Принятие разумных решений в условиях неопределенности в России: инвестиции и прогнозирование в период кризиса

В связи с растущей популярностью методов прогнозирования временных рядов и их важной роли в принятии кризисных решений, этот проект направлен на тестирование различных моделей прогнозирования и поиск наиболее точных из них. Те методы, чьи показатели прогнозирования будут удовлетворять поставленным требованиям - предоставят российским инвесторам для анализа будущих изменений в области активов для дополнительной страховки от рисков или возможности получить дополнительную прибыль. Для политиков этот проект также предоставит важную информацию о том, какие методы они смогут использовать для прогнозирования различных экономических циклов (например, для Центрального банка или Министерства финансов). Наша цель - предоставить наиболее точные методы прогнозирования, которые будут как прикладными, для ранее упомянутых инвесторов, так и теоретически будут способствовать популяризации этой научной области исследования в России и за рубежом. Прогнозирование финансовых переменных с использованием передовых методов моделирования - одна из наиболее широко изучаемых тем в научной литературе. Ряд прогнозистов полагают, что определенные события или процессы в будущем могут повлиять на объективную эффективность рынка, с отклонениями тренда, влияющими на значительную избыточную доходность или изменение спредов, вызванных экономическими потрясениями. Вклад данного проекта в международную научную литературу по прогнозированию событий экономического и финансового кризисов состоит в том, чтобы определить, какие методы при их использовании эффективны при прогнозировании временных рядов, показывая при этом наиболее точные результаты. Решение поставленной задачи направлено на содействие и развитие будущих исследований в этой области, особенно с учетом кризиса в России и недавней неопределенности на финансовых рынках, вызванной пандемией Covid-19. Учитывая расхождения результатов различных методов прогнозирования, о которых сообщается в международной литературе, нас интересует несколько вопросов: связано ли изучение предсказательной силы между "настроениями инвесторов с моделями прогнозирования", "горизонтом прогнозирования" и "обновлением информации"? Эти аспекты определяют второй и самый важный вклад этого проекта - доказать, действительно ли публикуемые инвесторами сигналы могут предсказать будущую прибыль компании. Задача сложная и направлена на изучение того, действительно ли различные инструменты прогнозирования приводят к разным результатам, что впоследствии может сказаться и на выводах о предсказательной силе настроений инвесторов. Если прогнозы настроений инвесторов высоки, то можно ожидать, что все методы могут дать правильные результаты, несмотря на их различные прогностические способности. Однако, если предсказательная сила мала, некоторые методы могут дать ложные результаты. В том случае, если ни один из методов не окажется "рабочим" и пригодным для построения прогнозных значений, то настроения инвесторов не имеют предсказательной силы, либо предсказательная сила слишком слаба, чтобы их можно было применять на практике. Для решения данной задачи, в первую очередь, мы будем тщательно изучать соответствующие методы статистического машинного обучения, чтобы решить исследуемую проблему. В частности, мы реализуем популярные в данной области подходы, а также будем использовать инструменты, имеющие самые современные характеристики. Во-вторых, мы реализуем проверку метода с использованием последних рыночных данных с целью проверки эффективности каждого метода моделирования. В-третьих, мы будем использовать показатели эффективности для оценки методов, которые подходят для несбалансированных наборов данных, как в случае с данными, касающихся событий рыночных торможений, которые по своей природе редки. И последнее, но не менее важное: мы предложим широкий и углубленный анализ расширенного набора объясняющих переменных, которые можно использовать для выполнения поставленной задачи прогнозирования, охватывающей весь спектр основных финансовых рынков. Задача нашего проекта - проверить, действительно ли методы прогнозирования способны предоставить инвесторам в России полезные «инсайты», которые могут улучшить их портфели за счет построенных прогнозов волатильности. Мы решим эту задачу, выполнив крупномасштабный эмпирический анализ, в котором сравним эффективность прогнозирования рисков с помощью нескольких методов (таких как ИНС, LSTM, SVM, MSA и GMDH). В рамках этой задачи мы также проанализируем инвестиционный климат в России. Наш проект вносит свой вклад в новую ветвь исследований прогностической эффективности группы современных методов статистического машинного обучения в контексте классификации прогнозных значений кризисов, возникающих на рынках. В этом смысле проект предлагает многоуровневую, многокомпонентную структуру моделирования для прогнозирования кризисных событий, основанную на алгоритмах машинного обучения в сочетании с применением соответствующих методов обобщения. Таким образом, прогнозирование кризисных событий останется открытым вопросом для исследования, требующим решения многих других аспектов и задач. Однако наш проект предоставит первое в мире конкретное эмпирическое свидетельство того, что постоянно растущие вычислительные возможности - эффективный инструмент, который могут принять и использовать в качестве решений регуляторы и другие заинтересованные стороны. Такой подход к инвестиционному анализу - новый и редкий способ, который будет иметь множество преимуществ для развития этой области в российской науке.