Casual
РЦБ.RU

Информационный анализ фондовых активов как метод повышения достоверности инвестиционных исследований

Апрель 2008


    Для современной экономики характерны тесная взаимосвязь между различными секторами и субъектами, сильное влияние на экономические процессы научно-технического прогресса, глобализации, усложнения бизнес-процессов, повышения скорости перемещения капитала. Все это вызывает необходимость повседневного изучения и анализа большого потока информации, которую предлагают информационные агентства с обширными базами данных, например Thomson Financial, Reuters, Bloomberg. Эффективное использование информации становится важнейшим фактором конкурентоспособности и укрепления позиций на рынке. В связи с этим понятие "информация" требует не только нового научного осмысления, но и новой расширенной трактовки.

    В современном мире под информацией понимаются и привычные для нас числовые данные, и статистические сведения, и текстовые описания, и документы, и графики, и фонограммы, и видеоклипы. Кроме того, существуют описания бизнес-процессов, web-страницы, гиперссылки, интерфейсы, протоколы, алгоритмы, схемы - все то, что следует называть, если быть точным, не просто информацией, а формализованными знаниями, относящимися к более высокому уровню информационного развития, - knowledge-технологиям.
    Эффективная информационная инфраструктура, обеспечивающая получение, использование и передачу во внешний мир информации внутри любой компании, сегодня становится важнейшим конкурентным преимуществом.
    Таким образом, традиционные методы оценки инвестиционных проектов, которые включают в себя фундаментальный и технический анализы, а также эконометрические технологии, уже недостаточно эффективны и не дают необходимого уровня точности и достоверности. Примером может служить 2002 г., когда значительные отклонения прогнозных оценок от реального изменения стоимости ценных бумаг компаний высокотехнологического сектора обернулись большими потерями для многих участников рынка. Другой пример: в том же году английские взаимные фонды понесли суммарные потери в размере 66 млрд долл., что составило около 20% стоимости их активов. В обоих случаях для прогнозов использовались традиционные методы инвестиционного анализа.
    Принципиальными недостатками традиционных методов являются:

  • невозможность учета параметров, не обладающих свойством аддитивности (трудно формализовать математически);
  • отсутствие встроенных механизмов проверки достоверности анализируемой информации;
  • статичность методов, не позволяющая использовать их для анализа проекта в динамике (точность оценки традиционными методами не зависит от срока наблюдения за проектом).
        Кроме того, на пути получения эффективного инвестиционного решения стоят различные виды неопределенностей (cм. таблицу), которые не учитываются в традиционных методах инвестиционного анализа.
        Проблема динамической неопределенности. Будущая динамика рынка - это, собственно, случайный процесс, допускающий множество возможных реализаций весьма сложной нелинейной структуры. Ее решение без учета имеющейся статистической неопределенности (характерной для некоторых методик фундаментального анализа) неизбежно приведет к непредсказуемым ошибкам в результатах ожидаемых оценок.
        Проблема статистической неопределенности. Основная проблема, строго говоря, не вполне математическая и заключается в условном разделении единого процесса на 3 составляющие:
        1) явную систематическую компоненту, допускающую однозначную структурную и параметрическую идентификацию (например, методом наименьших квадратов) и определяющую базовые тенденции;
        2) случайный белый шум, образованный большой совокупностью сопоставимых малозначимых факторов влияния и отвечающий гипотезе независимости и идентичности распределения рыночной прибыли [35];
        3) сложный стохастический процесс, содержащий нелинейные (в том числе колебательные) тренды, не отвечающий ограничениям стационарности, независимости и гауссовости.
        Именно последняя, третья компонента, обусловленная отдельными факторами влияния с переменной значимостью и приоритетностью для различных активов, является первопричиной основных неприятностей при формировании инвестиционного прогноза. Наличие данной компоненты приводит к возникновению статистической неопределенности, существенно снижающей точность оценок и достоверность прогноза состояния рынка капитала.
        Проблема хаотической неопределенности (основы новой синергетической парадигмы, описывающей возникновение хаотических явлений в динамике открытых нелинейных систем, были заложены в фундаментальных трудах Лоренца [34], Хакена [30] и Пригожина [36, 37]). В соответствии с общей теорией нелинейных дифференциальных уравнений, их решение содержит точки бифуркации, в которых система является параметрически неустойчивой. С экономической точки зрения точки бифуркации представляют собой моменты параметрической неустойчивости, когда даже небольшое внешнее влияние или внутренние трансформации могут катастрофически изменить динамику развития предприятия или компании. Априорное выявление точек бифуркации крайне сложно, а найденные точки бифуркации следует рассматривать как горизонт прогноза, прохождение системой этих точек может привести к непредсказуемым изменениям дальнейшей траектории развития.
        Проблема многомерности и многосвязности. На объект инвестиционного анализа воздействует огромное количество факторов самой различной природы. Чем больше факторов можно учесть, тем теоретически точнее модель, но при этом учет каждого фактора предполагает выявление его уровня значимости (который может изменяться со временем), а значит, необходим комплексный мониторинг всей среды взаимодействия объекта инвестиционного анализа, что обнаруживает вычислительную трудоемкость данной проблемы. Одновременно существует возможность корреляция между некоторыми факторами, которую необходимо выявлять.
        Проблема психологии рынка. Классическая модель эффективного рынка основана на гипотезе рационального инвестора, но ни индивидуальная психология отдельного инвестора, ни социальная психология отдельных групп инвесторов и игроков на бирже капитала во многих ситуациях не вписывается в эти модели.
        Проблема ограниченности восприятия. Окончательные решения в области инвестиционного анализа всегда принадлежали человеку. Вместе с тем специфика организации человеческого мозга в области количественного анализа позволяет корректно учитывать крайне незначительное число факторов влияния (в лучшем случае 3-5 факторов).
        Проблема многокритериальности. Данная проблема связана с тем, что инвестиционное решение, как правило, выносится исходя из анализа двух критериев определения их качества и более. В простейшем случае в роли таких критериев выступают максимизация прибыли и минимизация риска. С учетом наличия множества ограничений (возможно, нелинейных) такая минимаксная задача может вообще не иметь строгого решения. Получение рациональных, субоптимальных решений вносит элементы субъективности в терминальное решение, что может негативно повлиять на его качество в силу указанных особенностей влияния человеческого фактора.
        Проблема качества исходных данных. На качество принятия инвестиционного решения влияют результаты мониторинга экономической ситуации, которые могут в свою очередь не иметь необходимых сведений, либо отображать их некорректно. Причины данного несоответствия можно условно разделить на две части:
  • причины, обусловленные техническим несовершенством процесса мониторинга;
  • причины, обусловленные человеческим фактором.
        Проблема интеграции разнородных методов инвестиционного анализа. В настоящее время отсутствуют эффективные методики, позволяющие корректно, на высоком уровне формализации объединять положительные результаты, получаемые на основе различных технологий инвестиционного анализа.
        Проблема интерпретации. Данная проблема является комплексной, она содержится в явном или неявном виде в целом ряде приведенных выше проблем. По-видимому, данная проблема не имеет однозначного решения при использовании традиционных схем анализа данных и требует подключения новейших информационных технологий, методов психологического анализа игровых задач для индивидуальных и групповых схем выработки решений.
        Наряду с проблемой неопределенности возникла потребность в разработке методов, которые позволяют учитывать дополнительную экспертную и количественную информацию, не отраженную в стандартных бухгалтерских документах. В традиционных моделях речь идет о факторах, имеющих прямое денежное выражение. В то же время совершенно очевидно, что на практике реальная оценка проекта обязана учитывать такие факторы, как конъюнктура рынка, квалификация персонала, степень износа оборудования, информационно-техническая оснащенность, уровень развития региона, в котором осуществляется инвестиционный проект, и прочее. Важнейшими примерами, подтверждающими недостаточность традиционных технологий инвестиционного анализа, являются ситуации, происходившие в период азиатского финансового кризиса 1997 г. и российского кризиса 1998 г., а также неадекватная оценка компаний сектора высоких технологий 2000-2002 гг. Несмотря на позитивные прогнозы, уровень капитализации многих компаний значительно снизился. Например, индекс биржи NASDAQ за первые 2 года XXI в. снижался более чем на 50%.
        Таким образом, подводя итоги проведенного анализа современного состояния инвестиционных технологий оценки фондовых активов, следует указать на наличие явно выраженных диалектических противоречий, приводящих к существенному снижению качества (достоверности, точности, достаточности) искомых оценок состояния объекта инвестиционного анализа, а именно:
  • между недостаточной эффективностью традиционно применяемых методологий инвестиционного анализа и имеющимися, но мало используемыми возможностями по их разрешению, базирующимися на аналитических информационных технологиях;
  • между ограниченными возможностями человеческого сознания (в области количественного анализа данных) и современными математическими и компьютерными технологиями, допускающими проведение инвестиционного анализа многомерных и многосвязных данных, но требующих разработки соответствующего теоретического и методологического обеспечения для интерпретации полученных результатов;
  • между значимостью информации как среды отображения и анализа инвестиционной ситуации и уровнем учета ее реальных свойств (динамичности, неопределенности, хаотичности и т. п.).
        Необходимость разрешения указанной совокупности противоречий приводит к возникновению новой парадигмы инвестиционного анализа - информационного анализа, определяющего информацию, с одной стороны, как базовую среду отображения и анализа инвестиционной ситуации, а с другой - как самостоятельный объект дополнительных исследований, результаты которого в существенной степени влияют на качество терминальных оценок и эффективность формируемых инвестиционных решений.
        Информационный анализ будет рассматриваться как новое научно-прикладное направление инвестиционного анализа, важнейшими характеристиками которого являются:
  • подход к обработке информации, рассматривающий ее наряду с экономическими и другими предметными данными как самостоятельный объект анализа, существенно влияющий на эффективность инвестиционных исследований;
  • применение аналитических информационных технологий в качестве основного программно-алгоритмического инструментария инвестиционного анализа;
  • интеграция разнородной, количественной и качественной информации на методологическом и технологическом уровнях инвестиционных исследований.
        Концептуальная платформа информационного анализа может быть представлена в виде совокупности следующих базовых принципов построения системы информационного анализа:
  • неадекватности информационного поля;
  • системности;
  • историзма;
  • прагматической интеграции;
  • гибридного человеко-машинного интеллекта;
  • симбиоза математических и информационных технологий.
        Принцип неадекватности информационного поля. Анализ реальных процессов, протекающих в предметной области инвестиционного анализа, осуществляется в промежуточной виртуальной информационной среде, которая не является абсолютно адекватным отображением реальных событий и процессов.
        Принцип системности. Объект инвестиционного анализа вместе со "средой погружения" (инвестиционной средой) образует систему, структура которой отвечает всем базовым положениям системотехнического анализа.
        Принцип историзма. Основой для применения тех или иных технологий является статистический опыт, накопленный в процессе практики управления фондовыми активами и отраженный в массивах ретроспективных данных.
        Принцип прагматической интеграции. Информационный анализ является открытой методологической системой, допускающей использование любых конструктивных подходов для решения базовых задач инвестиционного анализа, ориентированных на получение максимальной инвестиционной прибыли при заданных уровнях риска.
        Принцип гибридного человеко-машинного интеллекта. Терминальные инвестиционные решения вырабатываются путем объединения результатов количественных компьютерных исследований, формируемых средствами аналитических информационных технологий, и качественного экспертного анализа, осуществляемого специалистами-аналитиками, на базе автоматизированной платформы, реализующей методологию гибридного интеллекта (Hybrid Intelligence, HI).
        Принцип симбиоза математических и информационных технологий. АИТ представляет собой область знаний, в которой в полной мере гармонично соединились методы прикладной математики, кибернетики и новейшие IT, позволяющие хранить и в разумные сроки обрабатывать сверхбольшие объемы информации.
        Существующие на данный момент (традиционные) методы инвестиционного анализа основаны на формальных финансовых отчетах, стандартных экономических показателях, которые в современной глобальной информационной среде не могут обеспечить полного охвата всех процессов, влияющих на объект инвестиционного анализа. Это происходит в силу стремительного развития новых технологий и увеличения скорости их влияния на бизнес-процессы (по данным Miniwatts Marketing Group, только за 2000-2005 гг. рост числа пользователей Интернета в мире составил 182%). Следовательно, столь динамичные изменения просто не могут быть учтены в классических моделях, а используемые в них допущения приводят к значительному снижению уровня доверия к полученным с их помощью результатам.
        Формирование новой парадигмы инвестиционных исследований - информационного анализа позволяет преодолеть неполноту и низкую эффективность использования информации для оценки активов фондового рынка и принятия иных инвестиционных решений.
        Важной отличительной чертой информационного анализа является попытка формирования инвестиционного решения на основе анализа всего ретроспективного опыта. Благодаря методам ассоциативной памяти появляется возможность формирования аналогов инвестиционных ситуаций и прогнозирования нестационарных процессов. (В [9] приводятся данные ряда американских компаний, получивших экономический эффект от внедрения Data Mining, который в 10-70 раз превысил первоначальные затраты, составлявшие от 350 до 750 тыс.долл. Сравнительно небольшой проект стоимостью в 20 млн долл. окупился всего за 4 мес. По оценкам экспертов, более 95% компаний из списка Fortune 1000 уже внедрили системы хранилищ данных.) Поиск инвестиционных ситуаций-аналогов в сверхбольших системах хранения информации основан на сочетании количественного и качественного подходов. Такое сочетание является характерным для информационного анализа в целом. 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.
        Важнейшими этапами информационного анализа являются поиск, формализация и обработка различных информационных факторов, выбор и применение методов оценки инвестиционной ситуации с учетом объема, полноты, достоверности и других особенностей информационного поля, отображенного в виде параметризованной совокупности наблюдаемых информационных факторов, сведение полученных оценок к единым показателям и определение целесообразности инвестирования в выбранный фондовый актив.
        Все это позволяет проводить комплексный анализ инвестиционной ситуации, сводя к минимуму потери информации благодаря более полному и эффективному ее изучению, и формировать варианты решения поставленных задач на основе полученных прогностических сценариев.
        Список литературы
        1. Информатика/ Под ред. Н. В. Макаровой. М.: Финансы и статистика, 2000.
        2. Ковалев В. В. Финансовый анализ. М., 1997.
        3. Кудров В. М. Мировая экономика. Учебник. М., 1999.
        4. Основы экономической информатики / Под ред. А. Н. Мозоревича. Минск: БГЭУ, 1998.
        5. Экономическая информатика/ Под ред. П. В. Конюховского, Д. Н.Колесова. СПб., 2000.
        6. Экономическая информатика: Введение в экономический анализ информационных систем. М.: ИНФРА-М, 2005.
        7. Аджиев В. Mineset - визуальный инструмент аналитика// Открытые системы. 1997. № 3. С. 72-77.
        8. Бирюков А. Системы принятия решений и хранилища данных // СУБД. 1997. № 4. С. 37-41.
        9. Гершберг А. Ф., Мусаев А. А., Нозик А. А., Шерстюк Ю. М. Концептуальные основы информационной интеграции АСУ ТП нефтеперерабатывающего предприятия. СПб.: Альянс-строй, 2003.
        10. Дюк В., Самойленко А. Data Mining: Учебный курс. СПб.: Питер, 2001.
        11. Заде Л. Основы нового подхода к анализу сложных систем и процессов принятия решений // В кн.: Математика сегодня. М.: Знание, 1974. С. 5-48.
        12. Ивахненко А. Г., Зайченко Ю. Г., Димитров В. Д. Принятие решений на основе самоорганизации. М.: Сов. радио, 1976.
        13. Информатика/ Под ред. Н. В. Макаровой. М.: Финансы и статистика, 2000.
        14. Киселев М., Соломатин Е. Средства добычи знаний в бизнесе и финансах // Открытые системы. 1997. № 4. С. 41-44.
        15. Кречетов Н., Иванов П. Продукты для интеллектуального анализа данных // Computer Week. 1997. № 14-15. C. 32-39.
        16. Кривда Ш. Раскопки сокрытых знаний// ЛАН. 1996. № 4. С. 17-23.
        17. Лансков П. М. Механизмы регулирования финансового рынка ценных бумаг. М.: Альпина бизнес Букс, 2005.
        18. Львов В. Создание систем поддержки принятия решений на основе хранилищ данных // СУБД. 1997. № 3. С. 30-40.
        19. Львович О. Data Warehousing - выход из кризиса оперативного анализа // Read Me. 1998. № 6. С. 44-45, 66.
        20. Мусаев А. А. Виртуальные анализаторы: концепция построения и применения в задачах управления непрерывными технологическими процессами // Автоматизация в промышленности. 2003. № 8. С. 28-33.
        21. Петерс Э. Хаос и порядок на рынке капитала. Новый аналитичекий взгляд на циклы, цены, и изменчивость рынка / Пер. с англ., под ред. А. Н. Романова. М.: Мир, 2000.
        22. Прикладная статистика: Основы моделирования и первичная обработка данных. Справочное изд. /С. А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. М.: Финансы и статистика, 1983.
        23. Основы экономической информатики / Под ред. А. Н. Мозоревича. Минск: БГЭУ, 1998.
        24. Экономическая информатика / Под ред. П. В. Конюховского, Д. Н.Колесова. СПб.: 2000.
        25. Экономическая информатика: Введение в экономический анализ информационных систем. М.: ИНФРА-М, 2005.
        26. Фогель Дж., Оуэнс Дж., Уолш Л. Эволюционное моделирование и искусственный интеллект. М.: Мир, 1969.
        27. Шапот М. Интеллектуальный анализ данных в системах поддержи принятия решений //Открытые системы. 1998. № 1. С. 30-35.
        28. Codd E. F., Codd S. B., Salley C. T. Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate. E. F. Codd Associates, 1993.
        29. Inmon W. H. Building the Data Warehouse. Wellesley, MA: QED Publishing Group, 1992.
        30. Haken H. Cooperative phenomena in systems far from thermal equilibrium and in non-physical systems // Rev. of modern physics. 1975. Vol. 47.
        31. Fama E. F. The behavior of stock market prices// J. of Business. 1965. Vol. 38.
        32. Fama E. F. Portfolio analysis in a stable paretian market . Management Science.1965. Vol. 11
        33. Huber P. J. Robust estimation of a location parameter // Ann. Math. Statist. 1964. Vol. 35.
        34. Lorenz E. Deterministic nonperiodic flow// J. of atmospheric sciences. 1963. Vol. 20.
        35. Osborne M. F. M. Brownian motion in the stock market//In: The random character of stock market prices. Cambridge: MIT Press, 1964.
        36. Prigogine I., Nicolis G. Exploring complexity. NY: W. E. Freeman, 1989.
        37. Prigogine I., Stengers I. Order out of chaos. NY: Bantam, 1984.
        38. Scott W. R. Financial Accounting Theory, Scarborough. Ont., Prentice Hall Canada Inc., 1997.


  • Содержание (развернуть содержание)
    Факты и комментарии
    Лидеры рынка коллективных инвестиций
    Начало большого пути
    Рынок газа России: ход реформ
    Биржевой товарный рынок минерального сырья и продукции химической промышленности на МФБ: вчера, сегодня, завтра
    Без государственного участия не обойтись
    Актуальные вопросы налогообложения операций с финансовыми инструментами срочных сделок
    Товарному рынку нужна поставочная инфраструктура
    Проблема справедливого ценообразования на российских товарных биржах
    Не все то золото, что блестит. Почему фьючерсные и опционные контракты на FORTS - лучший способ вложения денег в драгоценные металлы, в частности в золото
    Инвестиции в золото как альтернатива покупки ценных бумаг
    Фьючерсы на сталь: станет ли сталь биржевым товаром?
    Московская фондовая биржа: первые итоги биржевых торгов черными металлами в России
    Газовый рынок в России: не все так плохо, как может показаться!
    Развитие рынка фьючерсных контрактов на нефть сорта Urals
    Хеджирование для предприятий АПК
    Фьючерсный контракт на сахарный песок: 6 месяцев позади, что дальше?
    Сахарная индустрия России
    Оценка ликвидности ценных бумаг по результатам биржевых торгов
    Информационный анализ фондовых активов как метод повышения достоверности инвестиционных исследований
    Статистика организованного товарного рынка в России
    Календарь семинаров и обучающих программ, посвященных различным аспектам работы организованных товарных 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