Головне завдання будь-якого інвестора - купити дешевше й продати дорожче. Чим вище мінливість цін активу, тим більше є можливостей для проведення виграшних стратегій торгівлі, але вони сполучені з високим ризиком. Ключовим питанням при цьому є визначення напрямку, величини й волатильности (мінливості) майбутніх цін на основі минулих даних. У статті дається приклад прогнозу курсів валют на ринку Forex, отриманого із застосуванням нейронних технологій.
Нейронні мережі як інструмент прогнозування
Починаючи з 80-х років, для рішення економічних завдань широке поширення одержали нейронні мережі. Використання нейромереж обумовлене їхньою здатністю працювати із суперечливими й зашумленными даними. Нейромережа являє собою обчислювальний алгоритм, що функціонує на зразок мозку, що складається з найпростіших обчислювальних елементів - штучних нейронів. Кожен такий елемент обчислює зважену суму своїх входів x (з вагами w) і робить нелінійне перетворення F. Таким чином, вихід нейрона обчислюється по наступній формулі:
Основний етап роботи з нейромережою - це її навчання. На даному етапі визначаються ваги для кожного нейрона. При навчанні відбувається прогін безлічі прикладів через мережу з корекцією ваг нейронів і із вказівкою значень, які подаються на вхід, і значень, які повинні бути отримані на виході нейромережі. У процесі навчання відбувається підстроювання (корекція) ваг нейронів таким чином, щоб зменшити функцію помилки, що дорівнює різниці виходу нейросети й необхідного вихідного значення. У загальному випадку нейронні мережі можуть вирішувати як завдання класифікації (поділу вхідних прикладів на задане число класів), так і завдання апроксимації (пророкування безперервних функцій). Другий клас завдань знайшов широке застосування при аналізі тимчасових рядів. Завдання аналізу тимчасових рядів полягає в тім, щоб витягти з них корисну інформацію з кінцевою метою пророкування майбутніх значень на основі попередніх. Такий підхід будується на припущенні, що часовий ряд має певну математичну структуру. Ця структура існує в так називаному фазовому просторі, координатами якого є незалежні змінні, що описують поводження системи в цілому. Тому головна проблема, яку необхідно вирішити, - це визначення фазового простору. Для цього потрібно вибрати найбільш важливі характеристики системи в якості фазових змінних (наприклад, індикатори технічного аналізу).
Нейронні мережі дають додаткові можливості в моделюванні нелінійних явищ і розпізнаванні їхнього хаотичного поводження. Завдяки своїй гнучкості вони можуть "схопити" самі різні структури у фазовому просторі. Здатність узагальнення й визначення схованих закономірностей є унікальною властивістю нейромереж і дозволяє їх використати в трудноформализуемых фінансових завданнях. У цей час ринок Forex одержав широке поширення в Росії. Це обумовлено його високою ліквідністю й малою вартістю входу (середній страховий депозит у російському дилинге 1000-2000 USD). Тому представляється актуальної завдання прогнозування курсів валют, торгуемых на ринку Forex. У цій статті дані загальний підхід й оцінка результатів прогнозів курсів валют з використанням нейронних мереж.
|