Hidden Markov models and neural networks in formation of investment portfolio

Математические модели, применяемые инвесторами для прогноза будущего состояния финансового рынка, теряют свою эффективность при ухудшении макроэкономической ситуации. В связи с этим актуальна разработка модели, обеспечивающей минимизацию убытков при формировании инвестиционного портфеля в условиях экономических колебаний. Большинство моделей, описывающих экономические колебания, рассматривают годовые изменения, что приводит к понижению своевременности реагирования на фактические колебания экономики. Модель, позволяющая прогнозировать будущее состояние экономики исходя из более актуальных данных, может помочь выбрать оптимальную стратегию формирования инвестиционного портфеля. В настоящей работе предлагается математическая модель, позволяющая определить возможное направление изменения экономической ситуации поквартально, что позволяет более своевременно принимать решения по поводу стратегии формирования инвестиционного портфеля. Модель построена на основе скрытых марковских моделей и многослойного персептрона.