Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц
Учебник предназначен для проведения занятий по дисциплине «Машинное обучение в финансах». В учебнике описано, как работать с основными инструментами машинного обучения: Python, Pandas. Приведены примеры кода для загрузки, обработки и анализа информации с финансовых рынков. Описаны современные направления использования машинного обучения в финансовой сфере. Очерчены перспективные направления разработки средств машинного обучения на финансовых рынках. Материал учебника предоставляет читателям практические знания в области методов работы с данными и основ машинного обучения, а также того, как они используются в инвестиционном процессе. На примере виртуальных кейсов читатели получают практический опыт программирования, основанный на реалистичных сценариях, применяют концепции машинного обучения к реальным инвестиционным проблемам и учатся ясно объяснять их неспециалистам и клиентам. Учебник предназначен для магистрантов, обучающихся по направлениям подготовки «Экономика», «Финансы и кредит», слушателей сокращенных программ, программ профессиональной переподготовки финансистов. Материалы учебника могут использоваться для подготовки к экзамену на получение сертификата CFA Data Science for Investment Professionals Certificate.
Машинное обучение в финансах : учебник / С. Ю. Богатырев, А. А. Помулев, А. В. Затевахина [и др.] ; под. ред. С. Ю. Богатырева. - Москва : Прометей, 2024. - 224 с. - ISBN 978-5-00172-572-5. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2144368 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Москва
МАШИННОЕ ОБУЧЕНИЕ 
В ФИНАНСАХ
Учебник для магистратуры 
под общей редакцией С.Ю. Богатырева
Рекомендован УМО
в качестве учебника для вузов
Международный банковский институт
имени Анатолия Собчака


УДК 004.8-338.27
ББК 32.813-65.261
          М38
М38
Машинное обучение в финансах: Учебник для магистратуры / С.Ю.Богатырев, А.А. Помулев, А.В. Затевахина [и др.] ; под ред. С.Ю. Богатырева — М.: Прометей, 
2024. — 224 с.
ISBN  978-5-00172-572-5
Учебник предназначен для проведения занятий по дисциплине «Машинное обучение в финансах». В учебнике описано, как работать с основными инструментами машинного обучения: Python, Pandas. Приведены 
примеры кода для загрузки, обработки и анализа информации с финансовых рынков. Описаны современные направления использования машинного обучения в финансовой сфере. Очерчены перспективные направления разработки средств машинного обучения на финансовых рынках. 
Материал учебника предоставляет читателям практические знания 
в области методов работы с данными и основ машинного обучения, а также того, как они используются в инвестиционном процессе. На примере 
виртуальных кейсов читатели получают практический опыт программирования, основанный на реалистичных сценариях, применяют концепции машинного обучения к реальным инвестиционным проблемам и учатся ясно объяснять их неспециалистам и клиентам.
Учебник предназначен для магистрантов, обучающихся по направлениям подготовки «Экономика», «Финансы и кредит», слушателей сокращенных программ, программ профессиональной переподготовки финансистов. Материалы учебника могут использоваться для подготовки 
к экзамену на получение сертификата CFA Data Science for Investment 
Professionals Certificate.
 
ISBN  978-5-00172-572-5	
© Коллектив авторов, 2024
	
© Издательство «Прометей», 2024
Рецензенты: 
Зададаев Сергей Алексеевич, кандидат физико-математических 
наук, профессор, руководитель Департамента математики Финансового университета при Правительстве Российской Федерации, Почетный работник высшего профессионального образования Российской 
Федерации;
Мунерман Илья Викторович,  кандидат экономических наук, директор Исследовательского подразделения «Интерфакс-ЛАБ», Группа 
«Интерфакс».


Авторский колллектив
Богатырев Семен Юрьевич — Введение, Главы 1 и 3; 
параграфы 2.1, 2.3, Глава 4, Заключение (в соавторстве);
Помулев Александр Александрович — параграф 2.2; 
Затевахина 
Анна 
Васильевна 
— Вопросы задания 
к главе 1, параграф 4.2 (в соавторстве);
Круглова 
Инна 
Александровна — Вопросы задания 
к главе 1, параграф 4.1 (в соавторстве);
Барабанова 
Марина 
Ивановна — Вопросы задания 
к главе 1, параграф 4.3 (в соавторстве);
Тегин Алексей Владленович — параграф 2.3 (в соавторстве);
Солодовников Максим Алексеевич — параграф 2.1 (в соавторстве);
Шашина Ирина Александровна — параграф 2.1 (в соавторстве);
Матросов Сергей Викторович — параграф 2.3, Заключение (в соавторстве).


Содержание
Введение. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . . . . . 6
Г л а в а 1. ИНСТРУМЕНТЫ МАШИННОГО ОБУЧЕНИЯ. 8
1.1. Установка среды программирования . .  .  .  .  .  .  . . . . . . . . 8
1.2. Язык программирования Питон. Основы Питона. . . . 11
1.3. Работа с библиотеками в Пандас. Pandas . .  .  .  .  . . . . . . 36
Вопросы и задания к главе 1 . .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . 104
Г л а в а 2. ИНСТРУМЕНТЫ МАШИННОГО ОБУЧЕНИЯ: 
ПРИМЕНЕНИЕ В ФИНАНСАХ . .  .  .  .  . . . . . . 105
2.1. Питон для обработки финансовой информации. .  . . . 105
2.2. Работа с финансовой информацией в Питоне: 
продвинутый уровень . .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . 112
2.3. Приложения NLP в управлении активами. .  .  .  . . . . . 148
Вопросы и задания к главе 2 . .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . 161
Г л а в а 3. МАШИННОЕ ОБУЧЕНИЕ И ПРИМЕНЕНИЕ 
DATA SCIENCE В ИНВЕСТИЦИЯХ. . . . . . . 162
3.1. Машинное обучение в работе современного 
финансиста. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . . . 162
3.2. Показатели, инструменты и технологии машинного 
обучения в финансово-инвестиционной деятельности. . . 167
3.3. Практические приложения машинного обучения 
в инвестициях . .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . 185
Вопросы и задания к главе 3 . .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . 199
Г л а в а 4. ЭТИЧЕСКИЕ ПРАВИЛА ПРИМЕНЕНИЯ 
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 
ПРИ УПРАВЛЕНИИ ИНВЕСТИЦИЯМИ . .  . . 200
4.1. Общие понятия этики финансиста 
при применении искусственного интеллекта . .  .  .  . . . . . . 200


4.2. Критерии добросовестного применения технологий 
машинного обучения и искусственного интеллекта 
в практике финансово-инвестиционного 
консультирования. .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . 202
4.3. Регуляторная база применения технологий 
искусственного интеллекта в финансово-экономической 
сфере. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . . . . . 207
Вопросы и задания к главе 4 . . .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . 213
Заключение. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . . 214
Список литературы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216


Введение
В настоящий момент при обилии книг по машинному обучению и его средствам: языкам программирования Питон 
и другим, на книжном рынке нет специализированных российских учебников, написанных российскими авторамифинансистами на базе отечественных научно-методических 
разработок по применению машинного обучения в финансовой сфере. Таким образом, это первый учебник в сфере применения машинного обучения в финансовой отрасли. Он 
написан российскими профессорами, доцентами, преподавателями и исследователями, применяющими языки программирования, библиотеки данных для машинного обучения в финансах, преподающими собственные разработанные методики обучения российским студентам в российских 
столичных и региональных вузах. 
Материал учебника формирует у читателей, студентов 
способности к применению технологий обработки больших 
данных и машинного обучения к решению прикладных задач в финансовой сфере и инвестировании на финансовых 
рынках. 
Дисциплина «Машинное обучение в финансах» входит 
вмодуль вариативных дисциплин магистерской программы 
вариативной части блока содержательных модулей и дисциплин Образовательного стандарта по направлению подготовки 38.04.01 «Экономика» (программа подготовки магистров) и относится к классу дисциплин, ориентированных 
на формирование профессиональных компетенций выпускников в области обработки больших данных и машинного 
обучения. 
В процессе изучения дисциплины происходит знакомство с основными понятиями, методологиями, моделями, 
методами, методиками и технологиями обработки больших 
данных и машинного обучения, знания о которых будут по
ложены в основу формирования профессиональных компетенций будущего финансиста. При этом студенты приобретают опыт использования изучаемых технологий в практических задачах, связанных с финансами. 
Дисциплина «Машинное обучение в финансах» обеспечивает инструментарий формирования следующих компетенций: 
Компетенция ДКМП-4. Способность применять методы 
интеллектуального анализа данных и машинного обучения 
к решению прикладных задач, связанных с оказанием финансовых услуг. Знать основные методы интеллектуального 
анализа данных и машинного обучения. Уметь строить модели классификации, регрессии, кластеризации и поиска 
аномалий. Владеть профессиональной терминологией в области больших данных и машинного обучения. 
Компетенция ИК-2. Владение навыками использования 
программных средств и баз данных, умение работать в глобальной компьютерной сети. Знать основные принципы поиска, сбора, очистки, хранения, обработки, анализа и визуализации данных. Уметь находить, собирать, очищать, 
хранить, трансформировать и визуализировать большие 
объемы данных. Владеть современными пакетами прикладных программ, реализующими методы обработки больших 
данных и машинного обучения. 
Компетенция ПКП-1. Способность осуществлять анализ и обработку финансовой информации, необходимой 
для разработки обоснованных стоимостноориентированных финансовых прогнозов и планов стратегического, текущего и оперативного развития коммерческих и некоммерческих организаций, анализировать и контролировать ход 
их выполнения. Знать основные классы практических задач в области экономики, управления и финансов, решаемых методами машинного обучения. Уметь применять модели машинного обучения для решения практических задач 
в области предоставления финансовых услуг. Владеть навыками анализа и обработки финансовой информации.


Гл а в а 1. ИНСТРУМЕНТЫ МАШИННОГО 
ОБУЧЕНИЯ
Code first, think after! 
Сначала программируй, потом думай! 
1.1. Установка среды программирования
Точка запуска инструментов искусственного интеллекта 
(ИИ) для финансовых исследований.
Среда для работы — Jupiter notebook. 
Первый используемый инструмент — collab. Это облачный Jupiter, бесплатно предоставляемый Google. 
Для запуска этого инструмента ИИ в  строке браузера 
надо 
набрать: 
https://colab.research.google.com/?utm_
source=scs-index
Результат работы команды — на рисунке 1: 
Рисунок 1. Начальное меню работы с Colab
Для удобства работы лучше сразу добавить его в  закладки браузера. 


В пункте меню «Недавние» система показывает недавно 
использовавшиеся ноутбуки. Чтобы создать новый, надо нажать кнопку «Создать блокнот». 
После этого запускается окно для создания кода Питона — рисунок 2. 
Рисунок 2. Окно создания нового ноутбука
Colab входит в линейку продуктов Google — гугл документы. Это значит, что так же, как и всеми другими продуктами, создаваемыми в гугл: текстовыми файлами, электронными таблицами, ноутбуком можно поделиться с  другими 
пользователями, коллегами — рисунок 3. 
Рисунок 3. Расшаривание нового ноутбука


На этом этапе передачи содержащейся в  ноутбуке информации, необходимо проверить, содержит ли она персональные данные, которые нельзя передавать в  другую организацию, на  другие серверы. Эта проблема решается локальной установкой Jupiter к себе на компьютер. 
Для целей научных исследований и  в учебной работе 
при обработке массивов информации с финансовых рынков 
с  публичным доступом это не  требуется, и  использование 
Colab представляется наиболее эффективным с  точки зрения инфраструктуры. 
Colab лучше запускать на  английском языке. Это связано с  неточностями перевода, интегрированностью процесса программирования в  Colab в  устойчивую терминологию используемых терминов и команд. Чтобы сменить язык 
с  русского на  английский при первом запуске Colab надо 
зайти в  пункт меню Справка и  выбрать пункт меню Показать на английском языке — рисунок 4. 
Рисунок 4. Смена языка в Colab 
Следующее рекомендуемое изменение настроек по умолчанию — это смена фона с белого на черный, чтобы не уставали глаза — рисунок 5, пункт меню Tools/Settings.