ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ВИКОНАННЯ ОПЕРАЦІЙ НА БІРЖІ З ВИКОРИСТАННЯМ ТОРГОВИХ РОБОТІВ : ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ВЫПОЛНЕНИЯ ОПЕРАЦИЙ НА БИРЖЕ С ИСПОЛЬЗОВАНИЕМ ТОРГОВЫХ РОБОТОВ

Краткое описание

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ УКРАЇНИ

«КИЇВСЬКИЙ ПОЛІТЕХНІЧНИЙ ІНСТИТУТ»

НАВЧАЛЬНО-НАУКОВИЙ КОМПЛЕКС

«ІНСТИТУТ ПРИКЛАДНОГО СИСТЕМНОГО АНАЛІЗУ»

На правах рукопису

Федоров Андрій Васильович

УДК 004.89:519.226 

ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ВИКОНАННЯ ОПЕРАЦІЙ НА БІРЖІ З ВИКОРИСТАННЯМ ТОРГОВИХ РОБОТІВ

Спеціальність: 05.13.06 – Інформаційні технології

Дисертація

на здобуття наукового ступеня кандидата технічних наук

Науковий керівник:

Бідюк П. І.,

д.т.н., професор

Київ – 2013

ЗМІСТ

ПЕРЕЛІК УМОВНИХ СКОРОЧЕНЬ                                                           4

ВСТУП                                                                                                              5

Розділ 1МЕТОДИ АНАЛІЗУ БІРЖОВИХ ПРОЦЕСІВ                           11                                 

1.1.         Фундаментальний і технічний аналіз. Індикатори технічного аналізу         11   

1.1.1. Особливості маржинальної торгівлі                                                   16

1.1.2. Торгова система і торговий робот                                                           19

1.2.          Використання дерев рішень при прийнятті торгових рішень                       24

1.3.          Мережі Байєса                                                                                                    28

1.4.         Аналіз якості моделей бінарної класифікації                                                   33

1.5.         Використання сучасних інформаційних технологій у торгових системах    40

1.6.Висновки і постановка задачі дисертаційної роботи                                  42

Розділ 2 пОБУДОВА ПРОГНОЗУЮЧИХ МОДЕЛЕЙ БІРЖОВИХ ПРОЦЕСІВ                                                                                                                             45

2.1. Розробка методу ймовірнісного прогнозування часового ряду              45

2.2. Методика побудови регресійної моделі з використанням індикатора      технічного аналізу Pivot Point                                                                                  49

2.3. Побудова моделей типу логістичної регресії                                                  53

2.4 Методика побудови моделей прогнозування умовної дисперсії                    67

2.5 Висновки до другого розділу                                                                      85

РОЗДІЛ 3 РОЗРОБКА СИСТЕМИ АДАПТИВНОГО ПРОГНОЗУВАННЯ 

ФІНАНСОВИХ ЧАСОВИХ РЯДІВ                                                                87

3.1 Розробка структури системи адаптивного прогнозування                        87

3.2 Інтегральний критерій якості моделі і прогнозу                                        96

3.3 Схема прогнозування напряму руху ціни за нелінійними моделями       98

3.4 Метод адаптування байєсівської мережі                                                   103

3.5 Приклад застосування концепції адаптивного прогнозування                111

3.6 Висновки до третього розділу                                                                   118

РОЗДІЛ 4 РОЗРОБКА ТА ЗАСТОСУВАННЯ  ІНФОРМАЦІЙНОЇ ТЕХНОЛОГІЇ ВИКОНАННЯ ОПЕРАЦІЙ НА БІРЖІ З ВИКОРИСТАННЯМ ТОРГОВИХ РОБОТІВ                                                  120

4.1 Архітектура програмної системи брокера                                               126

4.2 Структура інструментального комплексу ІТ                                            130

4.3 Побудова ER-моделі                                                                                  139

4.4 Проектування користувацького інтерфейсу                                             141

4.5 Висновки до четвертого розділу                                                               149

ВИСНОВКИ                                                                                                   151

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ                                                     155

Перелік умовних скорочень

ТР                Торговий робот

ТС                Торгова система

ROC             Операційна характеристика отримувача (Receiver

                     Operation Characteristic)

AUC             Площа під кривою (Area Under Curve)

БД                База даних

ІК                 Інтегральний критерій

ІАД              Інтелектуальний аналіз даних

ІСППР                   Інформаційна система підтримки прийняття рішень

МБ               Байєсівська мережа

ОМД            Опис мінімальної довжини

РМНК          Рекурсивний метод найменших квадратів

МГВА          Метод групового врахування аргументів

ВСТУП

Прибуткова торгівля на фінансових біржах світу та збільшення її об’ємів – один із основних видів діяльності фінансових інститутів таких як банки та інвестиційні компанії, а також трейдерів та інвесторів. У більшості випадків при прийнятті рішень стосовно виконання конкретних операцій фінансові інститути використовують фундаментальний і технічний аналіз.Рішення стосовно виконання торгових операцій на біржі зазвичай ґрунтуються на математичних методах прогнозування часових рядів, а також на методах інтелектуального аналізу даних. В останні роки кількість учасників біржової торгівлі значно зросла, що вплинуло на роботу фінансових бірж, а саме – збільшилася волатильність фінансових процесів та ліквідність. У зв’язку з цим час, необхідний для прийняття “правильного” рішення,значно зменшився. Всі ці обставини зумовили виникнення нових інформаційних технологій та систем підтримки прийняття рішень стосовно виконання торгових операцій на біржі, основними вимогами до яких є можливість автоматичної побудови прогнозуючих моделей для множини біржових процесів одночасно, автоматичної цілодобової торгівлі за певними алгоритмами та можливість швидкого виконання торгових операцій на біржі за мінімально можливий час. Частково ця проблема була вирішена завдяки створенню та впровадженню у практику торгових роботів.

Торговий робот – це торгова система, яка прив’язана до певного графіку біржового інструменту; вона може працювати у двох режимах:

– режим інформування користувача про можливість здійснення операцій згідно з деяким  алгоритмом (напівавтоматичний режим);

–       автоматичний режим виконання операцій безпосередньо на обраному торговому сервері.

Оскільки торговий робот “прикріплюється” до одного біржового інструменту (фінансового часового ряду даних), основні статистичні характеристики якого змінюються у часі, то виникає необхідність зміни робота при зміні відповідних статистичних характеристик. Це зумовлено тим, що прибуток торгового робота змінюється (збільшується або зменшується) при зміні основних статистичних характеристик часового ряду даних фінансового процесу (наприклад, процесу ціноутворення).

Дисертаційна робота спрямована на створення нової інформаційної технології для автоматичного виконання операцій на біржі за допомогою торгових роботів. Оскільки вибір торгового робота – це нетривіальнийаналітичний процес, у дисертаційній роботі запропоновано використати математичні моделі для високоякісного прогнозування часових рядів ціноутворення. Методи, які відносять до методів інтелектуального аналізу даних, використано для прогнозування умовної дисперсії процесу ціноутворення та напрямку руху ціни активу. Ці методи є складовими  частинами запропонованої схеми вибору торгових роботів.

Зв’язок роботи з науковими програмами, планами, темами

Дисертаційна робота виконана у навчально-науковому комплексі «Інститут прикладного системного аналізу» Національного технічного університету «Київський політехнічний інститут» у відповідності до планів науково-дослідних робіт кафедри математичних методів системного аналізу: (1) д/б НДР "Розробка СППР на основі байєсівських мереж для моделювання поведінки складних систем" (№ ДР 0109U000300, тема 2436п), 2009 – 2010 рр.; (2) д/б НДР «Розробка і реалізація методики інтелектуального аналізу даних із використанням теорії мереж Байєса та регресійного аналізу» (№ 0111U001241, тема 2419п), 2011 – 2012 рр.

Мета і завдання дослідження

Метою дослідження є підвищення ефективності процесу виконання торгових операцій на біржі з використанням торгових роботів.

Об’єкт дослідження – біржові процеси ціноутворення на міжнародному валютному ринку, схеми вибору торгових роботів для виконання біржових операцій.

Предмет дослідження – математичні методи і моделі опису фінансових даних на основі регресійних методів, дерев рішень, мереж Байєса та карт Кохонена; система для вибору торгових роботів.

Методи дослідження ґрунтуються на математичних методах і моделях опису фінансових даних на основі регресійних методів, дерев рішень, мереж Байєса та карт Кохонена.

Наукова новизна отриманих результатів

Наукова новизна отриманих результатів визначається такими теоретичними і практичними результатами, отриманими автором:

1.    Вперше запропоновано підхід до вибору торгового робота, який відрізняється можливістю прогнозування умовної дисперсії за множиною моделей гетероскедастичних процесів і моделей прогнозування напрямку руху ціни за допомогою моделей ІАД (логістична регресія, дерева рішень, байєсівська мережа тощо). Підхід забезпечує коректний вибір торгового робота з множини наявних за допомогою відповідних статистичних характеристик.

2.    Удосконалено метод адаптивного прогнозування значення ціни біржових даних, який відрізняється можливістю налаштування структури моделі з використанням інтегрованого критерію якості моделі та прогнозу. Метод забезпечує формування структури адекватної моделі досліджуваного процесу і обчислення високоякісних оцінок прогнозу.

3.    Отримав подальший розвиток метод прогнозування напряму руху ціни біржових даних, який відрізняється використанням в якості незалежних змінних у нелінійних моделях оцінок прогнозів, отриманих за моделлю множинної регресії. Метод забезпечує отримання високоякісного прогнозу руху ціни.

4.    Отримав подальший розвиток метод адаптації структури і параметрів Байєсівської мережі до нових даних, який забезпечує отримання прийнятних за якістю оцінок прогнозів напряму руху ціни, що дає можливість використовувати його у реальному часі.

5.    Удосконалено метод формування оцінок прогнозів на основі інтегрованого підходу, який передбачає зважене комбінування оцінок прогнозів, отриманих за множиною методів ІАД (логістична регресія, дерева рішень, байєсівська мережа тощо). Метод забезпечує суттєве покращення прогнозів напрямку руху ціни.

Практичне значення одержаних результатів

1.    Запропонована інформаційна технологія знайшла практичне впровадження у системі управління брокера.

2.    Для оцінювання прогнозу значення ціни активів побудована множина нових регресійних моделей, у яких ефективно використано індикатори технічного аналізу. Моделі забезпечують обчислення високоякісних оцінок прогнозів ціни активів з використанням комплексного критерію якості.

3.    Запропонована, реалізована і апробована в інтерактивному режимі нова інформаційна технологія вибору торгових роботів, яка відрізняється можливістю використання сучасних методів інтелектуального аналізу даних та декількох множин моделей і критеріїв якості.

4.    Всі розробки дисертаційної роботи можуть бути успішно використані в навчальній системі підготовки аналітиків фінансових ринків.

5.    Створена інформаційна технологія впроваджена у двох організаціях – ТОВ Томако-Інвест та Банк Петрокоммерц  Україна, а також у навчальному процесі НТУУ «КПІ». ТОВ Томако-Інвест застосовує запропоновану інформаційну технологію для прогнозування валютних курсів. Банк Петрокоммерц Україна використовує запропонований  метод адаптування структури байєсівської мережі при побудові та модифікації моделей потенційних позичальників кредитів.

Особистий внесок здобувача

Всі основні результати, що відображають основний зміст роботи, отримані автором самостійно. У друкованих працях, написаних у співавторстві, здобувачеві належать: дослідження особливостей застосування методів аналізу біржових даних, вибір індикаторів для побудови математичних моделей фінансових процесів[22-24]; аналіз, модифікація та побудова торгових роботів, програмна реалізація моделюючої системи[25-27]; аналіз та побудова регресійних та нелінійних моделей прогнозування напрямку руху ціни з використанням індикаторів технічного аналізу[28-30]; виконання порівняльного аналізу різних методів прогнозування напрямку руху ціни та моделей на їх основі[31-33], побудова математичних моделей для прогнозування умовної дисперсії процесу ціноутворення, аналіз результатів[33,34], обґрунтування доцільності використання інтегрованих методів та програмна реалізація методу[21].

Апробація результатів роботи

Основні наукові результати і положення дисертаційної роботи представлялись, доповідались і обговорювались на міжнародних конференціях, семінарах і публікувались у збірках наукових праць з метою апробації поточних результатів досліджень:

·        Міжнародна конференція “Інформаційні технології в наукових дослідженнях і навчальному процесі”(Луганськ, 2009);

·        Міжнародна конференція “Сучасні інформаційні та інноваційні технології на транспорті” (Херсон, 2009);

·        Міжнародна наукова конференція «Інтелектуальні системи прийняття рішень та проблеми обчислювального інтелекту» (Євпаторія, 2009, 2010);

·        6-а Міжнародна НТК «Економічне відродження України», МНТУ імені академіка Бугая Ю. (Київ, 2009);

·        Науково-практична конференція Миколаївського морського університету ім. Петра Могили (Миколаїв, 2009);

·        XV-th International Conference – Problems of Decision Making Under Uncertainties (Львів, 2010);

·        Всеукраїнська науково – практична конференція молодих учених і студентів «Інформаційні процеси і технології «Інформатика – 2010» (Севастополь, 2011);

·        Перша міжнародна науково-практична конференція  “Обчислювальний інтелект” (Черкаси, 2011).

Публікації

За матеріалами дисертаційної роботи опубліковано 19 друкованих наукових праць, з них 10 у фахових виданнях, список яких затверджений ВАК України [12, 21–28, 39], 9 у матеріалах доповідей міжнародних і національних конференцій [29-35, 42, 96].

Структура дисертаційної роботи

Дисертаційна робота складається із вступу, переліку умовних позначень, чотирьох основних розділів, висновків, списку використаних джерел і п’яти додатків. Робота викладена на 163 сторінках і містить 163 сторінки основної частини, 46 рисунків, 11 таблиць, список використаних джерел з 109 найменувань. 

Список литературы

Загальні висновки по роботі

  1. Досліджено існуючі методи прогнозування фінансових процесів та сучасних технологій виконання торгових операцій на біржі з використанням торгових роботів. Наведено огляд сучасних інформаційних технологій, призначених для виконання торгових операцій на світових фінансових ринках. Зроблено висновок про відсутність багатопоточності при тестуванні торгових роботів на історичних даних та відсутності функцій, що ефективно реалізують регресійні методи та моделі інтелектуальної обробки даних.

2. Запропоновано підхід до вибору торгового робота, який відрізняється можливістю прогнозування умовної дисперсії за множиною моделей гетероскедастичних процесів і моделей прогнозування напрямку руху ціни за моделями і методами інтелектуального аналізу даних. Підхід забезпечує коректний вибір торгового робота з множини наявних за допомогою відповідних статистичних характеристик.

3. Удосконалено метод адаптивного прогнозування значення ціни активу, який відрізняється можливістю налаштування структури моделі з використанням інтегрованого критерію якості моделі та прогнозу. Метод забезпечує формування структури адекватної моделі досліджуваного процесу і обчислення високоякісних оцінок прогнозів розвитку фінансових процесів.

4. Отримав подальший розвиток метод прогнозування напрямку руху ціни активу, який відрізняється використанням в якості незалежних змінних у нелінійних моделях оцінок прогнозів, отриманих за моделлю множинної регресії. Метод забезпечує отримання високоякісного прогнозу руху ціни.

5. Запропоновано метод адаптації структури і параметрів байєсівської мережі до нових даних, який забезпечує отримання прийнятних за якістю оцінок прогнозів напрямку руху ціни, що дає можливість використовувати його у реальному часі з метою підвищення ступеня адекватності моделі.

6. Удосконалено метод формування оцінок прогнозів на основі інтегрованого підходу, який передбачає зважене комбінування оцінок прогнозів, отриманих за множиною методів інтелектуального аналізу даних. Метод забезпечує покращення прогнозів напрямку руху ціни у середньому на 2,5%.

7. Для оцінювання прогнозу значення ціни активів побудована множина нових регресійних моделей, у яких ефективно використано індикатори технічного аналізу. Моделі забезпечують обчислення високоякісних оцінок прогнозів ціни активів з використанням комплексного критерію якості. При цьому середня абсолютна похибка у процентах не перевищує 7,2%.

8. Запропонована інформаційна технологія знайшла практичне впровадження у системі управління біржового брокера, що сприяє досягненню високого рівня автоматизації процесу виконання торгових операцій. Після виконання експериментів на історичних даних інформаційну технологію

виконання операцій на біржі за допомогою торгових роботів апробовано в інтерактивному режимі. В результаті використання запропонованого підходу після 30 днів роботи прибуток склав 6,3%. В середньому час, який відводиться на прийняття рішення, склав 3,5 хвилини.

9. Всі розробки дисертаційної роботи впроваджено у Банку Петрокоммерц Україна і ТОВ Томако-Інвест для прийняття рішень стосовно кредитування фізичних осіб та прогнозування напряму руху ціни на валютному ринку. Результати роботи також впроваджено у відповідних навчальних курсах Інституту прикладного системного аналізу НТУУ «КПІ» – аналіз часових рядів, прикладна статистика та проектування комп’ютерних інформаційних систем. Вони можуть бути успішно використані у навчальній системі підготовки аналітиків фінансових ринків.

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

1.                Абчук В. А. Экономико-математические методы. Санкт-Петербург: Изд-во "Союз", 1999. – 311с.

2.                Алексеев М.Ю. Рынок ценных бумаг. – М.: Финансы и статистика, 1992. С. 321.

3.                Алексеев A.M. Международные валютно-финансовые и кредитные отношения. М.: 1984. – 592 с.

4.                Альшанский Л. Спекуляции на современных финансовых рынках // Рынок ценных бумаг, 2002. – Nо 10. – с. 46-49.

5.                Ачкасов А.И. Типы валютных операций и другие виды сделок на международных денежных рынках. – М.: Консалт-Банкир, 1994. – 120 с.

6.                Балабанов И.Т. Валютные операции. – М.: Финансы и статистика, 1993. – 144 с.

7.                Баринов Э.А., Хмыз О.В. Рынки: валютные и ценных бумаг.– М.: Экзамен, 2001. – 426 с.

8.                Богатин Ю., Швандар В. Оценка эффективности бизнеса и инвестиций. – М.: Юнити, 1999. – 254 с.

9.                Бідюк П.І.  Системний підхід до прогнозування на основі моделей часових рядів // Системні дослідження та інформаційні технології, 2003, № 3, с. 88-110.

10.           Бідюк П.І., Баклан І.В. Системний підхід до прогнозування на основі моделей часових рядів // Системні дослідження та інформаційні технології, 2003, № 3, С. 88-110.

11.           Бідюк П.І., Баклан І.В., Литвиненко В.І. Моделювання та прогнозування нелінійних динамічних процесів. – Київ: ЕКМО, 2004. – 121 с.

12.           Бідюк П.І., Бурковський А.В., Федоров А.В.  Прогнозування потенційно неплатоспроможних клієнтів методами штучного інтелекту – Проблемы информационных технологий, 2011, № 3, с. 20 – 26.

13.           Бідюк П.І., Кроптя А.В. Аналіз і методи розв’язання задачі оцінювання екстремальних значень // Наукові Вісті НТУУ „КПІ”, 2005, № 4, С. 34 – 47.

14.           Бидюк П.И., Литвиненко В.И., Баклан И.В., Фефелов А.А. Алгоритм клонального отбора для прогнозирования нестационарных динамических систем // Искусственный интеллект, 2004, № 4, С. 89 – 99.

15.           Бідюк П.І., Литвиненко В.І., Слободенюк О.В. Моделювання і прогнозування гетероскедастичних процесів // Наукові праці Миколаївського державного гуманітарного університету ім. Петра Могили, 2004, Вип. 22, С. 24 – 39.

16.           Бідюк П.І., Литинська А.Ю., Кравчук Ю.В. Оцінювання VaR та CVaR для квадратичного портфеля цінних паперів з факторами ризику, що розподілені за еліптичним законом // Наукові праці Миколаївського державного гуманітарного університету ім. Петра Могили, 2007, Вип. 55, С. 8 – 18.

17.           Бідюк П.І., Литвиненко В.І., Федоров А.В. Адаптивне моделювання процесів і систем довільної природи // Інтелектуальні системи прийняття рішень та проблеми обчислювального інтелекту, Євпаторія, 17–21 травня, 2010 року, Т1, с. 28.

18.           Бідюк П.І., Меняйленко О.С., Половцев О.В. Методи прогнозування. – Луганськ: Альма Матер, 2008. – 607 с.

19.           Бідюк П.І., Савенков О.І., Баклан І.В. Часові ряди: моделювання і прогнозування. – Київ: ЕКМО, 2004. – 142 с.

20.           Бидюк П.И., Терентьев А.Н., Гасанов А.С. Построение и методы обучения байесовских сетей // Кибернетика и системный анализ, 2005, № 4, с. 24 – 34.

21.           Бідюк П.І., Трофимчук О.М., Федоров А.В. Інформаційна СППР для прогнозування фінансово-економічних процесів на основі структурно-параметричної адаптації моделей // Наукові Вісті НТУУ “КПІ”, 2011, № 6, с. 42–53.

22.           Бидюк П.И., Федоров А.В. Сравнение некоторых методов прогнозирования на нестационарных процессах // Проблемы управления и информатики, 2008, № 2, с. 130–139.

23.           Бідюк П.І., Федоров А.В. Побудова системи адаптивного прогнозування фінансово–економічних процесів та її застосування // Збірник наукових праць Миколаївського морського університету, Вип. 104, т. 117, 2009, с. 119–129.

24.           Бідюк П.І., Федоров А.В. Прогнозування фінансових процесів на біржі з використанням індикаторів технічного аналізу // Наукові вісті НТУУ “КПІ” – 2009. – № 2. – С. 5–9.

25.           Бідюк П.І., Федоров А.В. Ймовірнісне прогнозування процесів ціноутворення на фондових ринках // Системні дослідження та інформаційні технології – 2009. – № 1. – С. 65–73.

26.           П.І. Бідюк, А.В. Федоров, Адаптивне прогнозування напряму руху цін на міжнародному валютному ринку // Проблеми інформаційних технологій  – 2009.– №1. – С. 69–73.

27.           Бідюк П.І., Федоров А.В., Суворов І.С. Моделі ціноутворення на валютному ринку для прогнозування руху ціни відносно заданого рівня //  Моделювання та аналіз складних систем. – 2010, Вип. 130, т. 143 – С. 12–17.

28.           Бидюк П.И., Фёдоров А.В. Выбор торговой системы при помощи дисперсии процесса ценообразования // Управляющие системы и машины – 2011. – №1. – С. 88–92.

29.           Бідюк П.І., Федоров А.В. Автоматизований вибір типу торговельної системи на основі адаптивного оцінювання прогнозу дисперсії // Інформаційні технології в наукових дослідженнях і навчальному процесі, Луганськ, 2009, с. 13–15.

30.           Бідюк П.І., Федоров А.В. Прогнозування процесів ціноутворення на біржі за допомогою моделей множинної регресії // Сучасні інформаційні та інноваційні технології на транспорті, 25–27 травня, 2009, Том 2, с. 29–30.

31.           Бідюк П.І., Федоров А.В. Адаптивне прогнозування напряму руху цін на ринку Forex // Міжнародна НТК «Інтелектуальні системи прийняття рішень та проблеми обчислю-вального інтелекту», Євпаторія, травень 2009,  с. 26–28.

32.           Бідюк П.І., Федоров А.В. Адаптивне прогнозування ФЕП на основі принципів системного аналізу // 6–а Міжнародна НТК «Економічне відродження України», МНТУ імені академ. Бугая Ю., Київ, травень 2009 р., 228–231.

33.           Бідюк П.І., Федоров А.В. Адаптивне прогнозування нелінійних нестаціонарних процесів, представлених часовими рядами // Науково–практична конференція Миколаївського морського університету ім. Петра Могили, Листопад, 2009.

34.           Бідюк П.І., Литвиненко В.І., Федоров А.В. Адаптивне моделювання процесів і систем довільної природи // Інтелектуальні системи прийняття рішень та проблеми обчислювального інтелекту, Євпаторія, 17-21 травня, 2010 року, Т1, с. 28

35.           Бидюк П.И., Фёдоров А.В. Анализ возможности выбора лучшего из торговых роботов // 1 Міжнародна науково-практична конференція  “Обчислювальний інтелект”, Черкаси, 10–13 травня, 2011, с.421–422.

36.           Бобков С.С. Операции «своп» /Япония сегодня. – М.: 1992. – 32 с.

37.           Богатин Ю.В., Швандар В.А. Оценка эффективности бизнеса и инвестиций / Учеб. пособие для вузов. – М.: Финансы, ЮНИТИ-ДАНА, 1999. – 254 с.

38.           Боди З., Кейн А., Маркус А.Дж. Принципы инвестиций. – М.: Вильямс, 2004. – 982 с.

39.           Боримський Ю.С., Бідюк П.І., Федоров А.В. Алгоритми формування інвестиційного портфеля та визначення часток активів в інвестиційному капіталі  // Збірник наукових праць Миколаївського державного морського університету, Вип. 93, т. 106, 2009, с. 39–46.

40.           Бромвич М. Анализ экономической эффективности капиталовложений. – М.: "ИНФРА-М", 1996. – 425 с.

41.           Бузова И.А., Маховикова .А., Терехова .В. Коммерческая оценка инвестиций / Под ред. В.Е. Есипова. – СПб.: Питер, 2003. – 432 с.

42.           Бурковський А.В., Федоров А.В. Прогнозування неплатоспроможних клієнтів для колекторських кампаній // Четвёртая Всеукраинская научно-практическая конференция молодых учёных и студентов “Информационные процессы и технологии”, Севастополь, 25–29 апреля, 2011, с.281–283.

43.           Вахрин П.И. Инвестиции. М.: 2002. - 384 с.

44.           Вайн С. Анализ и оценка методов для прогнозирования рынка / Рынок ценных бумаг. – М., 2002. – № 17. с. 24-30.

45.           Ввозный Д. Код Элиота: волновой анализ рынка Форекс. – М: Омега-Л, 2006. – 240 с.

46.           Глазунов В.Н. Финансовый анализ и оценка риска инвестиций. — М.: "Финстатинформ", 1997, 135 с.

47.           Гребенщиков С.И. Как делать деньги на рынке Форекс.-М.: Альпина Бизнес Букс, 2007. – 130 с.

48.           Дебок Г., Кохонен Т. Анализ финансовых данных с помощью самоорганизующихся карт, Альпина Паблишер, 2001. – 317 с.

49.           Дембицкий С.Г., Шкодинский С.В. Инвестиции. Учеб. пособие. –М.: ИЭиМ, 2001. – 82 с.

50.           Долінський Л., Павленко Ю. Деякі аспекти кількісного аналізу ефективності управління активами інститутів спільного інвестування // Ринок цінних паперів України. – 2007. – № 3 – 4. – с. 53-58.

51.           Дрейпер Н., Смит Г. Прикладной регрессионный анализ. — М.: Диалектика, 2007. – 911 с.

52.           Дюк В. А., Самойленко А. П. DataMining: учебный курс. – СПб: Питер, 2001. С. 368.

53.           Елисеева И.И., Юзбашев М.М. Общая теория статистики. М.: Финансы и статистика, 1996. – 367 с.

54.           Ершов М.В. Валюты в мировой торговле. М.: Наука, 1992. – 142 с.

55.           Зайченко Ю.П.  Основи проектування інтелектуальних систем. – Київ: Слово, 2003. – 351 с.

56.           Зельнер А. Байесовские методы в эконометрии. – Москва: Статистика, 1980. – 438 с.

57.           Згуровский М.З., Подладчиков В.Н. Аналитические методы калмановской фильтрации. – Київ: Наукова думка, 1995. – 285 с.

58.           Иванов Ю.А. Форекс: учебное пособие. – М.: Изд-во ОМЕГА-Л, 2005. – 238 с.

59.           Карташов В.А. Система систем. Очерки общей теории и методологии. – М.: Прогресс-Академия, 1995. – 325 с.

60.           Конноли К.Б. Покупка и продажа волатильности. – М.: ИК Аналитика, 2001. – 264 с.

61.           Крайникова Л.И. Валютные неторговые операции. – М.: АО «Консалт-Банкир», 1992. – 232 с.

62.           Кузнецов М.В. Овчинников А.С. Технический анализ рынка ценных бумаг. – М.: ИНФРА-М, 1996. – 132 с.

63.           Лин К. Дейтрейдинг на рынке Forex. Стратегии извлечения прибыли / Пер. с англ. – М.: Альпина Бизнес Букс, 2007. – 240 с.

64.           Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. – Москва: Финансы и статистика, 2003. – 416 с.

65.           Мартынова О.И. Регулирование валютного риска: открытая валютная позиция // Деньги и кредит. – 1997, № 2. – С.11-15.

66.           Махлуп Ф. Теория валютного курса // Этот изменчивый обменный курс: Сборник статей, М., 2001. – С. 22-82.

67.           Мид Дж. Некоторые примеры внешнеторговых мультипликаторов // Этот изменчивый обменный курс: Сборник статей, М., 2001. – С. 83-116.

68.           Мусатов В.Т. Федоров Б.Г. Опционы и фыочерсы. – М.: Наука, 1985. – 111с.

69.           Назарчук М. Оценка ликвидности ценных бумаг по результатам биржевых торгов // Рынок ценныхбумаг. – 2008. – № 8 (359) – с. 68-72.

70.           Найман Э.Л. Трейдер-инвестор. – Киев: ВИРА-Р, 2000. – 640 с.

71.           Орлова Е.Р. Инвестиции: Курс лекций. – М.: ИКФ Омега-Л, 2002. – 192 с.

72.           Поленок С. Електронний ринок стає реальністю // Финансовые риски. – 2008. – № 1 (50). – с. 79-81.

73.           Рив С. Индексное инвестирование и фонды, обращающиеся на бирже // Рынок ценных бумаг. – 2007. – № 9 (336). – с. 20-21.

74.           Романенко В.Д., Билый А.В. Синтез и адаптивная настройка GARCH для прогнозирования дисперсии гетероскедастических процессов с разнотемповой дискретизацией // Системні дослідження та інформаційні технології. – 2008. – № 1. – с. 114-126.

75.           Сафин В.И. Торговая система трейдера: фактор успеха. – СПБ.: Питер, 2007. – 256 с.

76.           Смирнов С. В. Прогнозирование динамики курсов валют, моделирование спекулятивных операций на рынке Форекс и их эффективность // Материалы Междунар. науч.-практ. конференции «Экономическое прогнозирование: модели и методы». Воронеж, 2005. С. 338-343.

77.           Сорос Дж. Алхимия финансов.: Пер. с англ. – М.: Инфра-М, 1996. –324 с.

78.           Терентьев А.Н., Бидюк П.И., Миронова А.В., Медин Н.Ю. Сравнение методов интеллектуального анализа данных при оценивании кредитоспособности физических лиц // Проблемы управления и информатики. — К.: ИКИ НАНУ-НКАУ, 2009. — № 5. — С. 141—149.

79.           Терехов А.Ю., Понизовский Е.Л.  – Индикатор Ишимоку как основа торговой системы / НП “Форекс Клуб”. – M.: Форекс Клуб, 2004. – 96с.

80.           Трахтенгерц Э.А. Компьютерная поддержка принятия решений: Научно-практическое издание. – М.: СИНТЕГ, 1988. – 376 с.

81.           Удовенко В.А. Форекс: практика спекуляций на курсах валют. – М.: ООО «И.Д.Вильямс», 2007.-384 с.

82.           Уотшем Т. Дж., Паррамоу К. Количественные методы в финансах. – Москва: ЮНИТИ, 1999. – 527 с.

83.           Флеминг М. Плавающий обменный курс, ассимметричная интервенция и управление международной ликвидностью // Этот изменчивый обменный курс: Сборник статей. М., 2001. С. 179-206.

84.           Хитров Г. М., Хованов Н. В. Простая модель обмена: рандомизированныетранзитивные матрицы коэффициентов обмена // Вестн. С. -Петерб. ун-та. Сер. 5: Экономика. 1994. Вып. 1 (№ 5). С. 94-99.

85.           Шарп У.Ф., Александер Г. Дж., Бейли Дж. В. Инвестиции. – М: ИНФРА–М, 1999. – 1028 с.

86.           Щетинин Е.Ю., Статистический анализ структур экстремальных зависимостей на российском фондовом рынке // Вестник Российского университета дружбы народов, серия прикладная и компьютерная математика, 2005, т.4,1, с.144-152.

87.           Щетинин Е. Ю., Назаренко К. М., Парамонов А. В., Инструментальные методы стохастического анализа экстремальных событий // Вестник ННГУ, Математическое моделирование и оптимальное управление. Н. Новгород, 2 (29), 2004, стр. 56-63.

88.           Щетинин Е.Ю., Лапушкин А.С., Статистические методы и математические модели оценивания финансовых рисков, Математическое моделирование, М. Наука, 2004, 5(16), с. 40-54.

89.           Щетинин Е.Ю., Статистический анализ хвостовых зависимостей на российском фондовом рынке // Финансы и кредит, 2005, 22(190), с. 44-51.

90.           Энг М., Лис Ф., Мауэр Л. Мировые финансы. – М., 1998. — 768 с.

91.           Якимкин В.Н. Финансовый дилинг.М., Омега-Л, 2001. – 111 с.

92.           Якимкин В.Н. Forex – как зарабатывать большие деньги. – М.: Омега-Л, 2007. – 416 с.

93.           Altman E.I., Avery R.B., Eisenbeis R.A., Sinkey J. Application of Classification Techniques in Business, Banking and Finance. – Greenwich: JAI Press, 1981. – 418 p.

94.           Armano G., Murru A., Roli F. Stock market prediction by a mixture of genetic – neural experts // International Journal of Pattern Recognition and Artificial Intelligence. – 2002. – Vol. 16. – №5. – с. 501-526.

95.           Atkinson J. Motivation determination of risk-taking behavior-Psihol. Rev., 1957, №64, p.259-371.

96.           Bidyuk P.I., Gasanov A.S., Fedorov A.V. Application of integrated technology for time series analysis  // XV–th International Conference – Problems of Decision Making Under Uncertainties, Lviv, May 17–21, 2010, p. 59.

97.           Branson W., Halttunen J., Mason P. Exchange rates in the short run: the dollardeutschemark rate // European Economic Review, No. 10, vol. 4, 1977. – P. 303-324.

98.           Brunk H., Gref  L. A geometrical approach to probability // Mathematics Magazine, 1964, Vol. 37, № 5. p. 287-296.

99.           Caves D. Feige E. Efficient foreign exchange markets and the monetary approach to exchange-rate detennination // The American Economic Review, vol. 70, No. 1, 1980, p.120-511.

100.      Chatfield C. Time series forecasting. – London: Chapman & Hall, 2000. – 267 p.

101.      CooperW., MaronM. Foundations of probabilistic and utility-theoretic indexing // Journal of the ACM, 1978, Vol. 25, pp. 67-80.

102.      Hosmer D., Lemeshow S. Applied Logistic Regression. –  New York: John Wiley & SONS, INC., 2000. – 350 р.

103.      Heckerman D. A tutorial on learning Bayesian networks / Technical report MSN-TR-95-06, Microsoft Research, Advanced Technology Division, 1995. – 52 р.

104.      Jordan M.J. Graphical models / Technical report, 2000. – 20 p.

105.      Kilian L. Exchange rates and monetary fundamentals: what do we learn from long-horizon regressions? // Journal of Applied Econometrics, vol. 14, no. 5, 1999. P. 491-510.

106.      Kiss F. Credit scoring processes from a knowledge Management perspective // Periodica Polytechnica Ser. Soc. Man. Sci. — 2003. — 11, N 1. — P. 95—110.

107.      Kohonen T. Self-Organizing Maps. – New York: 2001. –  501 p.

108.      Lam W., Bacchus F. Using new data to refine Bayesian network / Proceeding of the Tenth Conference on Uncertainty in Artificial Intelligence, 1994, pp. 383-390.

109.      Nong Y. The Handbook of Data Mining. – New Jersey: Arizona State University Publishers, 2003. – 1201 p.