Fintech je primenjen u mnogim oblastima finansija, poput:
1) plaćanja;
2) depozita i pozajmljivanja;
3) Insurtech-a;
4) ostale finansijske usluge, kao što su prikupljanje kapitala, upravljanje investicijama i obezbeđenje tržišta, nove finansijske usluge podržane savremenim tehnologijama (npr. aplikacije robo-savetnici i upravljanje bogatstvom, investicije, kripto aplikacije, digitalni tokeni, itd.).
Fintech omogućava različite oblike finansijskog posredovanja i pomaže drugim stejkholderima da donesu bolje finansijske odluke, koje će poboljšati njihovo bogatstvo i zadovoljstvo. U skladu sa definicijom fintech-a, nove tehnologije kao što su mašinsko učenje/veštačka inteligencija, analitika prediktivnog ponašanja i marketing zasnovan na podacima, ukloniće nagađanja i navike iz finansijskih odluka. Sprovedeno istraživanje testira postojeće modele za predviđanje cene akcija na srpskom tržištu kapitala i trebalo bi da doprinese daljem razvoju domaćeg finansijskog tržišta.
Članak[1] prikazuje deo rezultata projekta ORCA-LAB, podržanog od strane Fonda za nauku (Program Ideje 2022-2024 projekat br. 7750121). Cilj projekta je dizajn računarske arhitekture bazirane na optičkim rezervoarima (ORCA – Optical Reservoir Computer Architectures) korišćenjem stvarnih podataka. Kako je implementacija neuronske mreže u fotonskim uređajima van okvira ovog rada, navedene su dve osnovne karakteristike optičkih neuronskih mreža - brzina i veoma mala potrošnja energije, radi demonstracije njihovog budućeg računskog značaja. Da bi se testiranje izvršilo na stvarnim podacima, kreiran je finansijski skup podataka za Beogradsku berzu (BELEX)/za period 2010-2022/, koji je jedan od doprinosa projekta ORCA-LAB, upotpunjen rezultatima dobijenim korišćenjem standardnih modela mašinskog učenja kao referentnim algoritmima. Ti rezultati predstavljaju polaznu tačku za buduća istraživanja i osnovu za testiranje ORCA modela.
Finansijski set podataka podrazumeva: finansijske izveštaje preduzeća u privatnom vlasništvu čijim se akcijama trguje na BELEX-u, fundamentalnu i tehničku analizu za procenu akcija, podatke koji se odnose na akcije kao što su cena i obim trgovanja, berzanski indeksi, zatim, makroekonomski pokazatelji Republike Srbije (kao što su bruto domaći proizvod, inflacija, nezaposlenost i dr.). Na osnovu prikupljenih podataka, predložen je model za predviđanje cene akcija koje su predmet trgovanja, a zatim je izvršena obuka i testiranje predloženog modela.
Nakon prikupljanja podataka:
1) odlučeno je da se za obuku koristi period 2012-2019, a za testiranje 2020. godina;
2) konstatovano je da postoje 24 kompanije (30 uključujući različite finansijske posrednike koji imaju specifične standarde izveštavanja) za koje postoje svi potrebni podaci za poređenje u definisanom vremenskom periodu, posebno u pogledu kontinuiteta u trgovanju akcijama;
3) tehnički indikatori koji su uzeti u obzir su:
a) prosečna stopa promene (AVG) –AVG mesečna cena u odnosu na prethodnu),
b) pokretni prosek (SMA) – na 50 (SMA 50) i 10 dana (SMA10),
c) Bolingerove trake (BB; BBLOV – označava donju, i BBUP – označava gornju traku) – na 50 i 10 dana.
Na osnovu postojećih podataka izračunata je ukupna vrednost trgovanja (TVT).
Ciljana vrednost je prosečna mesečna promena cene u januaru naredne godine, zbog činjenice da:
1) u Republici Srbiji obično prvih sedam dana januara nisu radni dani, a u praksi veći broj proizvodnih preduzeća obično ne radi do 14. januara, te mnoge kompanije odlučuju da ulože raspoloživi novac u kratkoročne investicione alternative na dan 31. decembar sa rokom dospeća u prvoj polovini januara;
2) trenutno prikupljeni i pripremljeni podaci postavljeni su za januar pošto prethodno sprovedena istraživanja potvrđuju je da je sa 80% poverenja moguće predviđanje cene akcija u januaru.
Formirana baza podataka se sastoje od 4 skupa informacija (u daljem tekstu skup podataka), koji se mogu podeliti u dve grupe u smislu:
1) Primenjeni uporedivi standardi finansijskog izveštavanja:
a) preduzeća u realnom sektoru (24) sa stavkama iz finansijskih izveštaja, izračunatim relevantnim pokazateljima performansi i tržišne vrednosti, veličinom preduzeća, brojem zaposlenih, makroekonomskim pokazateljima, izračunati pomenuti tehnički indikatori i njihova deskriptivna statistika;
b) Dodatno uključeni finansijski posrednici (ukupno 30) uključujući makroekonomske indikatore i izračunate pomenute tehničke indikatore i njihove komponente.
2) Period analize koji obuhvata:
a) poslednji kvartal godine (Q4),
b) celu /jednu/ godinu, u smislu izračunate promene prosečne cene između dva meseca.
Pošto je sprovedena studija početna ima i za cilj da uspostavi osnovne rezultate za buduća istraživanja korišćenja novijih ili složenijih modela mašinskog učenja za predviđanje cene akcija, ona uključuje tri standardna algoritma i laka za implementaciju:
- linearnu regresiju (LR),
- regresiju vektorom podrške (SVR – Support Vector Regression)
- neuralne mreže osnovne arhitekture (MLP – Multilayer Perceptron).
Kao metrika za poređenje korišćena je srednje kvadratna greška (RMSE – Root Mean Error Square), jedan od najčešćih indikatora performansi za regresioni model. Takođe, u dobijenim podacima, vrednost nula je više puta prisutna kao ciljna vrednost, što znači da će cena biti ista 31. decembra i 14. januara sledeće godine. Kada je ciljna vrednost nula, nemoguće je izračunati relativnu grešku. Pošto dobijeni skup podataka sadrži veliki broj indikatora i za robusno predviđanje i sprečavanje prekomernog uklapanja u cilju poboljšanja tačnosti, potrebno je smanjenje broja parametara kao prvi korak pre treninga algoritma. U tu svrhu korišćen je algoritam za smanjenje dimenzija eliminacijom unazad (Backward elimination). Sav kod je napisan korišćenjem Python programskog jezika.
Zaključak
Istraživanje je pokazalo da standardni alati za mašinsko učenje mogu da obezbede prognozu cena akcija sa RMSE od 0,043% u najboljem slučaju. Rezultat se mora uzeti sa oprezom, jer mali skup podataka može biti nedovoljan za obuku modela. Takođe, sa razvojem Beogradske berze, očekuje se da će na cenu akcija manje uticati neki “spoljašnji” faktori, koji se mogu podvesti pod preference i očekivanja investitora. Dalje, za donošenje odluke o investiranju, u slučaju razmatrane 24 kompanije, sve važnije postaju finansijske karakteristike, kao što su dugoročna i kratkoročna finansijska ulaganja, te uplaćene i primljene akontacije. Zatim, varijacije u rezultatima pokazuju da je ovo mali skup podataka koji nije dovoljan za tačno predviđanje cena akcija, pre svega, za nerazvijena tržišta akcija, kao što je domaće.
Navedeno nameće i dodatni zaključak, da je za dalji razvoj domaćeg tržišta kapitala potrebno da bude podržan efektivnim i efikasnim administrativnim procedurama u cilju ubrzavanja procesa emitovanja hartija od vrednosti, kako bi se povećao obim trgovanja. Takođe, preporučuje se sprovođenje permanentne finansijske edukacije sveukupne populacije stanovništva. Deljenje dobre poslovne prakse je od izuzetog značaja u cilju privlačenja novih investitora na srpsko tržište akcija.
Kompanije čijim se akcijama trguje na berzi, a koje su bile predmet analize: Aerodrom Nikola Tesla a.d. Beograd, Auto kuća 21.maj a.d. Beograd, AMS osiguranje a.d. Beograd, Autoventil a.d. Užice, Dunav osiguranje a.d. Beograd, Energoprojekt holding a.d. Beograd, Fintel energija a.d. Beograd, Goša FOM a.d. Smederevska Palanka, Impol Seval a.d. Sevojno, Informatika a.d. Beograd, Intel a.d. Beograd, Jedinstvo a.d. Sevojno, Jugoprevoz Kruševac a.d. Kruševac, Alta banka a.d. Beograd, NLB Komercijalna banka a.d. Beograd, Kopaonik a.d. Beograd, Lasta a.d. Beograd, Metalac a.d. Gornji Milanovac, Naftna industrija Srbije (NIS) a.d. Novi Sad, Novosadski sajam a.d. Novi Sad, Preduzeće za puteve a.d. Valjevo, Putevi a.d. Užice, Min Div Svrljig a.d. Svrljig, Messer Tehnogas a.d. Beograd, Tehnohemija a.d. Beograd, Tigar a.d. Pirot, Termovent SC Livnica čelika a.d. Bačka Topola, Termika Beograd a.d. Beograd, Voda Vrnjci a.d. Vrnjačka Banja, Žitopek a.d. Niš.
[1] Kompletno istraživanje je dostupno na sajtu: https://portal.finiz.singidunum.ac.rs/paper/42651
Autor: Prof. dr Lidija Barjaktarović, dekan Poslovnog fakulteta, Univerziteta Singidunum u Beogradu
