Архив статей журнала
Цель исследования. Цель исследования состоит в разработке нового метода нахождения оптимального портфеля ценных бумаг, основанного на субоптимизации с использованием разреженной ковариационной матрицы, и создании на его основе программы для автоматизации процедуры выбора стратегии инвестирования.
Материалы и методы. В работе представлена одна из возможных формализаций двухкритериальной задачи инвестирования - постановка задачи на максимум ожидаемой доходности портфеля при ограничении сверху на СКО. При этом обосновано проведение расчетов СКО портфеля с разреженной матрицей ковариаций доходностей финансовых инструментов. Приведено решение двухкритериальной задачи, основанное на использовании условий оптимальности Каруша-Куна-Таккера. Все необходимые первичные расчеты и исследования выполняются в Microsoft Excel, для автоматизации и реализации графического интерфейса используются функции язык программирования Python. Результаты. Проведен анализ используемых методов принятия инвестиционных решений и обосновано использование каждого из них для конкретных данных фондового рынка. Для автоматизации аналитических подходов к нахождению оптимальной инвестиционной стратегии при полной, частичной и отсутствующей корреляционной зависимости была создана программа и графический интерфейс с использованием библиотек языка программирования Python. Программный продукт апробирован на примере процесса инвестирования с реальными данными российского фондового рынка. В качестве исходных данных в настоящем исследовании послужили котировки акций российских компаний за период с 01.01.2019 по 31.12.2021, взятые с сайта Yahoo Finance. Выбор каждой из акций был основан на результатах проведенного фундаментального и технического анализа. Заключение. В результате проведенного исследования было установлено, что предложенный метод нахождения оптимальной стратегии с использованием разреженной ковариационной матрицы является подходящим инструментом для активной стратегии инвестирования. Техническая реализация предложенного метода - использование языка программирования Python для создания графического интерфейса - позволяет автоматизировать процесс построения инвестиционной стратегии.
Цель исследования. Цель исследования состоит в том, чтобы подтвердить или опровергнуть экологическую детерминированность возникновения социально значимых заболеваний у населения Москве на основе анализа данных по экологическим и здравоохранительным показателям в разрезе муниципальных единиц города. Материалы и методы. В статье проведен анализ российской и зарубежной библиографии по проблеме исследования. На основе собранных и обработанных открытых данных по экологическим показателям и по заболеваемости населения в различных районах Москвы были проведены различные виды анализа для выявления взаимосвязи между этими данными. Для классификации социально значимых заболеваний на основе экологических показателей места проживания были построены модели машинного обучения. Математическую основу методов машинного обучения составляют метод k-ближайших соседей, многослойный перцептрон, градиентный бустинг. Для построения моделей использован программный инструмент Jupyter Notebook, поддерживающий язык программирования Python. Результаты. Корреляционно-регрессионный анализ показал, что между некоторыми выбранными экологическими показателями и возникновением социально значимых заболеваний существует статистически значимая корреляция. Данный результат говорит о возможной взаимосвязи, что является одним из главных выводов данной работы. Разработан веб-интерфейс для автоматизации анализа новых данных с помощью построенных моделей машинного обучения, использованных при проведении регрессионного анализа для построения бинарной логистической модели (предсказание на основе собранных данных людей с социально значимыми заболеваниями) и модели мультиклассовой классификации (предсказание на основе собранных данных, какая именно болезнь может быть выявлена у человека). Проведен анализ используемых моделей машинного обучения, определена наилучшая модель для классификации социально значимых заболеваний. Заключение. В результате проведенного исследования удалось собрать полноценную информацию о различных экологических показателях и наличии или отсутствии различных объектов, оказывающих воздействие на окружающую среду. Эти данные были использованы не только в моделях машинного обучения, но и для формирования объективной оценки экологической обстановки муниципальных единиц города Москвы. Поскольку было реализовано автоматическое обновление рейтинга для динамических данных данный результат может быть использован обычными пользователями, не имеющих достаточных квалификаций в экологии и медицине для самостоятельного анализа экологического состояния районов. Считаем, что такие исследования наверняка приведут к эффективным практическим решениям в данной области.