ЛОГИКА И ИСКУССТВО ФИНАНСОВ

Финансы имеют двойную природу. Финансы — и наука и искусство.

Если задаться вопросом о том, «что такое финансы: искусство или наука?», то самый правдивый ответ будет: «и то и другое». Так же как свет имеет двойственную природу (вспоминаем школьный курс по физике) — волновую и материальную — точно так же: финансы — это и искусство и наука.

Если взглянуть с одной стороны, то мы увидим, что в современных финансовых теориях часто применяются модели тесно связанные с такими точными науками как математика и статистика. Но если мы посмотрим с другой стороны, то тут же возникает неоспоримый человеческий фактор: нельзя отрицать, что такие дисциплины как психология, социология и психоанализ тоже играют свою роль в финансовом мире. Иррациональное поведение людей и отсутствие каких либо четких правил и аксиом, таким образом, делают финансы схожими с искусством.

Финансы как наука

Давайте вспомним модель оценки долгосрочных активов (CAPM), методы вычисления скользящих средних или других накладок и индикаторов, и еще много чего другого. Очевидно, что такие финансовые модели имеют четкую научную базу, т.к. они основаны на неоспоримых законах математики и статистики. Кроме перечисленных, в финансах используется огромное множество моделей, индикаторов, и приемов, которые базируются на точных науках.

Если исходить из вышесказанного, то получается, что, со всеми красивыми таблицами и распечатками, которые вам выдают в банке вылизанные сотрудники, всеми техническими моделями и теориями, четким учетом начисленных процентов и т.п., финансы являются чистой наукой.

Финансы как искусство

Искусство — это альтернативное создание реальности, а автор — творец. И теперь вспоминаем различные искуственно созданные обвалы рынков. Поддаются ли они рациональному объяснению? Никогда!

Люди, принимая мнения заинтересованных лиц, делают именно то, что те заинтересованные лица и прогнозировали. В таких случаях играет роль лишь психология, стадный инстинкт и чистая эмоция. С этой точки зрения, со всеми иррациональными стратегиями, обвалами и скачками, финансы являются искусством. ( Интересно, что творцы в этом искусстве — крупные инвесторы, маркет мейкеры, авторитетные аналитики, но не частные инвесторы.)

Читать также:  DDOS-GUARD

Вдумайтесь, какая может быть наука, если праздники, новости и даже погода влияют на финансовые рынки.

Вывод

И что же получается? Как же тогда воспринимать финансы всерьез, если финансы — искусство. Умелый финансист именно и отличается тем, что понимает, что правила не всегда работают на финансовых рынках. Даже когда по всем правилам должен быть рост, надо помнить, что люди — существа очень иррациональные, и что надо учитывать человеческий фактор при финансовом анализе, и помнить, что финансы — и искусство, и наука.

Судьба нечеткой логики, как нового научного направления, сходна с ее содержимым — необычна, сложна и парадоксальна. Обвинения в шаманстве и лженаучности преследуют ее уже более четверти века. В США еще помнят времена, когда увлечение теорией Заде могло всерьез повредить карьере молодого ученого. Достаточно сказать, что даже в 1989 году, когда примеры успешного применения нечеткой логики в обороне, промышленности и бизнесе исчислялись десятками, Национальное научное общество США всерьез обсуждало вопрос об исключении материалов по нечетким множествам из институтских учебников.

Итак, что же это за наука, которую одни считают ключом к компьютерам будущего, а другие — авантюрой и спекуляцией ?
В основе нечеткой логики лежит теория нечетких множеств, изложенная в серии работ Заде в 1965-1973 годах /1/.
В этих работах рассматриваются элементы множеств, для которых функция принадлежности представляет собой не жесткий порог
(принадлежит/не принадлежит), а плавную сигмоиду (часто упрощаемую ломаной линией), пробегающую все значения от нуля до единицы.
Кстати, некоторые ученые полагают, что само название fuzzy (что означает «нечеткий», «размытый», «пушистый») применительно к теории Заде
является не совсем адекватным и излишне рекламным и предлагают заменить его на более точное
continuous logic — «непрерывная логика».

Читать также:  МЕРОПРИЯТИЯ ВИТТЕ НА ПОСТУ МИНИСТРА ФИНАНСОВ

Несмотря на внешнюю простоту и естественность базовых понятий нечеткой логики, понадобилось более пяти лет, чтобы построить и доказать комплекс постулатов и теорем, делающих логику логикой, а алгебру — алгеброй. Параллельно с разработкой теоретических основ новой науки, Заде прорабатывал различные возможности ее практического применения. И в 1973 году эти усилия увенчались успехом — ему удалось показать, что нечеткая логика может быть положена в основу нового поколения интеллектуальных систем управления. Практически сразу после выхода в свет фундаментального доклада Заде /2/ одна небольшая предприимчивая фирма из Дании применила изложенные в нем принципы для усовершенствования системы управления сложным производственным процессом. Результат, что называется, превзошел все ожидания — через четыре года прибыли от внедрения новой системы исчислялись десятками тысяч долларов.

Чтобы понять, что дает применение нечеткой логики в системах управления, рассмотрим простой пример. Представьте себе, что вам необходимо разработать систему управления тяжелым длинномерным грузовиком, способную автоматически загонять его в узкий гараж из произвольной начальной точки. Если вы попытаетесь решить эту задачу классическим способом, то вам можно только посочувствовать. Придется в буквальном смысле слова увешать автомобиль всевозможными датчиками и акселерометрами, после чего привлечь пару докторов наук для составления отнюдь не простой системы уравнений в частных производных.

Использование нечеткой логики принципиально упрощает задачу. Прежде всего, используя лишь три нечетких параметра — скорость и ориентацию автомобиля и расстояние до гаража, вы получаете исчерпывающее описание текущей ситуации. Далее вы строите простую и естественную систему нечетких правил типа :

«Если до гаража достаточно далеко, скорость невелика, а нос смотрит влево возьми правее». В пакете CubiCalc, одном из наиболее популярных пакетов на основе нечеткой логики, для полной реализации указанной задачи понадобилось описать лишь двенадцать ситуаций и тридцать пять нечетких правил — каждое не сложнее приведенного выше. Вы можете часами наблюдать за кружевом трасс на экране — действия системы экономичны и безошибочны.

Читать также:  МУНИЦИПАЛЬНЫЕ ФИНАНСЫ В БЕЛГОРОДСКОЙ ОБЛАСТИ

Можно привести и другие примеры применения нечеткой логики в бизнесе. Удачный опыт Ганса Зиммермана (Hans Zimmermann) по использованию экспертной системы с нечеткими правилами для анализа инвестиционной активности в городе Аахене (ФРГ) привел к созданию коммерческого пакета ASK для оценки кредитных и инвестиционных рисков. А система управления складскими запасами, описанная в качестве примера в пакете CubiCalc, настолько проста, что может быть с легкостью использована самым неподготовленным оптовым торговцем.

Что касается российского рынка коммерческих систем на основе нечеткой логики, то его формирование началось в середине 1995 года. Наиболее популярны у российских заказчиков следующие пакеты :

CubiCalc 2.0 RTC — одна из наиболее мощных коммерческих экспертных систем на основе нечеткой логики, позволяющая создавать собственные прикладные экспертные системы ;

CubiQuick — недорогая университетская версия пакета CubiCalc ;

RuleMaker — программа автоматического извлечения нечетких правил из входных данных ;

FuziCalc — электронная таблица с нечеткими полями, позволяющая делать быстрые оценки при неточно известных данных без накопления ошибки /7/ ;

OWL — пакет, содержащий исходные тексты всех известных видов нейронных сетей, нечеткой ассоциативной памяти и т.д.

1. Zadeh, Lotfi. Fuzzy Sets / Information and Control, 8

, June 1965, pp.338-53.
2. Zadeh, Lotfi. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes / IEEE Transactions on Systems, Man, and Cybernetics, SMC-3

, January 1973,pp.28-44.
3. McNeill, Daniel and Freiberger, Paul. Fuzzy Logic / Touchstone Rockefeller Center, 1993.
4. Kosko, Bart. Fuzzy thinking / Hyperion, 1993.
5. Kosko, Bart. Neural Networks and Fuzzy Systems / Englewood Cliffs, NJ: Prentice-Hall, 1991.
6. Zemankova-Leech, Maria, and Abraham Kandel. Fuzzy Relational Data Bases: A Key to Expert Systems / Cologne: Verlag TUV Rheinland, 1984.
7. Kaufmann, Arnold, and Gupta, Madan M. Introduction to Fuzzy Arithmetic/ Thomson Computer Press, 1991.
8. А.И. Масалович. Этот нечеткий, нечеткий, нечеткий мир / PC Week/RE N.16,1995,стр.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *