ОБЛАСТЬ ТЕХНИКИ

Настоящее техническое решение относится к области вычислительной техники, в частности к автоматизированным решениям для управления финансовыми активами.

УРОВЕНЬ ТЕХНИКИ

В области инвестиций и управления денежными средствами, как правило, применяются программные продукты, основанные на прогнозировании показателей изменения финансового актива, например, на основании трат пользователя или его профиля, по которому может быть подобрана та или иная рекомендация по управления его финансами. Пример такого решения известен из патента US 8788388 В2 (American Express Travel Related Services Co Inc, 22.07.2014), в котором описывается метод анализа показателей трат для анализа и выработки стратегии по дальнейшему управлению накоплениями.

Недостатком данного подхода является то, что анализ выполняется в ручном режиме, основываясь на хронологии финансовых изменений, непосредственно формируемых самими пользователем или компанией, что привязывает прогноз к существующим транзакциям. Это приводит к ограничению функционала, не позволяющего автоматизировано формировать сами алгоритмы управления финансовыми активами, независимо от их типа, обеспечивая создание стратегий управления, которые автоматически могут применяться к профилям пользователей.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Решаемой технической задачей является реализация возможности автоматизированного формирования алгоритмов стратегий управления финансовыми активами.

Техническим результатом является обеспечение автоматизированного создания алгоритмов управления финансовыми активами, применяемых к связанным профилям пользователей.

Заявленный результат достигается за счет системы автоматического формирования алгоритмов управления финансовыми активами, содержащей: по меньшей мере один процессор; по меньшей мере одну памятью, связанную с процессором; модуль подключения источников, выполненный с возможность получения данных из внешних источников, содержащих информацию о финансовых активах; модуль предобработки, выполненный с возможностью анализа изменения финансовых активов за заданный временной промежуток; модуль управления, выполненный с возможностью выявления закономерностей изменений финансовых активов во времени на основании анализа исторических данных; валидации выявленных закономерностей, в ходе которой анализируются показатели финансового актива, по которым выполняется расчет исторических показателей его поведения, отображающих уровень отклонений показателей на равных диапазонах временных исторических данных; формирования алгоритмов стратегий управления финансовыми активами на основании данных, прошедших валидацию; модуль формирования профилей управления, выполненный с возможностью создания профилей управления, представляющих собой комбинирование сформированных алгоритмов стратегий управления финансового актива, сформированных модулем управления, на основании анализа их весовых коэффициентов по следующим показателям, выбираемым из группы:

- совокупный среднегодовой темп роста;

- коэффициент Шарпа;

- коэффициент Сортино;

- максимальный уровень снижения финансового актива;

- среднее значение на заданном временном диапазоне от полученных максимальных уровней снижения финансового актива; формирования профиля управления финансовыми активами на основании определения максимального значения стратегий управления финансовыми активами, за счет ранжирования перемноженных показателей стратегий управления, полученных путем перемножения весовых коэффициентов стратегий; модуль подключения профилей финансовых активов, выполненный с возможностью получения данных профилей пользователей; расчета на основе данных профиля пользователя скорингового показателя соответствующего профилю управления финансовыми активами; применения профиля управления к профилю пользователя.

В одном из частных примеров реализации заявленной системы расчет отклонения осуществляется с помощью расчета дисперсии и/или стандартного отклонения.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

Фиг. 1 иллюстрирует общий вид системы.

Фиг. 2 иллюстрирует общий вид вычислительного устройства.

ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ

Как представлено на Фиг. 1 настоящее решение представляет собой автоматизированную систему, выполненную из совокупности взаимосвязанных модулей или подсистем. Модули или подсистемы могут выполняться как полноценные аппаратно-программные средства, например, ПЛИС или SoC, формируя конечное логическое вычислительное устройства, так и представлять совокупность программных модулей, функционирующих в составе компьютерного устройства, например, сервера.

Модуль подключения источников (110) обеспечивает получение данных о финансовых активах из различных источников (101) данных. В качестве источников данных (101) могут выступать, например, биржи, аналитические сайты или приложения, сведения из сети Интернет и т.п. Под финансовым активом понимается форма собственности, прямо или косвенно имеющая определенную материальную ценность, например, акции, паевые фонды, облигации, драгоценные метали, вексели, денежные средства, криптовалюта, крипто активы и т.п.

Модуль (110) представляет собой программную реализацию методов по взаимодействию со сторонними источниками информации посредством API, не исключая другие источники информации, такие как: текстовые файлы, БД и прочее. Функционал модуля позволяет, единожды настроив его путем ввода данных (учетных данных для авторизации, ключи доступа, переменные по периодичности подключения и т.д.) для работы с источниками информации (101), непрерывно получать данные от источников и передавать их для дальнейшей обработки. Пример информации, получаемой модулем подключения источников (ПО) представлен в Таблице 1.

Таблица 1. Пример информации по финансовым активам Данные могут сохраняться в базу данных для их последующей обработки. Полученные данные модулем (ПО) передаются в модуль предобработки (120), который выполняет анализ изменения финансовых активов за заданный временной промежуток.

Модуль (120) осуществляет автоматизированный анализ поступающих данных на предмет их целостности (пропусков дат, аномальных выбросов в данных - gap и т.д.), и, в случае их наличия, осуществляет исправление данных временного ряда. Исправления такого рода как значительный разрыв в данных именуемый - Гэп (Gap), формируется по следующему принципу: модуль (120) вычисляет медианное значение расстояний между близкими значениями на всем временном ряду и если какое либо из значений выше медианного в два раза, размер данного Гэп, вычисляемый как разница соседних значений между которыми он произошел, вычитается из всех значений до того момента когда он произошел по времени и в сторону прошлого, согласно временному ряда. Исправление такого рода как пропуски временных данных модуль (120) исправляет с учетом сравнения каждого значения с календарным временным рядом, если есть пропуск, модуль создает дату значения, а само значение копирует из соседней даты ранней по времени.

Пример такой обработки представлен в Таблице 2.

Таблица 2. Пример предобработки финансовых активов

После валидации корректности данных осуществляется корреляционный анализ на предмет сравнения новых данных с теми, которые уже получены из источников (101) на текущий момент и сохранены в БД, на предмет их схожести. Осуществляется попарный замер корреляции и сохранений данных в БД. После осуществления сравнений, на основе известных алгоритмов кластеризации производится соотнесение новых данных с каждым из имеющихся кластеров схожих временных рядов. Первично данный расчет осуществляет на всем множестве. После добавления в самый близкий для нового временного ряда кластер осуществляется расчет данных по эффективности данного ряда, на основе сравнения следующих характеристик: - совокупный среднегодовой темп роста;

- коэффициент Шарпа (https://en.wikipedia.org/wiki/Sharpe_ratio);

- коэффициент Сортино (https://en.wikipedia.org/wiki/Sortino_ratio); максимальный уровень снижения финансового актива;

- среднее значение на заданном временном диапазоне от полученных максимальных уровней снижения финансового актива и других.

Отбирается лучший инструмент в кластере на основе простого перемножения указанных ранее характеристик и выбора самого максимального. Полученный инструмент передается в следующую подсистему.

Пред обработанные данные модулем (120) передаются в модуль управления (130), который представляет собой набор предварительно запрограммированных алгоритмов, которые позволяют осуществлять преобразования и манипуляции с данными от источников (101), например, построение графиков распределения данных от источников по временным паттернам (дням недели, дням месяца и т.д.), по логическому делению данных одного источника на данные другого и т.п. В результате применяемых алгоритмических обработок модулем (130) принимается решение по тому или иному действию с финансовым активом.

С помощью обработки данных модулем (130) осуществляется выявление закономерностей изменений финансовых активов во времени на основании анализа исторических данных (изменений динамики финансового актива во времени). Закономерностью в данном случае называется повторяемость последовательности изменения определенных значений во времени, которым предшествуют одинаковые особенности. К примеру, одним из алгоритмов поиска закономерностей, может быть, алгоритм поиска сезонных паттернов, когда посредством анализа порядкового номера дня в году рассчитывается отношение кумулятивных значений, когда временной ряд имел тенденцию идти в одном направлении. Если у временного ряда были выявлены закономерности, что подтверждает предобработка, выполняемая модулем (120), который осуществляет ретроспективный расчет следующего показателя на истории - уровень дисперсии на равных частях временных исторических данных, формирующихся отдельно для данного временного ряда, которые повторяют закономерности и формируют сущность - Стратегии.

Модулем (130) выполняется валидация выявленных закономерностей, в ходе которой анализируются показатели финансового актива, по которым выполняется расчет исторических показателей его поведения, отображающих уровень отклонений показателей на равных диапазонах временных исторических данных. Расчет отклонения осуществляется с помощью расчета дисперсии и/или стандартного отклонения. Под валидацией следует понимать расчет показателей с получением относительно стабильной дисперсии. По результатам проведения манипуляций с данными на каждом из наборов характеристик осуществляется перебор вариантов на основе выбора лучшего, что ложится в основу формирования алгоритмов стратегий управления финансовыми активами на основании данных, прошедших валидацию. Стратегия представляет собой вид логических правил анализа временного ряда, на основе которого совершаются те или иные действия. К примеру, только по понедельникам в 10:00 по UTC данный финансовый ряд следует продавать, так как ранее была найдена такая закономерность, что в указанное время финансовый инструмент имеет склонность снижаться, то есть иметь тенденцию к уменьшению своих значений по отношению к предыдущему значению. Модуль (130) обеспечивает выявление закономерностей финансовых активов, на основании которых алгоритм модуля (130) производит расчет и выбор оптимального профиля управления. В таблице 3 представлен пример обработки данных для выявления закономерностей, на основании которых модуль (130) осуществляет расчет алгоритма стратегий по управлению финансовыми активами на временном диапазоне.

Таблица 3. Пример выявления закономерностей финансовых активов.

Сформированные алгоритмы стратегий модулем (130) передаются в модуль формирования профилей управления (140). Модуль формирования профилей управления (140) представляет собой автоматизированное решение, которое на основе найденных модулем (130) закономерностей в финансовом инструменте - Стратегий, имеет возможность на основе алгоритмов объединения финансовых результатов Стратегий производить оценку эффективности применения той или иной Стратегий к выбранному финансовому активу, осуществляя сравнительный анализ и производя преобразования Стратегий при помощи различных алгоритмов управления рисками, формируя в последующем профиль управления для финансовых активов. Одним из алгоритмов управления риском может быть расчет коэффициентов участия стратегий, рассчитанный на основе таких характеристик как: СКО, суммарный коэффициент взаимной корреляции с другими стратегиями, коэффициент прибыльности выраженный как средний показатель ежегодной доходности.

Создание профилей управления происходит с помощью комбинации алгоритмов стратегий управления финансового актива, сформированных модулем управления (130), и последующего анализа их весовых коэффициентов по следующим показателям:

- совокупный среднегодовой темп роста;

- коэффициент Шарпа (https://en.wikipedia.or /wiki/Sharpe.ratio);

- коэффициент Сортино (https://en.wikipedia.org/wiki/Sortino ratio);

- максимальный уровень снижения финансового актива;

- среднее значение на заданном временном диапазоне от полученных максимальных уровней снижения финансового актива.

Далее с помощью модуля (140) осуществляется случайный перебор весовых коэффициентов, где каждый коэффициент лежит в диапазоне от 0 до 1 (при этом в профиле управления сумма весовых коэффициентов среди алгоритмов стратегий не должна превышать 1).

Далее с помощью модуля (140) выполняется перемножение указанных ранее весовых коэффициентов и выбор самого максимального значения, что обеспечивает расчет наиболее оптимальных и эффективных профилей управления для соответствующих финансовых активов. Методы комбинирования и расчета весовых коэффициентов каждого временного ряда могут определяться по ряду формул, среди которых равные средневзвешенные, на основе весов волатильности (обратного стандартного отклонения), попарной корреляции. После проведения анализа и выбора оптимальных наборов стратегий модулем (140) формируется сущность - профиль управления, по которому обсчитываются и сохраняются в БД его показатели для дальнейшего применения модулем подключения профилей финансовых активов (150).

Модуль (150) обеспечивает применение сформированных профилей управления финансовыми активами для одного или нескольких финансовых активов пользователей (102). Для каждого профиля пользователя (102) в системе рассчитывается скоринговый показатель, который отражает предпочтение управления финансовыми активами, например, с помощью анкетирования пользователей системы.

Каждый профиль пользователя (102) может как содержать уже подключенные финансовые активы, так и не иметь таковых (например, подключение к доверительному управлению). Модуль (140) на основе скорингового показателя подбирает профили управления финансовыми активами и связывает их со счетами профилей пользователей (102).

Как пример, можно рассмотреть профиль инвестирования, при котором пользователь выбирает вклад в акции определенной компании. С помощью системы происходит расчет профиля управления соответствующим финансовым активом и подбирается профиль управления максимально приближенный к скоринговому показателю, рассчитанному для профиля пользователя (102) и отображающему признаки толерантности к риску или прибыли.

Применение профиля управления финансовым активом осуществляется путем его автоматизированного управления при следовании стратегии, рассчитанной системой, в том числе, автоматическое осуществление продаж, закупки финансового актива, корректировки заявок и т.п.

Заявленная система предлагает полностью автоматизированное решение, позволяющее управлять финансовыми активами с помощью динамического расчета алгоритмов их управления во времени, снижая необходимость ручных корректировок профиля стратегии.

Каждый из модулей системы, осуществляющий расчет тех или иных показателей, может выполняться на основе алгоритмов машинного обучения, обеспечивающих дополнительную автоматизацию и интеллектуальную обработку данных. Заявленная система может быть реализован как программное приложение (клиент/ северное приложение), устанавливаемое на мобильное устройство пользователя, например, смартфон. Пользователь формирует профиль (102) с помощью графического интерфейса приложения, регистрируется в системе и проходит анкетирование для расчет его скорингового показателя, на основании которых системой впоследствии будет высчитываться требуемый профиль управления его активами. При этом пользователь может не владеть на текущий момент активами для их управления, для чего ему достаточно либо создать счет для зачисления на него денежных средств или подключить уже имеющий счет (расчетный или брокерский). Пользователь также может выбирать предпочтительные активы, например, акции или криптовалюта, а также срок управления (например, вклад на 1 или 3 года), на основании чего система автоматически рассчитает наиболее эффективные алгоритмы управления теми или иными активами.

Система также выполнена с возможностью предупреждения об изменениях управления активами, и формирует автоматические изменения в активах или стратегии их управлении, оповещая при этом пользователя. Пользователи также могут изменять свои профили (102), меняя тип общей стратегии управления активами, например, увеличение срока управления, изменения типа активов на активы с болыиими/меныиими рисками и т.п.

Пользователи имеют возможность дополнять свои профили иными активами, подключая их также к системе. В этом случае система проводит корреляцию с имеющейся информацией, полученной из источников (101), рассчитывает алгоритмы управления новыми активами пользователя и подбирает наиболее эффективный профиль управления с учетом уже имеющейся стратегии, привязанной к текущему профилю (102) пользователя. При этом один профиль (102) может содержать несколько стратегий управления активами для разных их типов, например, один тип управления для акций, другой тип управления для валютного счета и т.п.

На Фиг. 2 представлен пример общего вида вычислительного устройства (200), на базе которого может функционировать заявленная система. Устройство (200) может являться частью компьютерной системы, например, сервером, персональным компьютером, частью вычислительного кластера, обрабатывающим необходимые данные для осуществления заявленного технического решения.

В общем случае устройство (200) содержит объединенные общей шиной информационного обмена один или несколько процессоров (201), средства памяти, такие как ОЗУ (202) и ПЗУ (203), интерфейсы ввода/вывода (204), устройства ввода/вывода (205), и устройство для сетевого взаимодействия (206). Процессор (401) (или несколько процессоров, многоядерный процессор и т.п.) может выбираться из ассортимента устройств, широко применяемых в настоящее время, например, таких производителей, как: Intel™, AMD™, Apple™, Samsung Exynos™, MediaTEK™, Qualcomm Snapdragon™ и т.п. Под процессором или одним из используемых процессоров в устройстве (200) также необходимо учитывать графический процессор, например, GPU NVIDIA или Graphcore, тип которых также является пригодным для полного или частичного выполнения способа, а также может применяться для обучения и применения моделей машинного обучения в различных информационных системах.

ОЗУ (202) представляет собой оперативную память и предназначено для хранения исполняемых процессором (201) машиночитаемых инструкций для выполнение необходимых операций по логической обработке данных. ОЗУ (202), как правило, содержит исполняемые инструкции операционной системы и соответствующих программных компонент (приложения, программные модули и т.п.). При этом, в качестве ОЗУ (202) может выступать доступный объем памяти графической карты или графического процессора.

ПЗУ (203) представляет собой одно или более устройств постоянного хранения данных, например, жесткий диск (HDD), твердотельный накопитель данных (SSD), флэш-память (EEPROM, NAND и т.п.), оптические носители информации (CD-R/RW, DVD-R/RW, BlueRay Disc, MD) и др.

Для организации работы компонентов устройства (200) и организации работы внешних подключаемых устройств применяются различные виды интерфейсов В/В (204). Выбор соответствующих интерфейсов зависит от конкретного исполнения вычислительного устройства, которые могут представлять собой, не ограничиваясь: PCI, AGP, PS/2, IrDa, FireWire, LPT, COM, SATA, IDE, Lightning, USB (2.0, 3.0, 3.1, micro, mini, type C), TRS/Audio jack (2.5, 3.5, 6.35), HDMI, DVI, VGA, Display Port, RJ45, RS232 и т.п.

Для обеспечения взаимодействия пользователя с устройством (200) применяются различные средства (205) В/В информации, например, клавиатура, дисплей (монитор), сенсорный дисплей, тач-пад, джойстик, манипулятор мышь, световое перо, стилус, сенсорная панель, трекбол, динамики, микрофон, средства дополненной реальности, оптические сенсоры, планшет, световые индикаторы, проектор, камера, средства биометрической идентификации (сканер сетчатки глаза, сканер отпечатков пальцев, модуль распознавания голоса) и т.п.

Средство сетевого взаимодействия (206) обеспечивает передачу данных посредством внутренней или внешней вычислительной сети, например, Интранет, Интернет, ЛВС и т.п. В качестве одного или более средств (206) может использоваться, но не ограничиваться: Ethernet карта, GSM модем, GPRS модем, LTE модем, 5G модем, модуль спутниковой связи, NFC модуль, Bluetooth и/или BLE модуль, Wi-Fi модуль и др.

Представленные материалы заявки раскрывают предпочтительные примеры реализации технического решения и не должны трактоваться как ограничивающие иные, частные примеры его воплощения, не выходящие за пределы испрашиваемой правовой охраны, которые являются очевидными для специалистов соответствующей области техники.