Оценка величины финансового риска в торговле фьючерсом SiU8 нейросетью на основе SaR-метода

Представлена сформированная нейросетевая модель оценки потерь от финансового риска в ходе биржевой торговли. Полученная нейросеть позволяет прогнозировать финансовые потери от риска изменения цены фьючерсного контракта SiU8 во временном ряду SaR-методом.

В условиях значительной волатильности инструментов биржевого рынка, а также усиления всех видов риска важное значение имеет применение систем искусственного интеллекта в целях прогноза финансовых потерь от риска изменения цены фьючерсного контракта SiU8 временного ряда, в том числе SaR-методом.

За основу количественной оценки финансовых рисков на практике принят SaR-метод.

Довольно часто для оценки рисков инвестора интересует не столько вероятность получения убытков, сколько сама ожидаемая величина убытка. Это объясняется тем, что в некоторых случаях вероятность получения убытка может быть очень мала, но размер убытка настолько большим, что последствия неблагоприятного исхода можно считать катастрофическими.

Иногда в таких ситуациях инвестор пренебрегает самим риском в силу малой вероятности его появления и тем самым совершает ошибку, поскольку сам риск в силу катастрофических последствий представляет собой достаточную опасность для финансового состояния компании. Поэтому для управляющего компании необходима оценка риска, учитывающая и величину возможных убытков. Таким методом оценки финансового риска является так называемый SaR-метод (Shortfall-at-Risk – средняя величина убытка).

SaR-метод используется помимо Value at Risk (VaR), в основе которого лежит определение функциональной связи вероятности наступления риска. Этот метод широко используется коммерческими банками. Представляется целесообразным выдвинуть и доказать гипотезу, что с помощью нейросети «карта Кохонена» можно прогнозировать финансовые потери от риска изменения цены фьючерсного контракта SiU8 временного ряда SaR-методом.

Для разработки программы для оценки финансовых рисков на основе нейронной сети SaR-методом исходные данные были взяты на бирже MOEX с использованием терминала QUIK по финансовому инструменту SiU8 (рис. 19).

Параметры свечей SiU8 на 15-минутном таймфрейме сведены приведены в таблицу. В XL были проведены расчеты  необходимых параметров: математическое ожидание, стандартное отклонение, квантиль, SaR (табл 10).

На основе рассчитанных данных был сформирован входной файл для нейронной риск-модели по финансовому инструменту SiU8 (табл. 11).

Полученные данные целесообразно представить в виде карты Кохонена (рис. 20).

Использование функции «что-если» позволяет получить прогнозные значения абсолютных величин во возможных финансовых потерь (рис. 21).

Важно отметить, что полученный результат можно широко применять, базируясь на достижениях, которые нашли свое отражение в трудах современных ученых.