1442

Прогнозирование курсов валют на рынке Forex

Научная статья

Финансы и кредитные отношения

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

Русский

2013-01-06

196.69 KB

46 чел.



œÂ‚˚È ÌÂÁ‡‚ËÒËÏ˚È ÊÛ̇ΠӠÚÂȉË̄ ̇ ÛÒÒÍÓÏ ˇÁ˚ÍÂ
Прогнозирование
курсов валют на
рынке Forex

œ‡‚ÂΠœ‡ÌÙËÎÓ‚
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 сво-
разности выхода нейросети и требуемого
ей  гибкости  они  могут  «ухватить»  са-
Начиная  с  80-х  годов,  для  решения  эко-
выходного значения.
мые  разные  структуры  в  фазовом  про-
номических  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 нейро-
способностью  работать  с  противоречи-
число  классов),  так  и  задачи  аппрокси-
сетей  и  позволяет  их  использовать  в
выми и зашумленными данными.
мации  (предсказания  непрерывных
трудноформализуемых финансовых за-
Нейросеть  представляет  собой  вычис-
функций).  Второй  класс  задач  нашел
дачах.
лительный  алгоритм,  функционирую-
широкое  применение  при  анализе  вре-
В настоящее время рынок Forex полу-
щий  наподобие  мозга,  который  состоит
менных рядов.
чил широкое распространение в России.
из простейших вычислительных элемен-
Задача  анализа  временных  рядов  за-
Это  обусловлено  его  высокой  ликвид-
тов — 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  россий-
сумму своих входов (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  про-
Таким 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  ней-
пространстве,  координатами  которого
ронных сетей.
являются  независимые  переменные,
Основной этап работы с нейросетью -
описывающие поведение системы в це-
Определение объекта прогноза
это  ее  обучение.  На  данном  этапе  опре-
лом.  Поэтому  главная  проблема,  кото-
На  рынке  Forex  можно  проводить  про-
деляются 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  каж-
рые подаются на вход, и значений, кото-
переменных  (например,  индикаторы
дой из них. Для подтверждения этого те-
рые  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 спрогно-
ходит  подстройка  (коррекция)  весов
ные возможности в моделировании не-
зируют эти цены. Внутренний слой каж-
16
—Ó‚ÂÏÂÌÌ˚È ÚÂȉËÌ„ n π 1 2001



www.m-trading.ru
дой обучаемой сети состоит из трех ней-
на,  и  ее  решение  проводится  различны-
графическими картами (отсюда и назва-
ронов  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 группиров-
вой  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 кластериза-
Для  тренировки  было  взято  3000  часо-
(T. Kohonen).
ции многомерных данных. Это позволя-
вых 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  ка-
либровки.  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.  Использован-
ный метод калибровки является эффек-
тивным  методом  борьбы  с  переобуче-
нием нейросети. Результаты прогнозов
изображены на рис. 1.
Из  рис.  1  видно,  что  наиболее  эффек-
тивным представляется прогнозирование
максимальной  и  минимальной  цены  ба-
ра.  Это  подтверждается  статистическим
анализом ряда ошибок, результаты кото-
рого приведены в табл. 1.
Наихудшей прогнозируемостью обла-
дают  цены  закрытия  бара  (Close).  Для
сравнения  в  таблице  также  приведены
–ËÒ. 1
статистические  характеристики  прогно-
за,  построенного  на  повторении  своего
меняется  для  визуализации  многомер-
Основная идея использования карт со-
предыдущего  значения.  Фактически
ных данных. Особенностью карты Кохо-
стоит в том, чтобы подать на вход неко-
стандартное  отклонение  для  прогноза
нена  является  представление  выходного
торое множество индикаторов (будущих
цены  закрытия  и  прогноза  типа  «Сего-
дня как вчера» близки, и из этого можно
сделать вывод о плохой прогнозируемо-
сти цен закрытия бара.
Цена закрытия почти не прогнозирует-
ся.  Это  можно  объяснить  тем,  что  при
круглосуточном рынке (Forex работает 24
часа) цены открытия и закрытия бара да-
ют мало информации о динамике рынка.
Они зависят от того, как «нарезаны» бары
(что было взято за первую точку). В свою
очередь,  цена  закрытия  является  послед-
ней сделкой на прогнозируемом интерва-
ле  и  поэтому  мало  зависит  от  предыду-
щих значений. Ее не нужно использовать
как объект прогнозирования.
Определение состава входов
нейросети
Самым важным моментом при проекти-
ровании нейронной сети является опре-
деление  состава  ее  входов  (фазовых  пе-
–ËÒ. 2
ременных),  которые  наиболее  полно
описывают  поведение  системы.  При
слоя  нейронов  в  виде  одномерной  или
входов  нейросети)  и  обучить  карту  Ко-
правильно  подобранном  составе  нейро-
двумерной  сетки  нейронов,  в  которой
хонена  на  них.  Далее  проводится  их  ви-
сеть 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  об-
В 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.
π 1 2001  n
—Ó‚ÂÏÂÌÌ˚È ÚÂȉËÌ„
17


œÂ‚˚È ÌÂÁ‡‚ËÒËÏ˚È ÊÛ̇ΠӠÚÂȉË̄ ̇ ÛÒÒÍÓÏ ˇÁ˚ÍÂ
На рис. 2 приведен пример карты (раз-
не являются исключением, и при их ис-
ка  прогноза  составила  очень  большую
мер  50∗50  нейронов),  которая  получена
пользовании  необходимо  помнить  об
величину. Это обусловлено тем, что ней-
при обучении на данных из первого при-
ошибках прогноза.
росеть  при  расчете  прогноза  не  знала  о
“‡·Îˈ‡ 1
œÓ„ÌÓÁ
ƒËÒÔÂÒˡ
—ڇ̉‡ÚÌÓ ÓÚÍÎÓÌÂÌËÂ
—ڇ̉‡Ú̇ˇ Ó¯Ë·Í‡
High
0.0000036174
0.0019019345
0.0000344386
Low
0.0000049034
0.0022143565
0.0000400957
Close
0.0000069029
0.0026273376
0.0000475736
—Â„Ó‰Ìˇ Í‡Í ‚˜Â‡
0.0000071148
0.0026673511
0.0000482981
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 полу-
карту. Визуальный анализ этих карт дает
формации  о  прогнозируемой  системе  и
чала информацию об интервенции в ви-
нам требуемую информацию.
событиями,  произошедшими  внутри
де цен за последний бар, и прогнозы бы-
Схожесть начертания карт определяет и
ли значительно лучше. Фактически ней-
схожесть индикаторов. Такие входы необ-
росеть  правильно  спрогнозировала
ходимо  очень  аккуратно  использовать  в
«переходный»  процесс  после  интервен-
качестве 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 ин-
должен  быть  предварительно  специаль-
формацию  на  вход  нейросети  о  фунда-
ным  образом  нормирован,  чтобы  сгла-
ментальных событиях, происходящих на
дить эти области. Если поверхность карты
рынке. Одним из способов для этого яв-
сильно  изрезана  и  является  очень  нерав-
ляется  использование  технологии  Ex-
номерной  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  ситуа-
Дополнительно, карты Кохонена предо-
ции  на  рынке.  Использование  техноло-
ставляют механизмы для анализа времен-
гии ExpertLine позволяет получить очень
ных  рядов,  такие  как  «поиск  соседей»  и
малые ошибки прогнозов и корректиро-
траектория движения. К сожалению, рам-
вать  прогнозы  по  мере  развития  ситуа-
ки статьи не позволяют осветить эти ме-
ции на рынке.
тоды анализа данных.
прогнозируемого  интервала.  На  рис.  3
Современные 
Удачи и ошибки 
приведена  типичная  ошибка  нейросете-
финансовые рынки
нейронных сетей
вого прогноза.
Характер рынке Forex, как впрочем и лю-
При  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 психологиче-
скими  барьерами.  Все  это  делает  воз-
можным  существование  закономернос-
тей в поведении рыночных цен, и эти за-
кономерности можно предсказать.
Нейронные  сети  предлагают  совер-
шенно  новые  многообещающие  воз-
можности  для  инвесторов,  которым  по
роду своей деятельности приходится ре-
шать  задачи  в  условиях  небольших  ап-
риорных  знаний  о  среде.  Характер  фи-
нансовых  рынков  драматическим  обра-
зом  меняется  с  тех  пор,  как  вследствие
ослабления  контроля,  приватизации  и
появления  новых  финансовых  инстру-
ментов  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
–ËÒ. 3
своей работе новейшие технологии.       n
18
—Ó‚ÂÏÂÌÌ˚È ÚÂȉËÌ„ n π 1 2001


 

А также другие работы, которые могут Вас заинтересовать

85224. Профориентация выпускников средних школ средствами социально-культурной деятельности 1.25 MB
  В последнее время всё чаще возникает проблема безынициативности и отсутствия мотивации у вступивших во взрослую жизнь индивидов. Это чревато низким качеством труда и производимых благ. Люди всё чаще работают не по своей специальности, не развиваются и зачастую не любят свою работу.
85226. Gроектирование и разработкf информационной системы учёта реализации торгового оборудования 1.69 MB
  Своевременное и правильное оформление документов и контроль за каждой операцией поступления оборудования либо других товаров от поставщиков, из переработки и других источников, выявление расхождения фактического наличия и количества, указанного в сопроводительных документах...
85227. Доказательства в уголовном процессе 103 KB
  Целью дипломной работы -– является изучение доказательств в уголовном процессе доказывание представляет собой наибольшую по объему и важнейшую по значению часть уголовно-процессуальной деятельности задачи в значительной части совпадают с задачами уголовного процесса а цель установление...
85229. Экспериментальная работа по формированию представлений о труде взрослых у детей старшего дошкольного возраста 364 KB
  В новых социальных условиях, связанных с процессами демократизации, гумманизации общественного устройства, произошли изменения в отношении к труду, его социальной значимости, функций в обществе, что не могло не отразиться на процессе трудового воспитания детей.
85230. Таможенно-тарифное регулирование и обеспечение экономической безопасности страны 117.82 KB
  В условиях происходящей интернационализации и глобализации современное экономическое развитие определяется сочетанием двух противоречивых тенденций: подчинения мировой экономики интересам международной финансовой олигархии и транснационального капитала, с одной стороны, и конкуренции национальных экономических...
85231. Эволюция внешней политики Великобритании в середине XX – начале XXI века 104.44 KB
  Великобритания является одним из ведущих акторов международных отношений, а также членом таких влиятельных международных организаций как ООН, ОБСЕ, совет Европы, ЕС, Содружества Наций. Внешнеполитический курс Великобритании не был однороден на протяжении второй половины XX начала XX века.