В финансовом менеджменте нет и не может быть ничего застывшего,
окончательного. Даже результаты, получившие в свое время нобелевскую премию в области экономики, попадают под удар сокрушительной критики. Так было,
например, с портфельной теорией Марковица [134 - 135], с теорией линии рынка капитала Шарпа-Литнера [131, 144], с теорией справедливой оценки стоимости европейского опциона Блэка-Шоулза-Мертона [111]. Оказывалось, что предпосылки, положенные в основу этих теорий (нормальность законов распределения доходности активов, монотонность инвестиционных предпочтений,
винеровский случайный процесс ценовых колебаний) существенно расходятся с реальностью фондового рынка [117, 118, 156]. Инвесторы, следовавшие «классическим» теориям фондового менеджмента, потерпели колоссальные убытки в 2001 . 2002 годах (только в США за эти годы инвесторы потеряли 7-10 трлн.
долларов), когда изменившаяся картина рынка вступила в противоречие с научной его картиной, бытующей по сию пору. Основополагающее значение перечисленных «нобелевских» теорий для финансового менеджмента никем не оспаривается. Однако из этого не следует, что невозможно развитие и появление новых теорий финансового менеджемента, оппонирующих уже существующим теориям. Такая ломка научных стереотипов, кризис экономической парадигмы, о которой писал Т.Кун в [45], воспринимается сложившимися экспертами весьма болезненно, потому что вынуждает их обновлять свое научное мировоззрение,
доучиваться. Новые теории обесценивают роль предшествующих теорий в научном процессе, равно как и вклад в науку целых поколений ученых, работавших в русле,
очерченном их предшественниками. Все это рождает латентный протест, который может в конечном счете выразиться в ошибочном экспертном заключении.
Методы обработки пространственно-временных совокупностей существенно варьируют по сложности используемых алгоритмов. Простейший вариант прогноза . это предположение регрессии прогнозируемого параметра по фактору времени:
где a,b .параметры регрессии (определяемые обычно по методу наименьших квадратов), (t) . случайная величина с нулевым математическим ожиланием и фиксированными прочими параметрами вероятностного распределения.
Предположение о линейности регрессии прямо вытекает из допущения, что прогнозируемый случайный процесс является стационарным, т.е. в каждом временном сечении этого процесса лежит случайная величина, вероятностное распределение которой содержит постоянные, неизменные во времени параметры.
Из этого же допущения о стационарности случайного процесса исходят все методы авторегрессии, когда прогнозируемое значение параметра линейным образом зависит от некоторой совокупности предыдущих значений параметров:
Авторегрессия свидетельствует об инерционности и стационарности прогнозируемого процесса, о сохранении на всем интервале прогнозирования исторически сложившейся экономической парадигмы. Однако это допущение является слишком сильным и малореалистичным. Чтобы смягчить эту предпосылку о стационарности, зарубежные исследователи Энгл и Боллерслев разработали семейство методов ARCH и GARCH соответственно ([112, 116, 119]), допуская, что прогнозируемый процесс перестает быть стационарным, но будущее значение волатильности этого процесса может быть предсказано по ряду предыдущих значений волатильности процесса (условно-непостоянная волатильность). Т.е. в алгоритме прогнозируется не только искомый параметр, но и параметры распределения ошибки прогноза.
Развитием методов ARCH и GARCH является технология так называемых нейронных сетей [22], когда система прогнозирования в автоматическом режиме осуществляет оценивание параметров регрессии, минимизируя функцию ошибки. Любопытно, что иногда для обучения финансовых нейронных сетей используются даже астрологические прогнозы [93] (в мире существуетряд финансовых программ на астрологическом базисе, и мы здесь обходим стороной вопрос о том, является ли астрология наукой или нет).
Методы ARCH и GARCH (равно как и построенные на их основе нейронные сети) перестают работать, когда исследуемая экономическая система терпит так называемый эпистемологический, парадигмальный разрыв [45], т.е., с резким изменением экономических тенденций вся накопленная история оказывается неподходящей для прогноза. Характерный пример . перелом тенденции фондового рынка США в 2001 году. И в этом случае для прогнозирования тенденций подсистемы необходимо пользоваться данными надсистемы, не претерпевшей парадигмального разрыва. Так, для прогнозирования американских фондовых индексов сегодня можно воспользоваться данными макроэкономических индексов и обновленными предположениями о рациональных инвестиционных тенденциях, используя идеологию треугольных нечетких функций [75].
Методы ситуационного анализа предполагают генерацию экономических сценариев и детерминированное факторное моделирование реакции системы на сгенерированный сценарий, измеряемое по финансовымрезультатам системы. Всем сценариям в генеральной их совокупности присваиваются вероятностные веса. Таким образом, итоговый ожидаемый финансовый результат интерпретируется как матожидане случайной величины показателя, распределенной в соответствии с исходным весовым распределением входных сценариев.
