АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Вычислительные финансы

Вычисли́тельные фина́нсы (англ. computational finance) — междисциплинарная область исследований, объединяющая финансовую математику, численные методы и прикладную информатику[1]. Главная задача этого направления — изучение и применение алгоритмов, используемых в финансовой сфере[2][3], а также математических основ программ, реализующих финансовые модели и системы[4].

undefined

Вычислительные финансы, в отличие от теоретической финансовой математики, делают упор на практические численные методы, направленные на решение конкретных экономических задач[5], а не на абстрактные математические доказательства.

Ключевыми задачами вычислительных финансов являются:

Одним из важных преимуществ вычислительных финансов является способность обрабатывать большие объёмы данных и быстро их анализировать, что позволяет оперативно реагировать на изменения на финансовых рынках и разрабатывать стратегии инвестиционного управления[7].

Благодаря современным технологиям, таким как машинное обучение, обработка больших данных и высокопроизводительные вычисления, вычислительные финансы стали важным инструментом для банков, фондов и других участников финансового рынка.

История

В начале 1950-х годов американский экономист Гарри Марковиц заложил основы вычислительных финансов, предложив подходить к формированию инвестиционного портфеля как к задаче оптимизации среднего значения и дисперсии (англ. mean-variance optimization). В то время доступные вычислительные мощности оказались недостаточными для точного решения поставленной задачи, поэтому Марковиц сконцентрировал усилия на создании полезных алгоритмов для её приближённого разрешения[8].

Развитие финансовой математики началось с аналогичных представлений о риск-ориентированном поведении инвесторов и измерении риска через волатильность (идея, впервые высказанная Гарри Марковицем), однако впоследствии это направление приобрело принципиально иной вектор эволюции. Приняв ряд упрощающих предположений, финансовая математика научилась получать аналитические формулы, не требующие значительных вычислительных мощностей[9].

В 1960-х годах управляющие хедж-фондами, такие как Эд Торп (англ. Edward O. Thorp), признанный пионер математического подхода к торговле[10], и Майкл Гудкин (англ. Michael Goodkin), сотрудничавший с такими известными экономистами, как Гарри Марковиц, Пол Самуэльсон и Роберт К. Мертон[11], одними из первых применили компьютеры для реализации арбитражных стратегий на финансовых рынках. Параллельно в академической среде возникла острая потребность в мощной обработке данных. Исследователи, такие как ведущий эксперт в области финансов Юджин Фама, прибегли к помощи компьютеров для анализа огромного массива финансовой информации, необходимой для проверки гипотезы эффективного рынка[9].

В 1970-е годы основным направлением развития вычислительных финансов стало ценообразование опционов и анализ ипотечных ценных бумаг[12]. В конце 1970-х и в начале 1980-х годов на американском финансовом рынке появились молодые специалисты по квантовому анализу, известные как «ракетчики», которые принесли с собой персональные компьютеры. Это вызвало взрывной рост как количества, так и разнообразия приложений вычислительных финансов[13]. Новые методы часто брали начало не из традиционных областей вычислительной экономики, таких как оптимизация и анализ временных рядов[13], а из сферы обработки сигналов и распознавания речи.

Завершение холодной войны в конце 1980-х годов вызвало приток в финансовую индустрию большого числа физиков и прикладных математиков, значительная часть которых переехала в западные финансовые центры, такие как Лондон и Нью-Йорк, из государств бывшего социалистического лагеря. Эти специалисты, известные как «финансовые инженеры», наряду с руководителями количественных портфелей (специалистами, разрабатывающими и контролирующими алгоритмические инвестиционные стратегии), составили группу, ныне известную как «кванты»[14]. Они сыграли важную роль в развитии современных вычислительных финансов.

Их приход привёл к новому этапу развития методов вычислительных финансов, включая переход от персональных компьютеров к мощным мейнфреймам и суперкомпьютерам[12]. Примерно в это время вычислительные финансы стали восприниматься как самостоятельная академическая дисциплина, а в 1994 году Университет Карнеги-Меллон запустил первую специализированную образовательную программу по этому направлению[15].

Начиная с конца XX века вычислительные финансы прочно вошли практически во все сегменты финансовой отрасли, а спрос на квалифицированных специалистов значительно увеличился[2]. Параллельно развился целый сектор специализированных компаний, предлагающих высокотехнологичные программы и услуги в области вычислительных финансов[11].

Сферы применения вычислительных финансов

Примечания

  1. ↑ Omur Ugur, Introduction to Computational Finance, Imperial College Press (December 22, 2008) ISBN 978-1848161924
  2. ↑ 1 2 Rüdiger U. Seydel, Tools for Computational Finance, Springer; 3rd edition (May 11, 2006) 978-3540279235
  3. ↑ Computational Finance and Research Laboratory. University of Essex. Дата обращения: 21 июля 2012. Архивировано 12 июля 2012 года.
  4. ↑ Cornelis A. Los, Computational Finance World Scientific Pub Co Inc (December 2000) ISBN 978-9810244972
  5. ↑ Mario J. Miranda and Paul L. Fackler, Applied Computational Economics and Finance, The MIT Press (September 16, 2002) ISBN 978-0262134200
  6. ↑ Jin-Chuan Duan, Wolfgang Karl Härdle and James E. Gentle (editors), Handbook of Computational Finance, Springer (October 25, 2011) ISBN 978-3642172533
  7. ↑ А. О. Чупакова, С. В. Гудин, Р. Ш. Хабибулин. Разработка и обучение модели искусственной нейронный сети для создания систем поддержки принятия решений // Вестник АГТУ. Сер.: Управление, вычислительная техника и информатика. — 2020-07-31. — Т. 2020, вып. 3. — С. 61–73. — ISSN 2224-9761 2072-9502, 2224-9761. — doi:10.24143/2072-9502-2020-3-61-73. Архивировано 17 марта 2025 года.
  8. ↑ Harry M. Markowitz, Portfolio Selection: Efficient Diversification of Investments, Wiley, second edition (September 3, 1991) 978-1557861085
  9. ↑ 1 2 Justin Fox, The Myth of the Rational Market: A History of Risk, Reward, and Delusion on Wall Street, HarperBusiness (June 9, 2009) ISBN 978-0060598990
  10. ↑ William Poundstone, Fortune’s Formula: The Untold Story of the Scientific Betting System That Beat the Casinos and Wall Street, Hill and Wang (September 19, 2006) ISBN 978-0809045990
  11. ↑ 1 2 Michael Goodkin, The Wrong Answer Faster: The Inside Story of Making the Machine that Trades Trillions, Wiley, (February 21, 2012) ISBN 978-1118133408
  12. ↑ 1 2 Aaron Brown, Red-Blooded Risk: The Secret History of Wall Street, Wiley (October 11, 2011) ISBN 978-1118043868
  13. ↑ 1 2 John F. Ehlers, Rocket Science for Traders, Wiley (July 20, 2001) ISBN 978-0471405672
  14. ↑ Aaron Brown. The Poker Face of Wall Street. — wiley, July 2007. — 368 с. — ISBN 978-0470127315.
  15. ↑ Center for Computational Finance. Carnegie Mellon University. Дата обращения: 21 июля 2012. Архивировано 25 февраля 2009 года.
  16. ↑ Р.С. Кузнецов, Т.Г. Тумарова. Прогнозирование котировок акций ПАО Газпром с использованием нейронных сетей LSTM // Вестник Института экономики Российской академии наук. — 2023. — № 3. — С. 84—98. — doi:10.52180/2073-6487_2023_3_84_98.
  17. ↑ Е. Р. Серов, С. А. Васильев. Применение квантовых технологий в банковском бизнесе // Актуальные Проблемы Развития Экономики. — 2023. — Т. 29, № 3. — doi:10.35854/1998-1627-2023-3-248-255.

Ссылки

Дополнительно по теме

Финансы
Philippine-stock-market-board.jpg
Финансовое право
Финансовая система
Публичные финансы

Категории