Современные информационные технологии в управлении инвестиционным портфелем

Краткие характеристики: применение оригинальной парадигмы “Классной  доски”, описанной Ньюэллом; язык Пролог в качестве платформы программирования; представление данных на “Классной доске” в качестве исходных данных для различных знаний;

2. Splendors: Система управления портфелем ценных бумаг реального времени.

Решаемые задачи: достижение разнообразных инвестиционных целей  в условиях быстро меняющихся данных.

Краткие характеристики: система  реального времени, использование  специализированного языка высокого уровня Profit, большая гибкость в создании портфеля для опытных программистов на C, возможность создания портфеля непрограммирующему финансовому аналитику.

Система позволяет формировать  оптимальные инвестиционные портфели в реальном масштабе за счет игры на учете быстрых изменений на фондовой бирже.

3. PMIDSS: Система поддержки  принятия решений при управлении  портфелем. Разработчики: Финансовая группа Нью-Йоркского университета.

Решаемые задачи: выбор  портфеля ценных бумаг, долгосрочное планирование инвестиций

Краткие характеристики: смешанная  система представления знаний, использование  разнообразных механизмов вывода: логика, направленные семантические сети, фреймы, правила.

4. LeCourtier: Система ассистент-эксперт для менеджера портфеля. Фирма: CognitiveSystemInc.

Решаемые задачи: помощь инвесторам в определении своих  инвестиционных целей, управление портфелем.

Краткие характеристики: использование  правил, мощный естественно-языковый интерфейс.

5. PMA: Советчик управляющему  портфелем. Фирма: AthenaGroup.

Решаемые задачи: формирование портфеля, оказание рекомендаций по сопровождению  портфеля.

Краткие характеристика: обеспечение  качественного обоснования результатам  применения различных численных  методов.

6. ArBoR: Вычислительная модель рейтинга облигаций. Фирма: College of Business Administration Univercity of Nebraska.

Решаемые задачи: Данная система создана для конструирования  вычислительной модели в области  рейтинга облигаций и для применения модели в качестве экспертной системы.

Краткая характеристика: применение качественного и количественного  анализа, использование стандартной  оболочки ЭС.

7. IntelligentHedger: основанный на знаниях подход в задачах страхования от риска.

Фирма: Information System Department, New York University.

Решаемые задачи: проблема огромного количества постоянно  растущих альтернатив страхования  от рисков, быстрое принятие решений  менеджерами по рискам в ускоряющемся потоке информации, а также недостаток соответствующей машинной поддержки  на ранних стадиях процесса разработки систем страхования от рисков предполагает обильную сферу различных оптимальных  решений для менеджеров по риску. В данной системе разработка страхования от риска сформулирована как многоцелевая оптимизационная задача. Данная задача оптимизации включает несколько сложностей, с которыми существующие технические решения не справляются.

Краткие характеристики: система  использует объектное представление, охватывающие глубокие знания по управлению риском и облегчает эмуляцию первичных  рассуждений управляющих риском, полезных для выводов и их объяснений.

8. Узко ориентированная  система поддержки принятия решения  для выбора стратегий инвестиций. Фирма: Intelligent System Laboratory Science Univercity of Tokyo.

Решаемые задачи: С приходом в набор финансовых инструментов понятий “выбор” и “будущее”, у инвесторов появилась возможность  формировать набор стратегий, отвечающих целям их инвестиций. Однако, эта возможность порождает трудную задачу нахождения необходимой стратегии среди большого числа стратегий инвестиций. Представлена интеллектуальная система поддержки принятия решения для генерации необходимых стратегий инвестирования с использованием нотации ограниченной удовлетворительности, которая широко применяется в задачах поиска. В данной системе ограничения играют роль навигации для автоматического порождения сложных стратегий через абстрактное сравнение с профилем вкладчиков. Абстрактное сравнение может рассматриваться как поиск метода для производства качественно обоснованных стратегий, описывающих набор предложений для покупки или продажи без цифровой информации. Т.к. такая техника может быть использована как предпроцессор для количественного анализа типа линейного программирования для получения оптимального решения, предлагаемая система является мостом для плавного перехода между качественным и количественным анализами.

Краткие характеристики: применение качественного анализа для получения  возможных качественных решений (интуитивные  решения),  применение количественного  анализа для нахождения оптимального решения с помощью симплексного метода линейного программирования.

9. Явные рассуждения в  прогнозировании обмена валют.

Фирма: Department of Computer Science City Polytechnic of Hong Kong.

Решаемые задачи: Представляет новый подход в прогнозировании  обменавалют, основанный на аккумуляции и рассуждениях с поддержкой признаков, присутствующих для фокусирования на наборе гипотез о движении обменных курсов. Представленный в прогнозирующей системе набор признаков - это заданный набор экономических значений и различные наборы изменяющихся во времени параметров, используемых в модели прогнозирования.

Краткая характеристика: математическая основа примененного подхода базируется на теории Демпстера-Шафера.

10. Nereid: Система поддержки принятия решений для оптимизации работы с валютными опционами.

Фирма: NTT Data, The Tokai Bank, Science Univercity of Tokyo.

Решаемые задачи: система  облегчает дилерскую поддержку  для оптимального ответа из возможных  представленных вариантов. Система  более практична и дает лучшие решения, чем обычные системы  принятия решений.

Краткие характеристики: система  разработана с использованием фреймовой  системы CLP, которая легко интегрирует  финансовую область в приложение ИИ. Предложен смешанный тип оптимизации, сочетающий эвристические знания с  техникой линейного программирования. Система работает на Sun-станциях

2. ЭС, основанные на примерах.

ЭС, основанные на примерах, можно по принципам работы можно  разделить на две группы: использующие нейронные сети и использующие алгоритм индуктивного обобщения ID3. Первые в основном используются как предварительно обученный на примерах классификатор, у которого при подаче на его вход набора значений исходных финансовых параметров на выходе появляется искомое решение по данной финансовой ситуации. Вторые по наборам примеров формируют дерево решений, из которого затем строятся соответствующие для принятия решений правила. Ниже мы приведем 2 типичных примера ЭС обоих групп.

1. S&PCBRS: Нейронный симулятор  для оценки рейтинга ценных  бумаг.

Разработчики: Chase Manatten Bank, Standart& Poor’s Corp.

Решаемые задачи: оценка рейтинга ценных бумаг по данным о  фирмах эмитентах, формирование корректной рейтинговой шкалы.

Краткие характеристики: представление  задачи оценки рейтинга как задачи классификации, отбор данных о фирмах эмитентах и формирование обучающего материала, выбор нейроклассификатора, его обучение и тестирование, сравнение с оценками экспертов, использование нейросетевой парадигмы Couter-Propagation, вероятность правильного предсказания рейтинга 84%

2. ISPMS: Интеллектуальная система  управления портфелем ценных  бумаг.

Решаемые задачи: формирование портфеля акций, обеспечивающего баланс между риском и предполагаемым доходом.

Краткие характеристики: использование  оптимизационной модели квадратичного  программирования Марковица, баз данных и баз знаний по фирмам-эмитентам и отраслям, наличие подсистемы обучения на прошлом опыте, основанной на извлечении правил из большого количества фактов, учет знаний эксперта и личных предпочтений инвестора в оптимизационной модели, вероятность правильного предсказания резкого изменения на фондовой бирже в пределах 68% - 84%.

 

Глава 3. Необходимость внедрения систем управления инвестиционными проектами

 

3.1 Теоретическое обоснование необходимости внедрения

Система управления инвестиционными  проектами автоматизирует процессы планирования, согласования и мониторинга бюджетов инвестиционных проектов и портфелей, консолидации данных, учета и анализа информации в режиме реального времени. Система инвестиционного планирования служит основой для организации проектной (по-объектной) структуры учета бюджетных средств и ориентирована на департаменты инвестиционного планирования территориально-распределенных компаний и холдингов, для которых характерны многоступенчатые процедуры согласования заявок на финансирование и необходимость учета расходов сразу в нескольких разрезах (по подразделениям, бизнес-направлениям, проектам).[4,c.300]

Цели внедрения  системы. Цель создания и внедрения системы управления инвестиционными проектами - предоставление в структурированной форме полной информации по денежным потокам инвестиционных проектов для принятия управленческих решений относительно их экономической целесообразности, формирования планов финансирования проектов, разработки планов закупок и бюджетов компании.

Основной задачей системы  является формирование на базе поступающих  заявок на финансирование инвестиционного  бюджета и мониторинга его  фактического исполнения в режиме реального  времени. Система автоматизируют всю  цепочку прохождения заявок на финансирование – от согласования до исполнения и  дальнейшего мониторинга и поддерживает как иерархическую распределенную региональную структуру компании, так  и иерархическую функциональную структуру компании.

Система автоматизирует как  регламентные процессы - инициирование  и мониторинг инвестиционных проектов, формирование и бюджетирование инвестиционного  портфеля, так и технологические  процессы сбора, анализа, консолидации и обмена данными на разных уровнях.

Инвестиционные проекты  проходят циклы редактирования и  согласования на основе соответствующих  матриц редактирования и согласования. По завершении согласования бюджетов отдельных проектов, формируются  инвестиционные портфели, консолидирующие информации на уровне регионов и компании в целом.

Результат внедрения. Система управления инвестиционными проектами является важной составляющей управленческого учета в организации. Результатом внедрения системы управления инвестиционными проектами  является повышение эффективности распределения инвестиционного бюджета организации за счет сокращения временных и ресурсных затрат на прохождение и мониторинг заявок, обеспечения оперативности, достоверности и согласованности информации об объектах управления и учета, исключение потерь заявок и информации, ведения электронного архива документов.

Внедрение системы управления инвестиционными проектами обеспечивает оптимизацию управления затратами за счет планирования и мониторинга затрат в различных разрезах - по статьям управленческого и финансового учета, по региональным и организационным подразделениям - и способствует повышению прозрачности компании для инвесторов и акционеров за счет возможности оперативного формирования планов и отчетов по инвестиционным проектам. Система предоставляет неограниченные возможности расчета и анализа ключевых показателей, которые могут быть использованы для оценки эффективности инвестиционных проектов [10, с.197].

Технологическая реализация.  Автоматизированная система управления инвестиционными проектами разработана как набор приложений с единой базой данных, поддерживается модульный принцип построения и компоновки системы. Клиентское приложение для планирования и отчетности реализовано как «тонкий» клиент с использованием WEB-технологии. В составе системы предусмотрены отдельные модули для ведения нормативно-справочной информации (НСИ) и администрирования.

Система устойчиво работает на любых каналах связи, в том  числе Internet каналах, как выделенных, так и dial-up. Система легко масштабируется, при этом рост числа пользователей и регионов, подключенных к системе, мало влияет на полную стоимость развертывания и сопровождения системы.

 

3.2 Пример успешного внедрения экспертной системы

Например, разработанная специалистами Центра тестирования компании «Аплана» система автоматизированного функционального тестирования помогла выявить ошибки, а также несоответствия требованиям по функциональности системы автоматизированной системы по операциям с ценными бумагами в фронт-офисе Казначейства Центрального Аппарата Сбербанка России.

Сбербанк России был основан  в 1841 году. Акционерами Банка являются более 240 тысяч юридических и физических лиц. Сбербанк России обладает уникальной филиальной сетью: в настоящее время  в нее входят 17 территориальных  банков и более 20 000 подразделений  по всей стране. Дочерние банки Сбербанка  России работают в Республике Казахстан  и на Украине.

Ситуация. 
В связи с расширяющимися масштабами бизнеса Сбербанку России очень важно обладать развитой и прогрессивной информационной системой и поддерживать ее бесперебойное и безошибочное функционирование. Поэтому руководство фронт-офиса Казначейства Центрального Аппарата Сбербанка России приняло решение о проведении функционального тестирования, целью которого являлось выявление ошибочной и не соответствующей требованиям функциональности автоматизированной системы по операциям с ценными бумагами, обеспечивающей информационную поддержку операций купли-продажи ценных бумаг на торговых площадках.