйственной и инвестиционной деятельности предприятий / Под ред. А. Е. Абрамова. М., 1994.
        21. Пеньевская И. С., Щербаков А. И. Оценка состоятельности инвестиционного проекта. Новосибирск, 1996.
        22. Сейдж Э. П., Уайт Ч. С. Оптимальное управление системами/ Пер. с англ., под ред. Б. Р. Левина. М.: Радио и связь, 1982.
        23. Смирнов А. Л. Организация финансирования инвестиционных проектов. М.: 1993.
        24. Уланов Г. M. Статистические и информационные вопросы управления по возмущению. M.: Энергия, 1970.
        25. Холт Р. Н., Бариес Сет. Планирование инвестиций / Пер. с англ. М., 1994.
        26. Хонко Я. Планирование и контроль капвложений: Сокр. пер. со швед. и англ. М., 1987.
        27. Fama E. F. The behavior of stock market prices// Journal of Business. 1965. V. 38.
        28. Fama E. F. Portfolio analysis in a stable paretian market // Management Science. 1965. V. 11.
        29. Federal Information Processing Standards (FIPS). Publication 183 Integration Definition for Information Modeling (IDEF1X) // Department of Commerce, National Institute of Standards and Technology, Computer Systems Laboratory. Federal Information Processing Standards Publication, 1993.
        30. Андерсон Т. Статистический анализ временных рядов / Пер. с англ. под ред. И. Г. Журбенко и В. П. Носко. М.: Мир, 1976.
        31. Болч Б., Хуань К. Многомерные статистические методы для экономики / Пер. с англ., под ред. С. А. Айвазяна. М.: Статистика, 1979.
        32. Боулдинг К. Общая теория систем - скелет науки // Исследо-вание по общей теории систем: Сб. переводов /Пер. с англ., под ред. В. Н. Садовского и Э. Г. Юдина. М.: Прогресс, 1969. С.106-142.
        33. Брайсон А., Хо Ю-Ши. Прикладная теория оптимального управления// Пер. с англ., под ред. А. М. Летова. М.: Мир, 1972.
        34. Вальд А. Статистические решающие функции: Позиционные игры/ Пер. с англ. М.: Наука, 1967.
        35. Вентцель Е. С. Теория вероятностей. М.: Наука, 1969.
        36. Вознюк М. А., Мусаев А. А., Елшин А. А. Теоретические основы квалиметрии информационных систем. СПб.: Военная академия связи, 1999.
        37. Гиг Дж., ван. Прикладная общая теория систем / Пер. с англ. М.: Мир, 1981.
        38. Гличев А. В., Рабинович Г. О., Примаков М. И. и др. Прикладные вопросы квалиметрии. М.: Изд. стандартов, 1983.
        39. Гнеденко Б. В. Из истории науки о случайном. Из истории математических идей. М.: Знание, 1981.
        40. Ивахненко А. Г., Мюллер И. А. Самоорганизация прогнозирующих моделей. Киев: Техника, 1985.
        41. Ершов А. А. Стабильные методы оценки параметров// Автоматики и телемеханика, 1978. № 8. С. 66-100.
        42. Заде Л. Основы нового подхода к анализу сложных систем и процессов принятия решений. В кн.: Математика сегодня. М.: Знание, 1974.
        43. Казаков И. Е. Статистическая теория систем управления в пространстве состояний. М.: Наука, 1975.
        44. Калинин В. Н., Резников Б. А. Теория систем и управления (структурно-математический подход). Л.: ВИКИ им. А. Ф. Можайского, 1978.
        45. Кендалл М., Стьюарт А. Статистические выводы и связи / Пер. с англ., под ред.
        А. Н. Колмогорова. М.: Наука, 1973.
        46. Колмогоров А. Н. Аналитические методы в теории вероятностей// Успехи математических наук, 1938. № 5.
        47. Ли Р. Оптимальные оценки, определение характеристик и управление / Пер. с англ., под ред. Я. З. Цыпкина. М.: Наука, 1966.
        48. Линник Ю. В. Метод наименьших квадратов и основы теории обработки наблюдений. М.: Физматгиз, 1958.
        49. Макшанов А. В., Мусаев А. А. Робастные методы обработки результатов измерений. М.: МО СССР, 1980.
        50. Макшанов А. В., Мусаев А. А. Минимаксные методы статистического синтеза информационных систем. М.: МО СССР, 1983.
        51. Медич Дж. Статистические оптимальные линейные оценки и управление / Пер. с англ., под ред. А. С. Шаталова. М.: Энергия, 1973.
        52. Моисеев Н. Н. Математические задачи системного анализа. М.: Наука, 1981.
        53. Морозов Л. М., Петухов Г. Б., Сидоров В. Н. Методологические основы теории эффективности: Учебное пособие. Л.: ВИКИ им.А. Ф. Можайского, 1982.
        54. Мусаев А. А. Библия для адъюнктов и соискателей. Как написать и защитить кандидатскую диссертацию. М.: МО РФ, 1999.
        55. Невельсон М. Б., Хасьминский Р. З. Стохастическая аппроксимация и рекуррентное оценивание. М.: Наука,
        56. Николис Г., Пригожин И. Самоорганизация в неравновесных структурах/ Пер. с англ. М.: Мир, 1979.
        57. Петерс Э. Хаос и порядок на рынке капитала. Новый аналитический взгляд на циклы, цены, и изменчивость рынка / Пер. с англ., под ред. А. Н. Романова. М.: Мир, 2000.
        58. Поляк Б. Т., Цыпкин Я. З. Стабильное оценивание в условиях неполной информации. Вопросы кибернетики. Адаптивные системы управления. М.: Наука, 1977.
        59. Рао С. Р. Линейные статистические методы и их применения /Пер. с англ. М.: Наука, 1968.
        60. Сейдж Э., Мелс Дж. Теория оценивания и ее применение в связи и управлении/ Пер. с англ., под ред. Б. Р. Левина. М.: Связь, 1976.
        61. Сейдж Э. П., Уайт Ч. С. Оптимальное управление системами/ Пер. с англ., под ред. Б. Р. Левина. М.: Радио и связь, 1982.
        62. Тьюки Дж. Анализ результатов наблюдений / Пер. с англ. В. Ф. Писаренко. М.: Мир, 1981.
        63. Фогель Л., Оуэнс А., Уолш М. Искусственный интеллект и эволюционное моделирование //Пер. с англ., под ред. А. Г. Ивахненко. М.: Мир, 1969.
        64. Хакен Г. Синергетика. Иерархии неустойчивостей в самоорганизующихся системах и устройствах / Пер. с англ., под ред. Ю. А. Данилова. М.: Мир, 1985.
        65. Хьюбер П. Робастность в статистике / Пер. с англ., под ред. И. Г. Журбенко. М.: Мир, 1984.
        66. Цыпкин Я. З. Адаптация и обучение в автоматических системах. М.: Наука, 1968.
        67. Цыпкин Я. З., Поляк Б. Т. Огрубленный метод максимального правдоподобия //В сб.: Динамика систем. Математические методы теории колебаний. Горький, 1977. Вып.12. С. 22-45.
        68. Huber P. J. Robust estimation of a location parameter// Ann. Math. Statist., 1964. V. 35. № 1. P. 73 - 101.




    • Рейтинг
    • 0
    Оставить комментарий
    Добавить комментарий анонимно, введите имя:

    Введите код с картинки:
    Добавить комментарий как авторизованный посетитель: Войти в систему

    Содержание (развернуть содержание)
    Факты и комментарии
    Особенности налогообложения срочных сделок
    Практические моменты в налогообложении операций своп
    Рамочные договоры о срочных сделках (деривативах)
    Проблемы развития рынка производных финансовых инструментов в России
    Срочный рынок. Каким его видят участники?
    Срочный рынок: по пути усложнения
    Институт маркетмейкеров как механизм формирования и стимулирования ликвидности
    Срочный рынок глазами участника
    Возможности рынка структурных продуктов
    Валютные деривативы биржевого рынка: стратегии использования, преимущества и пути развития
    Перспективы развития рынка процентных деривативов в России
    Инструменты срочного рынка для УК. Торговые идеи для институциональных инвесторов на рынке фьючерсов и опционов
    Практика использования опционов в управлении инвестиционными фондами
    Фьючерс на индекс ММВБ - оптимальный инструмент хеджирования рыночного риска на фондовом рынке
    Практическое применение структурных продуктов на основе биржевых опционов FORTS
    Деривативы на экономические данные
    "Погодные" фьючерсы
    Теоретические основы информационного анализа
    Календарь семинаров и обучающих программ и мероприятий, посвященных различным аспектам работы срочных рынков

    • Статьи в открытом доступе
    • Статьи доступны на платной основе
    Актуальные темы    
     Сергей Хестанов
    Девальвация — горькое лекарство
    Оптимальный курс национальной валюты четко связан со структурой экономики и приоритетами денежно-кредитной политики. Для нынешней российской экономики наиболее логичным (и реалистичным) решением бюджетных проблем является девальвация рубля.
    Александр Баранов
    Управление рисками НПФов с учетом новых требований Банка России
    В III кв. 2016 г. вступили в силу новые требования Банка России по организации системы управления рисками негосударственных пенсионных фондов.
    Варвара Артюшенко
    Вместе мы — сила
    Закон синергии гласит: «Целое больше, нежели сумма отдельных частей».
    Сергей Майоров
    Применение blockchain для развития биржевых технологий и сервисов
    Распространение технологий blockchain и распределенного реестра за первоначальные пределы рынка криптовалют — одна из наиболее дискутируемых тем в современной финансовой индустрии.
    Все публикации →
    • Rambler's Top100