Вычислительные финансы: история, методы и применение
Computational finance
Компьютерные финансы: применение компьютерных методов для решения финансовых задач. Моделирование, вычисление стоимости активов, анализ данных и алгоритмов.
Сравнивайте с английским: нажмите на абзац — оригинал откроется в окне. Кнопка EN под абзацем показывает его прямо в тексте.
Введение
Вычислительное финансирование — это область прикладной информатики, занимающаяся решением практических задач в финансах. Некоторые определения рассматривают его как изучение данных и алгоритмов, используемых в финансовой сфере, а также математические основы компьютерных программ, реализующих финансовые модели и системы. Вычислительное финансирование делает акцент на практических численных методах, а не на математических доказательствах, и сосредотачивается на техниках, непосредственно применимых к экономическому анализу. Это междисциплинарная область, находящаяся на стыке математических финансов и численных методов. Две основные области исследований — эффективное и точное вычисление справедливой стоимости финансовых инструментов и моделирование стохастических временных рядов.
Computational finance is a branch of applied computer science that deals with problems of practical interest in finance. Some slightly different definitions are the study of data and algorithms currently used in finance and the mathematics of computer programs that realize financial models or systems. Computational finance emphasizes practical numerical methods rather than mathematical proofs and focuses on techniques that apply directly to economic analyses. It is an interdisciplinary field between mathematical finance and numerical methods. Two major areas are efficient and accurate computation of fair values of financial securities and the modeling of stochastic time series.
История
Рождение вычислительных финансов как дисциплины можно проследить до Гарри Марковица начала 1950-х годов. Марковиц сформулировал проблему выбора портфеля как задачу оптимизации по среднему и отклонению. Для этого требовалась вычислительная мощность, превышающая доступную в то время, поэтому он разрабатывал эффективные алгоритмы для получения приближенных решений. Математические финансы возникли из той же идеи, но развивались, делая упрощающие предположения для выражения зависимостей в простых аналитических формах, не требующих сложных вычислений. В 1960-х годах управляющие хедж-фондов, такие как Эд Торп и Майкл Гудкин (в сотрудничестве с Гарри Марковицем, Полом Сэмюэльсоном и Робертом С. Мертоном), стали пионерами в использовании компьютеров для арбитражных операций. В академической среде сложная компьютерная обработка была необходима исследователям, таким как Юджин Фама, для анализа больших объемов финансовых данных в подтверждение гипотезы эффективного рынка. В конце 1970-х и начале 1980-х годов на Уолл-стрит появилась группа молодых специалистов по количественным методам, получивших прозвище "ракетные ученые", и они принесли с собой персональные компьютеры. Это привело к резкому увеличению как количества, так и разнообразия приложений вычислительных финансов. Многие новые методы были заимствованы из области обработки сигналов и распознавания речи, а не из традиционных областей вычислительной экономики, таких как оптимизация и анализ временных рядов. Это привело ко второму значительному расширению спектра вычислительных методов, используемых в финансах, а также к переходу от персональных компьютеров к мэйнфреймам и суперкомпьютерам. За последние 20 лет область вычислительных финансов распространилась практически на все сферы финансов, и спрос на специалистов в этой области резко возрос. Более того, появилось множество специализированных компаний, предлагающих программное обеспечение и услуги в области вычислительных финансов.
The birth of computational finance as a discipline can be traced to Harry Markowitz in the early 1950s. Markowitz conceived of the portfolio selection problem as an exercise in mean variance optimization. This required more computer power than was available at the time, so he worked on useful algorithms for approximate solutions. Mathematical finance began with the same insight, but diverged by making simplifying assumptions to express relations in simple closed forms that did not require sophisticated computer science to evaluate. In the 1960s, hedge fund managers such as Ed Thorp and Michael Goodkin (working with Harry Markowitz, Paul Samuelson and Robert C. Merton) pioneered the use of computers in arbitrage trading. In academics, sophisticated computer processing was needed by researchers such as Eugene Fama in order to analyze large amounts of financial data in support of the efficient market hypothesis. In the late 1970s and early 1980s, a group of young quantitative practitioners who became known as "rocket scientists" arrived on Wall Street and brought along personal computers. This led to an explosion of both the amount and variety of computational finance applications. Many of the new techniques came from signal processing and speech recognition rather than traditional fields of computational economics like optimization and time series analysis. This led to a second major extension of the range of computational methods used in finance, also a move away from personal computers to mainframes and supercomputers. Over the last 20 years, the field of computational finance has expanded into virtually every area of finance, and the demand for practitioners has grown dramatically. Moreover, many specialized companies have grown up to supply computational finance software and services.