WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

‚ ‡‚ ‡ ‰„ ‡ Прогнозирование курсов валют на рынке Forex ‡‚ ‡‚ nscalp@mail.ru Главная задача любого инвестора — купить дешевле и продать вопросом при этом является определение направления, величины дороже. Чем выше изменчивость цен актива, тем больше и волатильности (изменчивости) будущих цен на основе прошлых имеется возможностей для проведения выигрышных стратегий данных. В статье дается пример прогноза курсов валют на торговли, но они сопряжены с высоким риском. Ключевым рынке Forex, полученного с применением нейронных технологий.

Нейронные сети как нейронов таким образом, чтобы умень- линейных явлений и распознавании их инструмент прогнозирования шить функцию ошибки, которая равна хаотического поведения. Благодаря своразности выхода нейросети и требуемого ей гибкости они могут «ухватить» саНачиная с 80-х годов, для решения эко- выходного значения. мые разные структуры в фазовом прономических задач широкое распростра- В общем случае нейронные сети могут странстве. Способность обобщения и нение получили нейронные сети. Ис- решать как задачи классификации (раз- определения скрытых закономерностей пользование нейросетей обусловлено их деления входных примеров на заданное является уникальным свойством нейроспособностью работать с противоречи- число классов), так и задачи аппрокси- сетей и позволяет их использовать в выми и зашумленными данными. мации (предсказания непрерывных трудноформализуемых финансовых заНейросеть представляет собой вычис- функций). Второй класс задач нашел дачах.

лительный алгоритм, функционирую- широкое применение при анализе вре- В настоящее время рынок Forex полущий наподобие мозга, который состоит менных рядов. чил широкое распространение в России.

из простейших вычислительных элемен- Задача анализа временных рядов за- Это обусловлено его высокой ликвидтов — искусственных нейронов. Каждый ключается в том, чтобы извлечь из них ностью и малой стоимостью входа такой элемент вычисляет взвешенную полезную информацию с конечной це- (средний страховой депозит в российсумму своих входов x (с весами w) и про- лью предсказания будущих значений на ском дилинге 1000–2000 USD). Поэтому изводит нелинейное преобразование F. основе предыдущих. Такой подход представляется актуальной задача проТаким образом, выход нейрона вычисля- строится на предположении, что вре- гнозирования курсов валют, торгуемых ется по следующей формуле: менной ряд имеет определенную мате- на рынке Forex. В этой статье дан общий матическую структуру. Эта структура подход и оценка результатов прогнозов существует в так называемом фазовом курсов валют с использованием нейпространстве, координатами которого ронных сетей.

являются независимые переменные, Определение объекта прогноза Основной этап работы с нейросетью - описывающие поведение системы в цеэто ее обучение. На данном этапе опре- лом. Поэтому главная проблема, кото- На рынке Forex можно проводить проделяются веса для каждого нейрона. При рую необходимо решить, — это опреде- гнозирование цен: закрытия (Close), обучении происходит прогон множества ление фазового пространства. Для этого максимальной (High) и минимальной примеров через сеть с коррекцией весов нужно выбрать наиболее важные харак- (Low). Качество получаемого прогноза, нейронов и с указанием значений, кото- теристики системы в качестве фазовых скорее всего, будет различным для кажрые подаются на вход, и значений, кото- переменных (например, индикаторы дой из них. Для подтверждения этого терые должны быть получены на выходе технического анализа). зиса проведем тренировку трех простых нейросети. В процессе обучения проис- Нейронные сети дают дополнитель- нейросетей, выходы которых и спрогноходит подстройка (коррекция) весов ные возможности в моделировании не- зируют эти цены. Внутренний слой каж16 —‚ ‰„ 1 www.m-trading.ru дой обучаемой сети состоит из трех ней- на, и ее решение проводится различны- графическими картами (отсюда и назваронов с нелинейной активационной ми эвристическими алгоритмами. Один ние — карты Кохонена).

(выходной) функцией. из эффективных и малоизвестных в Рос- Такая самоорганизующаяся карта в В качестве временного ряда взят часо- сии методов определения множества процессе обучения проводит группироввой график швейцарского франка входов предполагает использование са- ку входных примеров по группам схо(CHF), для которого и строился прогноз. моорганизующихся карт Кохонена жих, то есть проводит задачу кластеризаДля тренировки было взято 3000 часо- (T. Kohonen). ции многомерных данных. Это позволявых баров. Нейросеть обучалась в тече- Эта парадигма нейронных сетей ис- ет понять внутренние зависимости ние 2000 эпох (проход по множеству пользует обучение «без учителя» и при- временного ряда.

данных), с использованием метода калибровки. Этот метод предполагает разбиение всего множества примеров на обучающее и тестовое, при этом обучение производится на обучающем множестве, а контроль за качеством примеров на тестовом. Использованный метод калибровки является эффективным методом борьбы с переобучением нейросети. Результаты прогнозов изображены на рис. 1.

Из рис. 1 видно, что наиболее эффективным представляется прогнозирование максимальной и минимальной цены бара. Это подтверждается статистическим анализом ряда ошибок, результаты которого приведены в табл. 1.

Наихудшей прогнозируемостью обладают цены закрытия бара (Close). Для сравнения в таблице также приведены –. статистические характеристики прогноза, построенного на повторении своего меняется для визуализации многомер- Основная идея использования карт сопредыдущего значения. Фактически ных данных. Особенностью карты Кохо- стоит в том, чтобы подать на вход некостандартное отклонение для прогноза нена является представление выходного торое множество индикаторов (будущих цены закрытия и прогноза типа «Сегодня как вчера» близки, и из этого можно сделать вывод о плохой прогнозируемости цен закрытия бара.

Цена закрытия почти не прогнозируется. Это можно объяснить тем, что при круглосуточном рынке (Forex работает часа) цены открытия и закрытия бара дают мало информации о динамике рынка.

Они зависят от того, как «нарезаны» бары (что было взято за первую точку). В свою очередь, цена закрытия является последней сделкой на прогнозируемом интервале и поэтому мало зависит от предыдущих значений. Ее не нужно использовать как объект прогнозирования.

Определение состава входов нейросети Самым важным моментом при проектировании нейронной сети является определение состава ее входов (фазовых пе–. ременных), которые наиболее полно описывают поведение системы. При слоя нейронов в виде одномерной или входов нейросети) и обучить карту Коправильно подобранном составе нейро- двумерной сетки нейронов, в которой хонена на них. Далее проводится их висеть будет очень эффективно прогнози- каждый из них имеет свои координаты. зуальный анализ на предмет поиска ровать курсы валют на рынке Forex. Эти координаты используются при обу- скрытых закономерностей, и таким обВ настоящее время задача определения чении карты. Для большей наглядности разом определяется оптимальный состав состава входов математически не реше- сетку раскрашивают по аналогии с топо- входов нейросети.

1 2001 —‚ ‰„ ‚ ‡‚ ‡ ‰„ ‡ На рис. 2 приведен пример карты (раз- не являются исключением, и при их ис- ка прогноза составила очень большую мер 5050 нейронов), которая получена пользовании необходимо помнить об величину. Это обусловлено тем, что нейпри обучении на данных из первого при- ошибках прогноза. росеть при расчете прогноза не знала о “‡·‡ „ —‡‰‡ —‡‰‡‡ ·‡ High 0.0000036174 0.0019019345 0.Low 0.0000049034 0.0022143565 0.Close 0.0000069029 0.0026273376 0.—„‰ ‡ ‚‡ 0.0000071148 0.0026673511 0.мера. Каждый из входов (в нашем случае Все ошибки нейронных сетей при про- начавшейся интервенции. При расчете это индикатор теханализа) имеет свою гнозировании связаны с недостатком ин- на следующие бары нейросеть уже полукарту. Визуальный анализ этих карт дает формации о прогнозируемой системе и чала информацию об интервенции в винам требуемую информацию. событиями, произошедшими внутри де цен за последний бар, и прогнозы быСхожесть начертания карт определяет и ли значительно лучше. Фактически нейсхожесть индикаторов. Такие входы необ- росеть правильно спрогнозировала ходимо очень аккуратно использовать в «переходный» процесс после интервенкачестве входов обычной нейросети. Если ции Европейского банка по евро.

карта имеет равномерную закраску с не- Для уменьшения такого рода ошибок сколькими «выбросами», то такой вход необходимо давать дополнительную индолжен быть предварительно специаль- формацию на вход нейросети о фунданым образом нормирован, чтобы сгла- ментальных событиях, происходящих на дить эти области. Если поверхность карты рынке. Одним из способов для этого явсильно изрезана и является очень нерав- ляется использование технологии Exномерной то, скорее всего, этот вход не pertLine. При ее использовании на вход несет никакой полезной информации и помимо стандартного набора подается надо отказаться от его использования. субъективное мнение трейдера о ситуаДополнительно, карты Кохонена предо- ции на рынке. Использование технолоставляют механизмы для анализа времен- гии ExpertLine позволяет получить очень ных рядов, такие как «поиск соседей» и малые ошибки прогнозов и корректиротраектория движения. К сожалению, рам- вать прогнозы по мере развития ситуаки статьи не позволяют осветить эти ме- ции на рынке.

тоды анализа данных.

Современные прогнозируемого интервала. На рис. Удачи и ошибки финансовые рынки приведена типичная ошибка нейросетенейронных сетей вого прогноза. Характер рынке Forex, как впрочем и люПри использовании любого инструмен- В начале прогнозируемого часа нача- бого другого, связан с его формальными та анализа у пользователя всегда возни- лась интервенция Европейского банка и неформальными установками, а также кает вопрос о возможности его примене- по евро, что привело к сильному измене- сложившейся практикой, предвзятыми ния в конкретной ситуации. Нейросети нию курса швейцарского франка. Ошиб- мнениями, тенденциями и психологическими барьерами. Все это делает возможным существование закономерностей в поведении рыночных цен, и эти закономерности можно предсказать.

Нейронные сети предлагают совершенно новые многообещающие возможности для инвесторов, которым по роду своей деятельности приходится решать задачи в условиях небольших априорных знаний о среде. Характер финансовых рынков драматическим образом меняется с тех пор, как вследствие ослабления контроля, приватизации и появления новых финансовых инструментов национальные рынки слились в общемировые, а в большинстве секторов рынка возросла свобода финансовых операций. Успех на этих рынках будет сопутствовать тем инвесторам, которые идут в ногу со временем и используют в –. своей работе новейшие технологии.

18 —‚ ‰„ 1




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.