Методы и модели управления валютными рисками на базе кластерных и нейросетевых технологий

ВВЕДЕНИЕ
1. АНАЛИЗ ВАЛЮТНОГО РЫНКА И РИСКОВ, ХАРАКТЕРНЫХ
ДЛЯ ПРЕДПРИЯТИЙ РОССИЙСКОЙ ФЕДЕРАЦИИ
1.1. Анализ валютного рынка Российской Федерации
1.2. Анализ валютных рисков и факторов,
влиящих на валютные риски
ВЫВОДЫ ПО ГЛАВЕ 1
2. ВЫБОР И ОБОСНОВАНИЕ ЗНАЧИМЫХ ФАКТОРОВ,
ВЛИЯЮЩИХ НА ВАЛЮТНЫЕ РИСКИ ПРИ ЗАКЛЮЧЕНИИ ДОЛГОСРОЧНЫХ ВАЛЮТНЫХ СДЕЛОК
2.1. Выбор факторов, влияющих на валютные риски
2.2. Многофакторный анализ значимых факторов,
влияющих на валютные риски
ВЫВОДЫ ПО ГЛАВЕ 2
3. РАЗРАБОТКА НОВОГО ПОДХОДА К УПРАВЛЕНИЮ ВАЛЮТНЫМИ РИСКАМИ НА БАЗЕ КЛАСТЕРНЫХ И НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ
3.1. Анализ методов, моделей и программных инструментов
управления валютными рисками
3.1.1. Анализ финансовых инструментов управления
валютными рисками
3.1.2 Анализ методов и моделей управления валютными рисками
3.1.3. Анализ программных инструментов управления
валютными рисками
3.2. Разработка нового подхода к управлению валютными рисками
3.2.1. Обработка и актуализация статистических данных
для долгосрочного прогнозирования валютных рисков
3.2.2. Долгосрочное прогнозирование валютных рисков
в масштабе реального времени
3.2.2.1 Разработка многофакторной динамической нейросетевой модели долгосрочного прогноза валютных рисков
3.2.2.2. Разработка механизма динамического формирования структуры нейросетевой модели
3.2.2.3. Выбор и обоснование ограничений на информационную емкость многофакторной динамической нейросетевой модели
3.3. Оценка вероятности валютных рисков
при долгосрочном прогнозе
3.4. Выбор оптимального метода хеджирования и страхования от валютных рисков с учетом экономического
потенциала предприятия и параметров валютной сделки
3.5. Анализ результатов работы многофакторной
динамической нейросетевой модели
ВЫВОДЫ ПО ГЛАВЕ 3
4. РАЗРАБОТКА МЕТОДА ОПТИМИЗАЦИИ СКОРОСТИ ПРОГНОЗИРОВАНИЯ МНОГОФАКТОРНОЙ ДИНАМИЧЕСКОЙ НЕЙРОСЕТЕВОЙ МОДЕЛИ НА БАЗЕ КЛАСТЕРА МОБХ
4.1. Анализ подходов повышения производительности
нейросетевых моделей
4.2. Разработка кластера и метода оптимизация времени долгосрочного прогнозирования на базе многофакторной динамической нейросетевой модели
4.3. Оценка эффективности разработанного подхода
ВЫВОДЫ ПО ГЛАВЕ 4
5. РАЗРАБОТКА ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ ДЛЯ РЕАЛИЗАЦИИ НОВОГО ПОДХОДА К УПРАВЛЕНИЮ ВАЛЮТНЫМИ РИСКАМИ
5.1. Обоснование выбора Шх платформы для ППП НейроЛинк
5.2. Описание ППП НейроЛинк
5.2.1. Структура подсистемы Долгосрочное прогнозирование
5.2.2. Структура подсистемы База данных
5.2.3. Структура подсистемы Интерфейс
5.2.4. Структура подсистемы Мобх1
5.2.5. Структура подсистемы Оптимизация времени прогнозирования
5.2.6. Структура классов компоненты Обучение нейронной сети
5.2.7. Описание процессов ГПГ НейроЛинк
5.2.8. Описание прецендентов ППП НейроЛинк
5.2.9. Описание пакета развертывания ППП НейроЛинк
ВЫВОДЫ ПО ГЛАВЕ 5
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ