Найти

Результаты поиска

• СТОХАСТИЧЕСКАЯ МОДЕЛЬ КОГНИТИВНОГО РИСКА ТРЕЙДЕРОВ В УСЛОВИЯХ ВОЛАТИЛЬНОСТИ ДЕЦЕНТРАЛИЗОВАННЫХ РЫНКОВ

  Д. Г. Веселова , Н. Е. Сергеев

  189-199

  2025-12-30

  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.

• ПРЕДИКТИВНАЯ АНАЛИТИКА ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ В ДЕЦЕНТРАЛИЗОВАННЫХ СИСТЕМАХ

  Н.Е. Сергеев , Д.Г. Веселова

  2024-05-28

  Аннотация ▼

  В настоящее время актуальность использования криптоактивов стремительно растет.
  В последние годы торговля криптовалютой стала одной из наиболее обсуждаемых тем в мире
  финансов и инвестиций. Криптовалюты, такие как Биткоин, Эфириум, привлекают внимание
  миллионов людей благодаря своей инновационности, потенциалу высокой прибыли и возможности
  децентрализации. Технология блокчейн, на которой основаны криптовалюты, является одной из
  самых инновационных и перспективных технологий на рынке. Изучение торговли криптовалюта-
  ми позволяет понять, как частные инвесторы и компании могут использовать блокчейн-
  технологии для инвестирования и развития своих бизнесов. Одной из главных причин популярности
  торговли криптовалютой является ее высокий уровень волатильности. Курс криптовалют мо-
  жет быстро меняться, что предоставляет возможности для получения прибыли. Данная статья
  направлена на исследование использования предиктивной аналитики для принятия решений в де-
  централизованных системах на примере торговли криптовалютами на централизованных и де-
  централизованных биржах. В настоящей работе проводится исследование децентрализованных и
  централизованных систем с целью дальнейшего создания систем поддержки принятия решений.
  Приведено общее описание и схемы работы децентрализованных и централизованных динамиче-
  ских систем на примере исследования криптобирж. Данная научная статья исследует типовую
  структуру централизованной и децентрализованной криптобиржи, анализируя основные компо-
  ненты и принципы ее функционирования. В статье рассматривается внутренняя организация
  биржи, включая систему хранения цифровых активов, механизмы выполнения сделок, обеспечение
  безопасности и управление рисками. Также обсуждается взаимодействие биржи с участниками
  рынка, а также регулирующими органами. Помимо этого, данная научная статья исследует пра-
  вила и принципы работы трейдеров и маркет мейкеров на централизованных и децентрализован-
  ных криптобиржах. Рассматриваются основные стратегии и тактики, которые используют
  участники рынка для обеспечения ликвидности и оптимизации операций торговли. В статье про-
  водится сравнение подходов к торговле на различных типах криптобирж с учетом их особенно-
  стей и влияния на ценовую динамику криптовалют. Представленные результаты могут способ-
  ствовать более глубокому пониманию процессов в торговле криптовалютами и оптимизации
  стратегий принятия решений для инвесторов и торговцев на рынке криптоактивов.