#волатильность

Исследователи факультета компьютерных наук НИУ ВШЭ сравнили более 200 тысяч конфигураций моделей для прогноза цен акций и реализованной волатильности и показали, что его можно улучшить, если заранее отсеять шумы конкретных частот. Этот прием повысил точность в 65% случаев. Также авторы разработали собственный алгоритм, сопоставимый с лучшими моделями по точности, но при этом требующий меньше вычислительных мощностей.

Использование моделей машинного обучения позволяет добиться более высокой точности прогнозирования рисков российского фондового рынка по сравнению с классическими эконометрическими подходами. Предсказательная сила моделей возрастает на 23%, а средняя доходность инвестора может вырасти до 13% годовых. К таким выводам пришел сотрудник базовой кафедры инфраструктуры финансовых рынков ФЭН ВШЭ Никита Лысенок.

Изменение волатильности цен на биткоин можно предсказать с помощью второй по популярности криптовалюты — эфира. Его включение в предсказательную модель снижает ошибку прогноза до 23%, что намного лучше результатов нейросетей и других сложных алгоритмов. К такому выводу пришли исследователи факультета экономических наук НИУ ВШЭ.

Новая работа Центра финансовых исследований и анализа данных факультета экономических наук НИУ ВШЭ показала, что российские частные инвесторы в целом не склонны следовать за большинством, но иногда мнение других все же может повлиять на их выбор. Исследователь Максим Файзулин проанализировал более четырех миллионов сообщений на популярных интернет-площадках об инвестициях. Выяснилось, что обсуждения в сети могут влиять на поведение осторожных инвесторов, обладателей более стабильных бумаг.