|
Утолин К.
Рассмотривая новые подходы к анализу финансовых рынков обратимся к методу "виртуальной реальности". Термин, используемый в названии метода, имеет непосредственное отношение к понятию гибридного интеллекта, сочетающего в себе возможности человеческого мозга и компьютера. Работы по его созданию начались в конце 80-х годов в СССР, США и Японии. В основе рассматриваемого подхода лежат методы когнитивной компьютерной графики, используемые в анализе динамически неравновесных систем и позволяющие эксперту за счет особой формы представления данных в виде образов обрабатывать гораздо большие массивы данных, чем при табличном или ином символьно-численном их представлении.
Алгоритмы и программы
В США уже появилась первая коммерческая программа vr Trader (фирмы Avatar Partners), использующая методы создания простейшей (по смыслу, а не по технической реализации) виртуальной реальности применительно к анализу рынков. Программа преобразует информацию о финансах, фондах, рынках и торговле в образные объекты трехмерного пространства.
Учитывая, что математические модели реальных рыночных процессов по своей природе являются нелинейными и многомерными, использование методов виртуальной реальности может оказаться перспективным для решения двух весьма важных задач. Во-первых, это адаптация уже развитых систем отображения многомерной информации, таких как VRoom (Virtual Reality Room) или Data Visualizer, к набору показателей (параметров) состояния определенных финансовых инструментов с целью создания синтетических образов в трехмерном пространстве, задействующих кроме зрительных (объем и цветовая гамма) также слуховые и, повозможности, тактильные ощущения. Целью является выявление и отслеживание на уровне человеческих ощущений главных тенденций в поведении (в изменчивости) свойств соответствующих объектов. Во-вторых, выявление инвариантов всевозможных преобразований, т. е. устойчивых элементов в изменяющихся структурах. Одновременное по трем каналам (форма, цвет, звук) воздействие информации об исследуемом объекте на чувственный аппарат (а через него и на интуицию) исследователя дает значительный синергетический эффект, особенно при обнаружении таких не всегда явных закономерностей в структуре сложного объекта, как симметрия, периодичность, регулярность и т. п.
Создание образов, семантически инвариантных отображаемой ситуации на финансовых рынках, учитывающих особенности восприятия и сопоставления человеком изображений, а также способных выражать существо проблемы в максимально наглядной графической форме, -- задача весьма сложная. Для ее решения необходимы алгоритмы, которые должны одновременно отвечать следующим требованиям:
корректно отображать значения финансовых показателей в топологически разные приемлемые образы, не допуская смешивания при их интерпретации с учетом всего набора характеристик -- формы, цветового рисунка и музыкального ряда;
сохранять существующие взаимосвязи между параметрами ситуации и количество (меру) содержащейся в них информации при их представлении в генерируемом образе;
решать обратную задачу, т. е. по изменению образов всех возможных финансовых инструментов определять параметры, которые должны быть изменены, и характер изменений каждого параметра для каждого из инструментов в зависимости от трансформации образа.
При решении обратной задачи желательна возможность достижения состояния системы, соответствующего новому образу не одним, а несколькими способами (для фондового рынка это эквивалентно ситуации, когда портфель с одинаковой доходностью и ликвидностью теоретически может быть сформирован из различных инструментов -- акций, облигаций, векселей и т.д.). Ее решение позволит создать аналитическую систему принципиально иного уровня по сравнению с уже упомянутой системой vr Trader. Есть основания полагать, что проводимые в этой области исследования увенчаются разработкой соответствующих программ.
Отечественные разработки
Формы представления данных практически неизбежно отображают (даже в простейших случаях) взаимосвязи между объектами (ценными бумагами, например), существующие на рынке, для которого разрабатывалась программа. Поэтому зарубежные программы анализа и банковские системы если и поддаются адаптации к условиям российской действительности, то обходится это намного дороже по сравнению с созданием собственной системы. К тому же у нас в стране существуют перспективные и продвинутые (даже по западным меркам) работы в области когнитивной графики с ориентацией на применение в сфере финансового анализа. В этих работах предлагаются некоторые подходы к созданию образов, эргономически комфортных для восприятия человека (в том числе в экстремальных ситуациях), корректных (по форме, цветовому рисунку и музыкальному ряду) и семантически адекватных содержащейся в них информации, а также способы отображения данных в образные структуры. Отечественные исследования в рассматриваемой области ведутся в двух направлениях:
создание систем для определения "скрытых" факторов и параметров исследуемых процессов, а также для построения адекватных им графических образов;
разработка методов и средств графического представления различных процессов (объектов) посредством использования сложных математических моделей.
Для разработки самой виртуальной реальности можно использовать уже существующие программные пакеты, такие как WorldToolKit, CuberSpaceDeveloperKit (релиз 2.0), упомянутый VRoom или IDE, имеющий встроенный язык сценариев (на основе Visual Basic), который позволяет в режиме погружения оперативно задавать или менять поведение объектов виртуальной среды с помощью этих средств разработки можно реализовать практически любую нужную систему образов.
Если учесть, что для практических целей система должна выполнять указанные выше действия в реальном времени, не трудно представить, сколь сложными должны быть используемые в ней алгоритмы. Помимо упомянутых существуют и другие средства разработки виртуальных сред, способные обеспечить связь виртуального мира с данными электронных таблиц в реальном времени. Возможно, что дальнейшие исследования в этой области приведут к применению аппарата построения инвариантно-временных реальностей, впервые предложенного российским ученым К. Мхитаряном. Используя этот аппарат, можно реализовать алгоритмы, способные обеспечивать большее быстродействие при моделировании режима реального времени за счет того, что построение самих моделей ориентировано не на существующие значения параметров финансовых инструментов, а на некие структуры, образованные из этих параметров и инвариантные относительно компактификации (сжатия) по переменной времени.
Для практической реализации технологии описания сложных систем необходимо уметь вычислять так называемые прибрамовские наблюдаемые величины (термин введен К. Мхитаряном) по всему объему пространства параметров и граничных условий и времени эволюции системы. Этот метод уже реализован и прошел апробацию в программе "Хроно-1", используемой, правда, не в финансовой сфере, а для прогноза (с точностью не ниже 80%) развития заболеваний и оценки последующих результатов лечения пациентов, проводимого по той или иной схеме. Разрабатываемая в настоящее время более развитая многоцелевая версия этой программы позволит не только отслеживать процессы самоорганизации синергетической системы, но и учитывать последствия тех или иных внешних воздействий на нее.
Построение таких инвариантных преобразований представляет собой непрерывное взаимно однозначноеотображение (преобразование) сколь угодно длинного во времени дискретного ряда наблюдаемых состояний системы в область (функциональное пространство), ограниченную относительно выбранного преобразования по параметру времени. Разработан аппарат специальных преобразований, позволяющих отображать в такую область множества теоретически с любой размерностью и распределенной системой получения информации. При этом поведение моделируемой системыописывается через поведение уже в этой области некоей системы, которая инвариантна моделируемой относительно выбранного преобразования.
Визуализация образов и обучение оператора
Поясним, в чем заключается суть метода. В выбранном функциональном пространстве мы находим такую модель, которая в его внутреннем времени изменяется синхронно с изменениями исследуемой системы в реальном пространстве. При этом модель может развиваться в другом временном масштабе, и анализ ее поведения на некоем отрезке ее внутреннего времени, проведенный в реальном времени, может позволить в момент наблюдения увидеть происходящие в модели процессы, эквивалентные тем, которые произойдут в реальной исследуемой системе только в будущем. За счет такого преобразования достигается "сжатие" данных по параметру времени, причем в общем случае никаких принципиальных ограничений на глубину прогноза нет. Отметим, что рассматриваемый аппарат не требует монотонного и, более того, непрерывного всюду изменения параметра времени, что может оказаться весьма полезным при определении надсистемных критериев эффективности, поскольку индивидуальные циклы развития надсистемы и входящих в нее систем могут существенно отличаться.
Обработку полученных таким способом образов можно ускорить, используя программу Fractal Video Pro фирмы Integrated Systems, осуществляющую путем фрактальных преобразований операцию растягивания--сжатия динамических изображений. Применение фрактальных уравнений при визуализации образов, созданных с применением таких же фрактальных или иных топологических преобразований, позволяет в наибольшей степени избегать искажений образа при его генерации в виртуальном киберпространстве. Это обстоятельство дает уверенность, что при преобразовании данные, на основе которых и строился образ, не будут подвергнуты искажениям. Крайне важно, чтобы при решении обратной задачи, а именно определения изменений ситуации на рынке, структуры портфеля и набора финансовых инструментов, параметры которых должны быть изменены, а также характера изменений по каждому из параметров для каждого финансового инструмента в зависимости от преобразований образа в виртуальном пространстве, не происходило нарушения соответствия между структурой образа и структурой значений параметров и критериев.
А зачем, собственно, система должна уметь решать обратную задачу? Дело в том, что путем трансформации образа можно задавать, например, новую структуру портфеля ценных бумаг и определять, какие бумаги и по каким ценам нужно покупать и/или продавать. При обучении работе с системой оператор сопоставит, какие типы образов соответствуют удачным для той или иной ситуации операциям, и в дальнейшем будет стараться трансформировать генерируемые образы текущей ситуации в какой-либо из этих типов "удачных" образов. Сделать это можно путем применения уже довольно широко используемых систем канальной анимации с рендерингом (оцифровкой движений) в реальном времени и интерфейсных перчаток или систем типа "трехмерная мышь" (owl), которые позволят переводить движения оператора, связанные с трансформацией возникающего образа, в цифровые коды, на основе которых и будет определяться происходящая трансформация образа и решаться обратная задача. Такой подход требует включения тактильных ощущений и сигналов обратной связи на мышцы оператора с тем, чтобы он мог физически ощущать сопротивление ситуации его действиям и искать альтернативные способы приведения образа к "удачному" типу. Кстати, в уже упомянутой выше системе VRoom есть среда machine farm, позволяющая почувствовать обратную связь от силовых устройств, имитирующих реакцию виртуальной среды на различные виды воздействия "погруженного" оператора.
При реализации данного подхода представляется почти фантастическая, но, судя по всему, весьма перспективная возможность -- дополнительно повысить скорость за счет того, что оператор после приобретения некоторых практических навыков будет физически (инстинктивно) ощущать возникновение ситуации, угрожающей его портфелю активов по изменению движений "фантомного образа" ситуации на рынке. А использование виртуальной среды и средств анимации, таких как NURBS-сплайнов и метаболзов, позволит дополнить вышеупомянутую схему, придавая "фантому" и другим объектам виртуального мира свойства, не встречающиеся в физической реальности, но вполне реальные в информационных системах, а именно изменение информационного объекта при его перемещении (топологических преобразованиях или деструкциях), взаимопроникновение объектов и т. п.
Использование этих свойств может позволить точнее отображать, например, такую особенность портфеля финансовых инструментов, как изменение распределения активов в зависимости от эффективности тех или иных инструментов и степени их взаимного влияния (корреляции) друг на друга. Геометрически это может быть выражено изменением формы и взаимного расположения объектов при их перемещениях. В результате мы получаем высокоэффективное компьютерное средство для прямого и целенаправленного воздействияна процессы образного мышления человека, причем в естественных условиях поиска решения реальных проблем.
Оптимизация коллективного поведения
Другим, еще более интересным аспектом применения виртуальных сред в мире финансов является их использование для исследования и создания моделей коллективного поведения на финансовых рынках с целью его оптимизации в специально созданном и организованном виртуальном мире. Успешность такого подхода продемонстрирована в обучающей среде "Лого", разработанной в Массачусетском технологическом институте (США), и близкой ей по замыслу серии программ "Жизнь". Существует и виртуальная программа A-Volve, содержащая систему PoleShop, которая позволяет наблюдать поведение существ в сконструированном виртуальном мире. Некий аналог такой системы есть и в сфере финансов -- это программа Ecovision (известна ее версия для компьютеров "Макинтош").
А теперь представим себе созданную с учетом сформулированных выше требований (т. е. корректного, однозначного для интерпретации и семантически адекватного отображения набора значений финансовых показателей в образы) виртуальную среду типа "Искусственная жизнь финансов" и организуем "погружение" в нее группы финансистов, которые смогут увидеть, ощутить и услышать процессы трансформации финансовой среды, вызванные их действиями. Реализуя сжатие временного масштаба модели, этот процесс можно сделать очень динамичным. Вполне возможно, что такое прямое общение и совместное моделирование ситуациипозволит финансистам выявить и, что очень важно, ощутить влияние надсистемных критериев на эффективность их коллективных действий, а в ходе последующих погружений разработать стратегии их согласованных действий на финансовых рынках. При этом структура организации виртуальной среды позволит каждому "игроку" оценить эффекты синхронизации и синергетизма в своих собственных действиях и почувствовать, как его поведение влияет на развитие рыночной ситуации в целом. Участники научатся оптимизировать соотношение собственных интересов с целями надсистемы, и их поведение будет похоже не столько на конкуренцию, сколько на коллективное творчество. Создания таких систем можно ожидать не ранее чем в ближайшие 5-8 лет, поскольку необходимые для этого технологии уже имеются, причем не только за рубежом, но и в России.
Благоприятные перспективы
Известные примеры применения новых методов анализа финансовых рынков, пока, возможно, сложных для понимания многими банкирами и финансистами, позволяют говорить об их эффективности. Не исключено, что дальнейшие работы в этой области откроют принципиально новые подходы к анализу рыночных процессов и поведения инвесторов. Можно также предположить, что они позволят выявить или породить новые парадигмы для всего рынка в целом, приведут к созданию принципиально иных интеллектуальных человеко-машинных комплексов, способных моделировать и использовать интуитивные творческие процессы человеческого мозга. Возможно, что уже нынешнее поколение людей увидит иные, в большей степени соответствующие коллективным интересам и принципам самоорганизации, способы и стратегии функционирования финансового рынка, которые придадут большую устойчивость и надежность всей финансовой системе в целом и большую уверенность каждому ее участнику в отдельности.
|
