Цифровое конкурентное преимущество биржевого эдвайзера на основе модели Deep Learning «Random Forest Regression»

Актуальность исследования состоит в том, что до конца не решенной проблемой в современных условиях остается вопрос формирования методологических подходов для достижения конкурентного преимущества в применении алгоритмической биржевой торговле, например, по критериям рентабельности, надежности, быстроты проведения торговых операций и т. д.

Конкурентные преимущества в цифровой экономике представляют собой динамическую способность предприятия (индивида) осуществлять успешную хозяйственную деятельность на рынке в конкурентной среде, при этом грамотно использовать интеллектуальный и кадровый потенциал не только для обработки информации, но и для использования знаний в своей деятельности в условиях асимметрии информации, рыночной неопределенности и риска. Причем следует отметить, что в условиях широкого применения алгоритмической торговли трансформируется само понятие конкурентного преимущества, оно становится цифровым конкурентным преимуществом, поскольку цифровые боты, «сражаются» между собой в цифровой среде. Человеку остается лишь посчитать деньги, которые бот «сделал на бирже».

Новизна заключается в том, что в проведенном исследовании предложен разработанный биржевой эдвайзер на основе модели глубокого обучения «Случайный лес» — Deep Learning «Random Forest Regression».

Цель исследования состоит в разработке алгоритма для предсказания цены закрытия фьючерсного контракта на доллар SiU3 на Московской бирже. Для достижения цели были поставлены и решены следующие задачи: исследовать теоретические основы применения ансамблей деревьев решений и разработать биржевой эдвайзер на основе модели Deep Learning «Random Forest Regression», а также сформировать VaR-модель оценки финансового риска, кроме того, изучить конкуренцию в сфере алгоритмической торговли на биржевом рынке.

Обработка полученных данных осуществлялась с применением разработанного биржевого эдвайзера на основе модели глубокого обучения «Случайный лес» — Deep Learning «Random Forest Regression», которая была сформирована в среде Collab с использованием языка Python, его библиотек pandas, numpy, matplotlib, GridSearchCV.