Вступление 7

1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ И ПОСТАНОВКА ЗАДАЧИ 9

1.1 Актуальность оптимизационного моделирования портфеля ценных бумаг с использованием генетических алгоритмов 9

1.2 Использование генетических алгоритмов в задачах оптимизации портфеля ценных бумаг 14

1.3 Обзор существующих программных продуктов 17

1.3.1 Программная среда Genetic Algorithm and Direct Search Toolbox 1.0.2 17

1.3.2 Программная среда GeneHunter 20

1.3.3 Программная среда TransGA 25

1.4 Постановка задачи на разработку программной системы 28

2 РАЗРАБОТКА МОДЕЛИ И ПРОЕКТИРОВАНИЕ ПРОГРАММНОЙ СИСТЕМЫ 30

2.1 Разработка модели программной системы 30

2.1 Проектирование структуры программной системы 32

2.2 Проектирование UML-Диаграмм работы и взаимодействия блоков программы 33

3 РАЗРАБОТКА ПРОГРАММНОЙ СИСТЕМЫ 37

3.1 Разработка алгоритмов работы программной системы 37

3.2 Разработка интерфейса программы 42

4 РАЗРАБОТКА ПРОГРАММНОЙ СИСТЕМЫ 52

4.1 Обоснование средств реализации 52

4.2 Реализация программного комплекса 56

5 ТЕСТИРОВАНИЕ ПРОГРАММНОЙ СИСТЕМЫ 73

Сегодня банки, брокерские компании, частные инвесторы, интернет-трейдеры активизировали работу в области формирования и управления инвестиционным портфелем. Количество непрофессиональных участников рынка ценных бумаг стремительно растет и у них возникает необходимость использовать профессиональные знания об использовании методов анализа рынка ценных бумаг, которые могли бы помочь ориентироваться в сложных процессах рынка. Данное обстоятельство вызывает необходимость проведения более полного системного анализа портфельных теорий и ставит задачу разработки методического обеспечения процесса управления портфелем ценных бумаг, основанного на стратегии оптимизации портфеля ценных бумаг.

Оптимизационные стратегии основаны на построении экономико-математических моделей портфеля. Выбор наилучшей структуры портфеля осуществляется путем варьирования критериев оптимизации и проведения многовариантных имитационных расчетов. Использование методов оптимизации позволяет определить конфигурацию портфеля, наиболее точно отвечающую индивидуальным требованиям инвестора с точки зрения сбалансированного сочетания риска, доходности и ликвидности вложений. В качестве классических примеров обычно приводятся оптимизационные модели Марковитца, Шарпа, Тобина[6]. Одна из проблем заключается в том, что процесс выбора инвестиционной стратегии далеко не всегда можно адекватно формализовать, иногда более существенное значение имеют не количественные, а качественные показатели. Поэтому в настоящее время помимо традиционных методов оптимизации (например, линейного или динамического программирования) менеджеры и аналитики используют методы, основанные на генетических алгоритмах, нечеткой логике, а также экспертные системы, нейронные сети.

В первом разделе работы сделан анализ предметной области, обзор и сравнительный анализ существующего программного обеспечения в этой сфере. В конце сделана постановка задачи на разработку программного обеспечения для оптимизационного моделирования динамических систем с использованием генетических алгоритмов.

Второй раздел посвящен проектированию структуры системы, UML- диаграмм работы и взаимодействия программной системы.

В третьем разделе выполняется разработка алгоритмов работы системы. Приведена общая структура программы, блок схемы реализации операций. Также здесь детально описывается интерфейс создаваемой программы

В четвертом разделе выполняется реализация программной системы. Сначала выбираются инструменты, с помощью которых будет разрабатываться система, затем описываются разработанные классы и функции в программной системе.

Пятый раздел посвящен тестированию разработанной программной системы. Описаны результаты, которые получились при изменении тех или иных параметров.

Примечаний нет.