Прогнозировать падения фондового рынка заранее — задача, над которой работают аналитики по всему миру. В России предложили алгоритм, способный за 1–2 дня предупредить о вероятном кризисе с высокой точностью.

Сотрудники Центра финансовых исследований и анализа данных факультета экономических наук ВШЭ разработали гибридную нейросетевую модель, совмещающую Temporal Convolutional Network (TCN), Long Short-Term Memory (LSTM) и механизм Attention. Это первый опыт применения столь сложной архитектуры к российским биржевым данным.

В исследовании использовалась информация за 2014–2024 годы: индекс Мосбиржи IMOEX, макроэкономические показатели, а также составные индексы внутреннего и внешнего инвестиционного настроения. Последние разработали с помощью метода главных компонент, чтобы зафиксировать эмоциональные сигналы участников торгов, которые традиционные модели часто упускают.

Одной из главных трудностей стало то, что кризисные периоды составляют лишь до четверти всех наблюдений, из-за чего модель могла игнорировать редкие сигналы. Для решения этой проблемы авторы применили подходы, позволяющие уравновесить обучающую выборку, а также адаптивные временные окна и повторное обучение.

Точность прогноза достигла 78,7% в день события и 78,85% на следующий торговый день. При регулярном обновлении данных показатель вырос до 83,87%. Наибольшее влияние на результат оказывали биржевые индикаторы, капитализация компаний-эмитентов и валютные курсы.

Разработанная система ориентирована на инвесторов, аналитиков и регуляторов. Она не только анализирует прошлые колебания рынка, но и выявляет риски на горизонте до двух дней, что дает участникам торгов время на корректировку стратегии.