Экономисты из Высшей школы экономики (ВШЭ) разработали нейросетевую модель, способную прогнозировать краткосрочные кризисы на фондовом рынке с точностью свыше 83% за сутки до события. Модель анализирует как экономические показатели, так и настроения инвесторов, демонстрируя устойчивую работу даже на несбалансированных данных.
Исследование, проведенное сотрудниками Центра финансовых исследований и анализа данных ФЭН ВШЭ Тамарой Тепловой, Максимом Файзулиным и Алексеем Куркиным, опубликовано в журнале Socio-Economic Planning Sciences. В работе представлен новый подход к прогнозированию кризисов на российском рынке акций с использованием гибридной модели глубокого обучения.
Модель сочетает три нейросетевые архитектуры: Temporal Convolutional Network (TCN), Long Short-Term Memory (LSTM) и механизм внимания (Attention). Применение такой сложной структуры к российским биржевым данным осуществлено впервые.
«Мы представили гибридную модель TCN — LSTM — Attention, сочетающую методы глубинного обучения и механизм внимания. Модель эффективно обрабатывает неравномерные данные и достигает точности 78,70% при прогнозе кризисных событий в день наблюдения и 78,85% на следующий торговый день. Использование месячной повторной тренировки и адаптивных временных окон позволило довести точность до 83,87%».
Тамара Теплова, профессор факультета экономических наук ВШЭ
Одной из ключевых задач стало устранение дисбаланса в данных, поскольку кризисные ситуации составляют менее четверти всех рыночных событий. Дополнительной сложностью стала необходимость учета субъективных факторов, влияющих на поведение инвесторов. Для решения этих проблем авторы разработали специальные индексы инвестиционного настроения на основе метода главных компонент.
Разработанная система может быть полезна участникам финансового рынка для своевременного выявления кризисных тенденций. По мере накопления новых данных модель может быть доработана для создания динамической системы мониторинга рыночных рисков с учетом особенностей российского рынка.