1 / 52

P énzügyi Rendszerek alprojekt Levendovszky János (BME)

P énzügyi Rendszerek alprojekt Levendovszky János (BME). Az infokommunikációs technológiák társadalmi hatásai 2014. á prilis 10 . Szeged. Projekt információ k Beágyazottság Kutatási irányok Eredmények Alkalmazások Indikátorok. Főbb pontok. Konzorciumi partnerek. FUTURICT.

rehan
Download Presentation

P énzügyi Rendszerek alprojekt Levendovszky János (BME)

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Pénzügyi Rendszerek alprojektLevendovszky János (BME) Az infokommunikációs technológiák társadalmi hatásai 2014. április 10. Szeged

  2. Projektinformációk Beágyazottság Kutatásiirányok Eredmények Alkalmazások Indikátorok Főbbpontok

  3. Konzorciumi partnerek FUTURICT Viking Zrt

  4. Adminisztratívmutatók

  5. Alprojekt kutatási célja Pénzügyi rendszerek

  6. Célok és kihívások Rögtöni globális hatások Hálózati kihívások: dominóeffektusok, fertőződések és lavinahatások vizsgálata Algoritmikus kihívások: kiegyenlítő hatások, kockázat- analízis, algoritmikus kereskedés Instabilitás, csőd FuturICT Pénzügyi Rendszerek Alprojekt Hogyan lehet napjaink pénzügyi folyamatait kiszámíthatóbbá és biztonságosabbá tenni !!!

  7. Kaszkádjelenségek Bank Bank Company Company Company Asset Asset Asset Asset Miért fontosak a kaszkádejelenségek ? Bankok és vállalatok egymáshoz kapcsoltak . Kapcsolt hálózatok sokkal „sérülékenyebbek”, ami nagyobb rendszerkockázatot okoz.

  8. Letörési jelenségek Célokéseredmények: Monte –Carlo szimulációval, hasonlóállításokkomplexebbenösszekapcsoltgráfokra

  9. Elért eredmények • A csatolt hálózatokat leíró (összeomlási lavinákat mutató) modellben bevezettünk egy időben dinamikus, a támadás alatt álló hálózat lokális gyógyulását (javítási lehetőségeit) figyelembe vevő folyamatot. • Monte Carlo szimulációval különböző hálózati topológiákra meghatároztuk, mennyivel késleltethető (Δpc) a hálózat összeomlása adott w gyógyulási valószínűség esetén • Δpc = hwγ,négyzetrács: h=0.703, γ=1.034

  10. Elért eredmények • A lavinák és az alkalmazott gyógyulás átformálják a kezdetben szabályos hálózati topológiát. Az ábrán látható hálózatok: • a) gyógyulás nélkül (w=0.0), • b) kritikus gyógyulás alatt (w=0.2, az átlagos fokszám csökken), • c) kevéssel a kritikus gyógyulás felett (w=0.4, fokszám≈áll.),ugyanannyi megtámadott ponttal. • d) kevéssel a kritikus gyógyulás felett(w=0.4)sok megtámadott pont esetén a hálózatot a gyógyulás egyre sűrűbbé teszi.

  11. Alkalmazások Modellünk alkalmazható bankok és cégek egymástól való kölcsönös függésének leírására. A Monte Carlo szimulációkkal végzett mérésekben meghatároztuk a csatolt hálózatok ellenállóképességét véletlen támadások, csődök esetére. A mérések lehetővé teszik a hálózatok gyógyítására fordított erőfeszítések megtérülésének (hálózat meddig marad működőképes) számszerű becslését, ezáltal a beavatkozások tervezését.

  12. Publikációk, indikátorok Az eredményeinkről írt cikk elérhető a http://arxiv.org/abs/1312.1993 címen. A cikk publikálás alatt áll.

  13. Gráf modellezés : hatalmas adatmennyiség bankokban, cégkönyvekben, …etc • Cél: gráf „bányászat” - csődelőrejelzés, üzleti függőségek felfedezése, tulajdonosi struktúrák analízis, A fertőzések terjedése gazdasági hálózatokban

  14. Kutatási célok TÁMOP-4.2.2/B10-1/2010-0009 • Complex adatbázis gráffá alakítása • A fertőzési módszertan teljes kidolgozása • A statikus változók és fertőzés vizsgálata egy konkrét projektben (OTP adatbázis)

  15. Független Kaszkád Modell • DR Algorithm*: • 0: (originally) Infected dataset = Active dataset • 1: Infecting by the edges where one of the vertices are „active”. • Influence ~ multiplying the probability of the infection of the edges. • 2: Infected in the previous period = Active dataset • 3: If there is no new infection then STOP.

  16. Eredmények TÁMOP-4.2.2/B10-1/2010-0009 • Complex gráf statisztikák • Felügyelő bizottság: 38457 pont, 1014737 él • Bt: 227114 pont, 5990252 él • Kft-k: 441656 pont, 26934120él • A kaszkád módszer elemei: • Fertőzés kiszámolásának felgyorsítása • Él attribútumok beárazása (inverz fertőzés) • Esettanulmány (OTP kredit default)

  17. Az adatbázis 1719000 magyar vállalat TÁMOP-4.2.2/B10-1/2010-0009

  18. Valódi hálózat fertőződése

  19. Publikációk Bartalos István és Pluhár András, Közösségek és szerepük a kisvilág gráfokban. Alkalmazott Matematikai Lapok 29 (2012) 55--68. A. Bóta, M. Krész and A. Pluhár, Approximations of the Generalized Cascade Model. Acta Cybernetica 21 (2013) 37--51. M. Krész and A. Pluhár, Economic Network Analysis. In Encyclopedia of Social Network Analysis and Mining , Springer 2013. A. Bóta, A. Csernenszky, L. Győrffy, Gy. Kovács, M. Krész and A. Pluhár, , Applications of the Inverse Infection Problem on banking data. PROCEEDINGS OF THE EURO MINI-CONFERENCE GRAZ-2013 ON COLLABORATIVE DECISION SYSTEMS IN ECONOMICS, COMPLEX SOCIETAL & ENVIRONMENTAL APPLICATIONS U. Leopold et al. Graz, Austria, October 17-19, 2013. A. Bóta, M. Krész and A. Pluhár, Az inverz kaszkád probléma alkalmazása a magyar cégkapcsolati hálózatra. XXX. Magyar Operációkutatási Konferencia, 2013 június 10-13. Balatonöszöd

  20. Mean reversion Individuális részvényárfolyamok nehezen jósolhatók, korrelált részvények jól jósolhatók és lineáris kombinációjuk visszatér a mean-hez Predikció alapú Jósolt érték Jósolt érték Analízis Algoritmikus kereskedés

  21. Intuitív feladatmegfogalmazás optimális lineáris kombináció, amely mean reverting tulajdonságot mutat card. kényszerrel Árfolyamok – sokdimenziós idősorok Keresk. mean reverting portfólióval Cél: Új módszerek mean reverting portfoliók identifikálására és kereskedésére sell profit sell profit buy

  22. A modell az i részvény ára a t-ik időpillantban az i-ik részvényből birtokolt darabszám Mean reversion: p(t) Ornstein – Uhlenbeck folyamat Kulcs paraméter: gyors visszatérés a mean-hez legkisebb bizonytalanság stacionér állapotban FELADAT:

  23. A diszkrét modell - AR(1) where

  24. HMM based trading

  25. Dimension reduction • Prediciton in the reducted dimensional subspace • Speed-up due to decreased comp. complexity enables us to • involve a larger number of assets(memory and CPU limit) • do higher frequency trading • Controllable degree of freedom(e.g. to avoid overfitting) • Probabilistic PCA (PPCA) • Clustering algorithms

  26. AR-HMM • Trading with mean reverting portfolios • Estimation of the long term mean (μ) • Decision whether the process is MR • → Generalizaton and more flexible modelingwith AR-HMMsMaximizing the prediction based profit:

  27. Numerikus eredmények • 144% yearly profit on FOREX withbid-askspread • Nagyságrendekkel jobb OU paraméter becslés

  28. Publicációk • Journal papers • SIPOS, I. Róbert; LEVENDOVSZKY, János. Optimizing sparse mean reverting portfolios. Algorithmic Finance, 2013, 2.2: 127-139. • SIPOS, I. Róbert; LEVENDOVSZKY, János. Optimizing sparse mean reverting portfolios with AR-HMMs in the presence of secondary effects. Accepted in PeriodicaPolytechnica. • J. LEVENDOVSZKY, G. JENEY, F. KIA: Minimizingthelossprobability of tradingwith OU processes • Conferences • SIPOS, I. Róbert; LEVENDOVSZKY, János. Trading with Hidden Markov Models. In: Proceedings, 15th Applied Stochastic Models and Data Analysis (ASMDA2013), Barcelona, 2013.

  29. Hangulatbányászat Nagy Gábor, BME, Kazi Sándor, Dr. Búza Krisztián (UniwersytetWarszawski)

  30. Kutatásicélok News Twitter TÁMOP-4.2.2/B10-1/2010-0009 Hangulatok identifikációja szövegbányászattal a szociális médiában, illetve ezeknek a pénzpiacokra gyakorolt hatásának a mérése

  31. Kihívások Megoldás • Elosztottszöveg- ésadatbányászati platform kidolgozása TÁMOP-4.2.2/B10-1/2010-0009 Nagysebességű és hatalmas méretű adatforrások analízise Megfelelő szövegbányászati módszerek hiányában

  32. Releváns tartalom felismerése

  33. Releváns tartalom kinyerése article = { 'title':'EU's top court rules Germany cankeep VW veto law', 'author':'Michele Sinner', 'timestamp':'Tue Oct 22, 2013 5:16am EDT', 'location':'LUXEMBOURG/FRANKFURT', 'summary':'Germanywonthe right to...' 'content':'The ruling means Germanyavoids fines worth tensof millions of euros...' }

  34. Releváns tartalom tárolása article = { 'title':'EU's top court rules Germany cankeep VW veto law', 'author':'Michele Sinner', 'timestamp':'Tue Oct 22, 2013 5:16am EDT', 'location':'LUXEMBOURG/FRANKFURT', 'summary':'Germanywonthe right to...' 'content':'The ruling means Germanyavoids fines worth tensof millions of euros...' }

  35. Tartalom elemzésSentimentAnalysis article = { 'title':'EU's top court rules Germany cankeep VWveto law', 'author':'Michele Sinner', 'timestamp':'Tue Oct 22, 2013 5:16am EDT', 'location':'LUXEMBOURG/FRANKFURT', 'summary':'Germanywonthe right to...' 'content':'The ruling means Germanyavoids fines worth tensof millions of euros...' } The ruling means Germany avoids finesworth tens of millions of euros and leaves the regional state of Lower Saxony, where Volkswagen is headquartered, with the power to blocktakeovers and other key decisions such as factory closures. The Luxembourg-based EU Court of Justice (ECJ) said in a ruling on Tuesday that Germany had complied with a 2007 court ruling ordering it to water downa 1960 law that gave Lower Saxony a de facto golden share in Europe's biggest carmaker. … fines (0.5)block (0.4) closures (0.8)…→ negatív sentiment complied (0.2)water down (0.3)golden share (0.5)biggest (0.8)…→ pozitív sentiment Sentiment_example = Sum(positive) - Sum(negative) → Cikk Pozitív Tulajdonnév felismerés (NamedEntityRecognition) SentimentAnalysis

  36. Tartalom elemzésÁr reakció Hír

  37. SW platform Implementationin Python, MongoDB TÁMOP-4.2.2/B10-1/2010-0009 • Distributeddataaccessto: • Twitter Streaming API: configurablesearchterms • RSS feeds • 250 newsfeeds – US • 100 newsfeed – HU • Distributedpreprocessing – availabletasks: • HTML Normalization (tag stripping, encodingcorrection, etc. ) • Relevantcontentextraction • Tag extractor • RegexpExtractor • Entityresolution • Processexecutionlogging

  38. Results Contentextraction 800k documents / houron 8 nodes TÁMOP-4.2.2/B10-1/2010-0009 HTML Normalization: 250k documents / houron 8 nodes

  39. Projekt publikációk FUTURICT, TÁMOP-4.2.2.C-11/1/KONV, „Pénzügyi Rendszerek” Alprojekt, Szeged, 2013. május 25 2 conference papers (deliverable in the 2nd year) Fulfilled (1): Gábor I. Nagy, Sándor Kazi: Distributed News Analytics Framework for Text Mining, COGINFOCOM 2013,  Workshop on Future Internet Science and Engineering 2 journal articles (deliverable in the 2nd year) Fulfilled (0): Inprogress 2, deliverablein2months. 1 MsC diploma Thesis (fulfilled)

  40. Kockázatfelosztás vizsgálata nem likvid piacokon és rendszerkockázat esetén (Csóka Péter, Havran Dániel, Corvinus Egyetem) • 1) El lehet-e osztani a kockázatot igazságosan • i) nem likvid piacokon (Q3, Q4) • ii) rendszerkockázat esetén (Q5). • 2) A rendszerkockázat elemzése • i) tőkeallokációs módszerekkel (Q5) • ii) szerződéselmélettel, külső vállalatfinanszírozás esetén (Q1, Q2)

  41. Szerződéskötési modellek TÁMOP-4.2.2/B10-1/2010-0009

  42. Q1, Q2: A sajáttőke hányszorosát tudja felvenni a vállalat, ha nincs vevője (k_0), ha a bankkal szimmetrikusan (k_s) vagy aszimmetrikusan informált (k_a) Csóka, P., Havran, D., Szűcs, N. (2013) : Corporate financing under moral hazard and the default risk of buyers. Central European Journal of Operations Research, TÁMOP-4.1.2-08/2/A/KMR-2009-0028

  43. Q3-Q4: Szimulációval beláttuk, hogy a kockázatfelosztás során nem likvid piacokon három igazságossági követelmény (a stabilitás, az egyenlően kezelés és az ösztönzés) egyszerre többnyire nem teljesíthető A fenti táblázatok azt mutatják, hogy milyen gyakran teljesül mindhárom követelmény 3 illetve 4 divízió esetén, a likviditási szükséglet (a) és az expected shortfall szignifikanciaszint (k) függvényében. TÁMOP-4.1.2-08/2/A/KMR-2009-0028

  44. Q5: Tőkeallokáció rendszerkockázat esetén: előkészület, irodalomgyűjtés. TÁMOP-4.1.2-08/2/A/KMR-2009-0028 Áttekintettük a rendszerkockázat irodalmát kooperatív játékelméleti szempontból. A rendszerszinten fontos intézmények azonosításához a tőkekövetelmények teljes és externális hatását is figyelembe fogjuk venni.

  45. Indikátorok eddig TÁMOP-4.1.2-08/2/A/KMR-2009-0028 A hazai és nemzetközi meghatározó szakmai folyóiratokban megjelenésre elfogadott publikációk száma, melyek a projekt alapkutatási eredményeinek felhasználásával, egyértelmű beazonosíthatósággal készülnek: 1 Csóka, P., Havran, D., Szűcs, N. (2013) : Corporate financing under moral hazard and the default risk of buyers. Central European Journal of Operations Research, Hazai és nemzetközi konferenciákon való megjelenés : 2 A projekt alapkutatási területére speciálisan meghirdetett TDK vagy PhD kutatási tématerület száma: 1 Az Ön projektbeli kutatásában közreműködő fiatal kutatók száma, beleértve Önt is, amennyiben fiatal kutatóként vesz részt a kutatásban: 3

  46. Társadalmi hasznosulást bemutató kutatási célok, eredmények • TÁRSADALMI HASZNOSULÁS • Biztonságosabb hitelpolitika • Kiegyenlítő hatások, biztonságos tőzsdei viselkedés • Hangulati elemek kvantifikálása, pánikok megelőzése • Igazságosabb szerződések • Robusztus „kapcsolatok” (gráfok) • ALPROJEKTELEMEK • Fertőződések és csődök vizsgálata • Algoritmikus kereskedés • Hangulatbányászat, szemantikus analízis • Szerződések játékelméleti vizsgálata • Kaszkád- és letörési jelenségek vizsgálata

  47. Alprojektek közötti együttműködések bemutatása SAJÁT ALPROJEKT ELEM • Hangulati és szemantikai adatbányászat • Kaszkád- és letörési jelenségek vizsgálata • Csődök és fertőződések vizsgálata • MÁS ALPROJEKT • Twitter adatfolyam előfeldolgozása, nyilvános adat archívumok alprojekt • Természetesnyelv-feldolgozás alprojekt • Hálózatok szerkezete és dinamikája alprojekt

  48. Adminisztratívmutatók

  49. Köszönöm a figyelmet !

More Related