Прогнозирование финансовых рынков с использованием искусственных нейросетей

       

Использование систем с искусственной «памятью» для решения задач прогнозирования


Люди, использующие в своей повседневной работе технический анализ, приняли за аксиому утверждение о том, что история на рынке повторяется, что финансовые рынки поддаются прогнозированию. Это утверждение, однако, оспаривается приверженцами теории "Случайности цен", которая утверждает, что картина цен на биржевых и финансовых рынках - произвольные хаотичные изменения. Естественно, в действиях "биржевой" толпы - как всякого столпотворения - немало случайного. Однако наблюдатель может выявить повторяющиеся модели поведения толпы и на их основе сделать ставку на сохранение или на разворот тенденции. Человеку дана память. В памяти трейдеров - прежние курсы валют, и это влияет на их сегодняшние решения о купле и продаже. Благодаря памяти существуют явления поддержки (support) - пола цен - и сопротивления (resistance), или их потолка. Однако теоретики "случайности цен" упускают из виду тот факт, что память о прошлом влияет на поведение человека в настоящем.

В ценах заложена информация о спросе и предложении. Участники финансовых рынков используют эту информацию для принятия решений о купле и продаже. Обычные люди приобретают больше товара на распродаже и меньше, когда цены на него высоки. На финансовом рынке игроки не уступают им в практичности. Каждая цена - это сиюминутное соглашение о ценности достигнутое всеми участниками рынка, каждая цена отражает действия или их отсутствие - всех участников рынка. Таким образом, график можно представить как глазок в психологическое нутро толпы. Анализ графиков - анализ поведения участников рынка.

Специалисты по графикам изучают поведение рынка, пытаясь выявить текущие модели цен (price patterns - ценовые шаблоны, образы). В соответс­твии с аксиомой о "повторении истории на рынке" их цель - найти выигрыш­ный вариант при повторении данных моделей. На обучение "качественному" выявлению моделей на графиках у трейдера может уйти от нескольких месяцев до нескольких лет практической и теоретической работы.


Если предположить, что история на рынке повторяется, следовательно, имеет смысл разработать систему, способную «запоминать» прошлые рыночные ситуации и соответствующие им последствия (т.е. их продолжения) с целью последующего сопоставления со складывающимися на рынке ситуациями. Каким образом такую систему можно реализовать? Простейшим решением такой задачи будет база данных, в которую можно записывать закодированные определенным образом рыночные ситуации. Для составления прогноза необходимо было бы просматривать все записи, которых для достижения прогноза необходимой точности должно быть огромное количество. Данная идея по причинам сложности доступа к данным, сложности критериев сопоставления информации и проч. представляется не конструктивной.

Способность к "запоминанию" свойственна системам реализующим нейросетевые принципы обработки данных. Известно, что прогнозирующую систему на базе искусственных нейронных сетей (ИНС) можно обучать довольно большим объемам информации, в которой система может выявлять зависимости, не поддающиеся обнаружению при использовании других методов обработки информации.

Идея ИНС развивается уже около полувека. Сегодня, по этому направлению, накоплена большая теоретическая база. На практике, прогнозирующие системы, базирующиеся на нейросетевых технологиях, внедряются все большими темпами (по большей части в США).


Содержание раздела