Optimal strategies at stock market in an unstable economic situation

Abstract

Выпускная квалификационная работа посвящена поиску оптимальной стратегии на фондовом рынке с позиции двух различных подходов. Первый основан на применении эконометрического анализа к данным фондовых рынков и построении прогноза с помощью методики Бокса-Дженкинса. Анализ теоретических сведений о временных рядах сопровождается обоснованием применения указанной методики, построением модели ARIMA по имеющимся данным и получением прогноза с помощью построенной модели. Второй подход связан с формулировкой задачи теории принятия решений (ТПР). Проблема поиска оптимальных стратегий рассматривается как «игра с природой» и далее применяется инструментарий на стыке ТПР и теории игр, где выбором стратегии рационального игрока (ЛПР) является решение – покупать или продавать акции на рынке. С помощью алгоритма искусственного интеллекта (обучение с подкреплением) строится временной ряд с отмеченными местами, где стоит продавать, а где покупать. Все алгоритмы и методы, использованные в работе, были реализованы автором на языке Python. В заключении исследования дана оценка полученных результатов и практические рекомендации на их основе.

The final qualifying work is devoted to finding the optimal strategy in the stock market from the position of two different approaches. The first one is based on applying econometric analysis to stock market data and building a forecast using the Box-Jenkins technique. The analysis of theoretical information about time series is accompanied by a justification for the application of this technique, the construction of an ARIMA model based on the available data, and obtaining a forecast using the constructed model. The second approach is related to the formulation of the problem of decision theory (DMT). The problem of finding optimal strategies is considered as a “game with nature”, and then tools are used at the intersection of TPR and game theory, where the choice of a rational player’s strategy (DM) is the decision to buy or sell shares on the market. Using the artificial intelligence algorithm (reinforcement learning), a time series is built with marked places where it is worth selling and where to buy. All algorithms and methods used in the work were implemented by the author in Python. In the conclusion of the study, an assessment of the results obtained and practical recommendations based on them are given.