Математические основы для современных методов, используемых в инвестиционном риск менеджменте, берут истоки в середине XX века. Однако они получили развитие в области численных финансов сравнительно недавно. Толчком к росту необходимости в подобных методах стала повсеместная компьютеризация биржевой деятельности в 1970-х годах и открытие доступа к интернет торгам в 1990-х, что привело к нескольким серьезным изменениям на фондовых рынках: значительно увеличилось количество сделок; резко возросло количество информации, генерируемой биржами. На исследования и разработку современных подходов к риск менеджменту также оказало сильное влияние развитие компьютерных технологий и достижения в области анализа данных, которые позволили обрабатывать большие объемы информации и дали доступ к компьютеризированному решению задач из области численных финансов большому количеству людей. Актуальность подобных задач объясняется большим практическим потенциалом и научной сложностью решений.
В настоящей работе рассматривается задача управления риском инвестиционного портфеля. Основной подход к управлению риском - перенос риска. Он располагает тремя схемами: страхованием, хеджированием и диверсификацией. Первые два способа управления риском заключаются в создании производных финансовых инструментов и реализации торговых стратегий, основанных на их использовании, что выходит за рамки выбранной темы исследования, сконцентрированной на процессе формирования диверсифицированного инвестиционного портфеля. Классический подход к диверсификации модифицирован при помощи современных методов анализа данных, которые позволили получить более точные оценки рисков и прогнозов доходностей финансовых инструментов. Основной целью работы является демонстрация возможностей современных методов анализа данных к увеличению точности работы классических моделей портфельной оптимизации.
В настоящей работе была рассмотрена задача портфельной оптимизации, описаны и реализованы методы, позволяющие улучшить классические подходы к ее решению: авторегрессионные модели, скрытые марковские модели и нейронные сети. Были использованы несколько типов каждого из указанных методов, выбраны лучшие из них, и произведена оценка качества их работы согласно введенным метрикам. Результаты работы методов были использованы в реализации торговой стратегии, и произведено сравнение с ее реализацией без применения перечисленных методов. Таким образом, в данной работе продемонстрирована возможность увеличения точности работы классической модели портфельной оптимизации при помощи современных методов анализа данных.
