СТОХАСТИЧЕСКАЯ МОДЕЛЬ КОГНИТИВНОГО РИСКА ТРЕЙДЕРОВ В УСЛОВИЯХ ВОЛАТИЛЬНОСТИ ДЕЦЕНТРАЛИЗОВАННЫХ РЫНКОВ

Аннотация

Настоящее исследование посвящено разработке стохастической модели когнитивного риска трейдеров как ключевого компонента интеллектуальной системы поддержки принятия решений (СППР) для децентрализованных криптовалютных рынков. Актуальность работы обусловлена спецификой DeFi-среды, характеризующейся высокой и нестационарной волатильностью, отсутствием централизованных механизмов стабилизации, асимметрией информации и значительным влиянием поведенческих факторов на принятие торговых решений. В данных условиях традиционные детерминированные и статические СППР демонстрируют ограниченную эффективность, поскольку не учитывают динамическое восприятие риска участниками рынка и связанные с ним когнитивные искажения. Целью исследования является формализация когнитивного риска трейдеров в виде стохастического процесса с эффектом памяти и интеграция соответствующей модели в архитектуру СППР, ориентированной на адаптивное управление риском. Для достижения поставленной цели разработано стохастическое дифференциальное уравнение, описывающее динамику когнитивного риска в зависимости от рыночной волатильности и текущих режимов рынка, а также вероятностное ядро переходов между рыночными состояниями, связывающее объективные рыночные характеристики с субъективным восприятием риска. Для оценки параметров модели предложен идентификационный каркас, основанный на алгоритме Expectation–Maximization в сочетании с фильтром частиц, что обеспечивает возможность работы с нелинейными и скрытыми состояниями системы. Методика исследования включает численное моделирование на синтетических данных, оценку параметров модели на реальных временных рядах криптоактивов, а также валидацию результатов с использованием схем walk-forward и purged K-fold. Качество вероятностных прогнозов оценивалось с применением метрик отрицательного логарифмического правдоподобия (NLL), Brier Score и ожидаемой ошибки калибровки (ECE). Экспериментальные результаты показали, что включение когнитивного стохастического слоя позволяет улучшить качество вероятностных прогнозов в среднем на 10–15%, снизить NLL на 8%, Brier Score на 11% и ECE на 35%, а также повысить точность предсказания ключевых переходов между рыночными режимами на 5–7 процентных пунктов. Полученные результаты подтверждают эффективность предложенной стохастической модели когнитивного риска и демонстрируют её применимость для построения адаптивных СППР в DeFi-сегменте. Разработанный подход может служить основой для дальнейшего развития предиктивных моделей поведения трейдеров и интеллектуальных систем управления риском в децентрализованных финансовых экосистемах.