معرفی کتاب: کاربردهای عملی محاسبات تکاملی در مهندسی مالی

معرفی کتاب: کاربردهای عملی محاسبات تکاملی در مهندسی مالی

 

در این پست از متلب سایت، قصد داریم کتاب زیر را به مخاطبین محترم متلب سایت و علاقه مندان به مباحث مهندسی مالی و محاسبات تکاملی معرفی نماییم.

 

عنوان اصلی:
Practical Applications of Evolutionary Computation to Financial Engineering
Robust Techniques for Forecasting, Trading and Hedging

عنوان فارسی:
کاربردهای عملی محاسبات تکاملی در مهندسی مالی
روش‌ های مقاوم برای پیش بینی، تجارت و مصون سازی

نویسندگان: هیتوشی ایبا (Hitoshi Iba) و کلاوس سی. آرانها (Claus C. Aranha)

تاریخ انتشار: فوریه ۲۰۱۲ (بهمن ماه ۱۳۹۰)

انتشارات: اشپرینگر (Springer)

 

در سال های اخیر کاربرد هوش محاسباتی در فرآیند آنالیز داده های اقتصادی و مالی بیش از پیش توجه افراد را به خود جلب کرده است. این موضوع، اصولا به دلیل (الف) میزان روز افزون اطلاعات اقتصادی و مالی موجود جهت تحلیل، (ب) انواع متعدد و رو به افزایش تجهیزات و دستگاه های مختلف برای استفاده در سرمایه گذاری، و (پ) افزایش میزان ترجیحات بازرگان ها است. این مشکل باعث نا کارآمد شدن رویکردهای کلاسیک شده است و چالشی اساسی برای ظهور تکنیک های محاسباتی به وجود آورده است.

 

علیرغم این که، استفاده های فراوانی از هوش محاسباتی در مباحث مهندسی مالی شده است، اما هنوز کتاب های مرجع اندکی در رابطه با این موضوع وجود دارند. غالبا، کتاب های موجود یا به صورت ویرایش ویرایش شده هستند و یا تک پژوهش های پیشرفته ای هستند که مخاطب آنها، بیشتر دانشگاهیان و دانشمندان علوم کامپیوتر هستند تا مهندسین مالی که قصد کار عملی دارند. این کتاب، که توسط Iba و Aranha نوشته شده است، فاصله میان دانشگاهیان و متخصصین عملی را از میان می برد. این مسئله بایستی نه تنها برای دانشمندان علوم کامپیوتر، که علاقه مند به برخی کاربردهای آن هستند قابل درک است، بلکه برای کارشناسان مالی و یا حتی تجار بازار که علاقه مند به روش های جدید تجارت اتوماتیک و ابزارهای نوین جهت آنالیز بازار هستند، ملموس خواهد بود.

 

این کتاب یک چهار چوب نظام مند و سیستماتیک برای برخی از مشکلات و مسائل مهم موجود در حوزه مهندسی مالی همراه با برخی رویکردهای تکاملی برای حل آنها را ارائه می کند. به طور کلی این کتاب در ۷ بخش تنظیم شده است. دو بخش ابتدایی، اصول محاسبات تکاملی را پوشش می دهند. فصل بعدی شامل یک مقدمه درباره مهندسی مالی است. چهار فصل بعدی به مشکلات عمده مهندسی مالی از جمله پیش بینی داده های مالی، آنالیز روند در سیستم های مالی، تجارت خودکار و بهینه سازی سبد سهام می پردازد.

 

این کتاب با مقدمه ای بر محاسبات تکاملی در فصل یکم آغاز می شود، که شامل یک توضیح کوتاه و مختصر از مفاهیم اصلی رویکرد تکاملی و مروری بر چهار نمونه از الگوریتم های تکاملی معروف می باشد: الگوریتم های ژنتیک (GA) استراتژی های تکاملی (ES)، برنامه ریزی ژنتیک (GP)، ‌برنامه ریزی تکاملی (EP) و تشریح بیشتر GA و GP. در نهایت نویسندگان این کتاب، دلایل انتخاب شدن GA و GP را، به عنوان ابزارهای حل مسائل مهندسی مالی به تفصل بیان می کنند.
فصل دوم به برخی موضوعات جدید در حوزه محاسبات تکاملی می پردازد. اولین موضوع جدید با عنوان «بهینه سازی چند هدفه» نام دارد، که یک مبحث اصلی در مهندسی مالی محسوب می شود و معمولا مربوط به ارزیابی و ایجاد تعادل میان مقدار بازگشت و میزان ریسک است. الگوریتم ژنتیک برداری (VEGA) به عنوان یک نمونه از الگوریتم های تکاملی چند هدفه، در این فصل مورد بررسی واقع شده است. همچنین در فصل دوم، الگوریتم های ممتیک، به همراه مفاهیم تکامل لامارکی (Lamarck) و بالدوین (Baldwin) مورد بحث و بررسی قرار می‌گیرند. در ادامه، کاربرد الگوریتم های ممتیک در بهینه سازی قواعد تجاری بازار مبادله ارز (فارکس) یا FOREX مورد بررسی مطالعه قرار گرفته است، که به نظر می رسد این روش ها نسبت روش های سنتی در محاسبات تکاملی، کارایی بیشتر دارد. بخش سوم از فصل دوم، بر روی الگوریتم های بهینه سازی پیوسته (حقیقی-مقدار) تاکید دارد، که از میان آن ها، تکامل تفاضلی (DE) و بهینه سازی ازدحام ذرات (PSO) به تفصل تشریح شده اند. در نهایت، نویسندگان این کتاب در مورد ایجاد درخت های تصادفی و کاربرد آن در پیش بینی داده های پیوسته زمان بحث کرده اند.

 

در فصل سوم مفاهیم اصلی مهندسی مالی معرفی شده اند، که تفاوت های موجود میان آنالیز فنی و بنیادین را توضیح می‌دهد. همچنین برخی از مسائل مهم مهندسی مالی مرور شده اند، که طی سالهای اخیر با الگوریتم های تکاملی حل شده اند. از میان این مسائل، می توان به پیش بینی قیمت، آنالیز روند، تجارت خودکار سهام، و بهینه سازی سبد سهام اشاره نمود.

 

فصل چهارم فرآیند پیش بینی داده های مالی را تشریح می کند. این فصل با یک مثال از مدل سازی سری های زمانی در شبیه ساز GP، نرم افزار LGPC برای پیش بینی سری های زمانی، آغاز می شود. سپس رویکرد نمایش ساختاری در الگوریتم ژنتیک برای برازش توابع غیرخطی یا به اختصار STROGANOFF ارائه می شود، که آنالیز رگروسیون چندگانه را با بهینه سازی GP تلفیق می کند. سپس نویسندگان، یک مثال را ارائه می کنند که در آن روش STROGANOFF برای پیش بینی یک سری زمانی واقعی مورد استفاده قرار گرفته است، که مربوط به قیمت سهام در بازار بورس ژاپن است. در انتها، در مورد گسترش و توسعه رویکرد STROGANOOF از طریق برنامه ریزی ژنتیک استقرایی و شبکه های عصبی چند جمله‌ای بحث می شود.

 

فصل پنجم بر روی آنالیز روند نمودارهای مالی متمرکز است و با برخی از اصول طبقه بندی داده ها آغاز می شود. سپس طبقه بندی کننده برنامه ریزی ژنتیک مبتنی بر اکثریت آرا  یا MVGPC توضیح داده می‌شود، که ابزاری برای طبقه بندی داده ها است. در ادامه، مثالی در مورد آنالیز روند نمودار داده های بازار مبادله ارز (فارکس) یا FOREX مطرح شده است، که روندهای بالا و پایین در نسبت ارزهای یورو و ین ژاپن را مورد بررسی قرار می دهد. در پایان تعمیم های ممکن برای MVGPC، مانند رأی گیری وزنی و برخی از روش های دیگر یادگیری مورد بررسی قرار گرفته اند.

 

در فصل ششم یکی دیگر از مسائل مهم مهندسی مالی، یعنی ایجاد قوانین تجارت در بازار تبادل ارز (فارکس) یا FOREX مطرح می شود. در ابتدا، یک مرور تاریخی کوتاه بر روی روش های تجارت خودکار در بازار فارکس ارائه شده است. روش های بررسی شده عبارتند از:

  • سیستم EDDIE ایجاد شده توسط Tsang
  • چارچوب تکامل گرامری توسط Brabazon و O’Neill
  • رویکردهای GA و GP ارائه شده توسط Dempstez و Janes
  • برخی دیگر از چارچوب های مبتنی بر DE و PSO

 

سپس نویسندگان این کتاب، سه رویکرد پیشنهادی را مطرح می کنند:

  • پیش بینی قیمت مبتنی بر سیستم تجارت که از روش STROGANOFF استفاده می کند
  • یک سیستم تجارت GA-GP که پارامترهای مربوط به شاخص های فنی را بهینه سازی می نماید
  • سیستمی مبتنی بر DE و PSO برای تجارت فارکس که پس از بررسی روند ها، قواعدی برای خرید، فروش، شروع و خاتمه معاملات ایجاد می شود

 

فصل هفتم بر فرآیند بهینه سازی سبد سهام متمرکز است و دو رویکرد را برای حل این نوع از مسائل مطرح می کند: (۱) یک الگوریتم ژنتیک آرایه ای و (۲) الگوریتم ممتیک مبتنی بر درخت یا MTGA. رویکرد اول جهت تشریح و توضیح فرآیند حل بهینه سازی سبد سهام ارائه شده است، که به دلیل سادگی قادر به حل مسائل پیچیده تر نیست. اما رویکرد دوم که پیشرفته تر است، قادر به حل مسائل پیچیده تر با اندازه واقعی است، با موفقیت بر داده های مربوط به NASDAQ و S&P اعمال شده است.

 

یکی دیگر از ارزش‌های قابل ذکر این کتاب، که باعث شده است به عنوان یک مرجع جذاب برای فعالان عملی حوه مهندسی مالی مطرح شود، بسته نرم افزاری است که در بخش ضمایم معرفی شده است و در دسترس عموم قرار دارد. در پیوست A سیستم های نرم افزاری متعددی مورد بررسی و معرفی واقع شده اند. پیوست B به معرفی سیستم بازرگانی GAGPTrader اختصاص دارد که نسخه آزمایشی آن از طریق سایت شرکت سازنده، در دسترس است.

 

این کتاب یک نقطه آغاز مناسب برای فعالان علاقه مند به حل مسائل مهندسی مالی با روش های محاسبات تکاملی است. همچنین افراد خبره در امور مهندسی مالی، که مایلند دانشی از رویکرد های محاسبات تکاملی در آنالیز و تحلیل داده های اقتصادی و مالی را بدست آورند، می توانند از این کتاب بهره بگیرند. البته، به دلیل کمبود مطلب و نداشتن عمق کافی در بیان برخی موضوعات، مانند برنامه ریزی تکاملی یا استراتژی های تکاملی، نمی توان از این کتاب به عنوان یک کتابچه راهنمای دائمی استفاده نمود.

 

متلب سایت مطالعه این کتاب را به تمامی علاقه مندان و پژوهشگران این حوزه توصیه می کند. برای کسب اطلاعات بیشتر، می توانید لینک های زیر را نیز ببینید:

لینک کناب در سایت ناشر (Springer)

لینک کتاب در گوگل بوکز (Google Books)

لینک کتاب در آمازون (Amazon)

مطالب پیشنهادی‎

0 پاسخ

ارسال یک پاسخ

در گفتگو ها شرکت کنید.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *