Машинное обучение в финансах

Москва

2024

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 маги
стратуры / 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 «Ма
шинное 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 направ
лениям 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, ди
ректор 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 об
учению 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 знаком
ство 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» обеспе
чивает 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 ана
лиз 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 облач
ный 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 за
кладки 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 Пи
тона — рисунок 2. 

Рисунок 2. Окно создания нового ноутбука

Colab входит в линейку продуктов Google — гугл доку
менты. 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 ин
формации, 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 свя
зано 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 умол
чанию — это смена фона с белого на черный, чтобы не уставали глаза — рисунок 5, пункт меню Tools/Settings.