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

48 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

20601. Оценка качества передачи речевых сигналов 75.5 KB
  Обычно к параметрическим вокодерным относят системы требующие скорости передачи меньшие 16 кбит с. Обычно для обеспечения меньшей скорости передачи требуется применение более сложных алгоритмов т.1 Метод кодирования Скорость передачи кбит с Стандарт Современные приложения ИКМ 64 МСЭТ G.
20602. Модемы систем подвижной связи 649.5 KB
  Однако объем передачи данных по таким сетям имеет тенденцию к быстрому увеличению.3 DQPSK n 4 Требуемое отношения сигнал шум дБ 9 16 Скорость преобразования речи Кбит с 13 65 8 Алгоритм преобразования речи RPE LTP VSELP Типовой радиус соты км 0535 0520 Технологическое преимущество цифровой сотовой связи позволяет увеличивать емкость сетей снижать стоимость и повышать надежность передачи данных. К таким решениям можно отнести: построение сетей GSM на принципах модели открытых систем и интеллектуальных сетей; применение эффективных...
20603. Понятие о защите информации от несанкционированного доступа 109 KB
  Говорить о безопасности сотовой связи в общем нельзя. Если бы не было необходимости в идентификации то он получил бы вместе с аппаратом и доступ к счету жертвы у оператора связи. Принцип работы A3 известен только операторам связи а также разработчикам и производителям всевозможного сотового оборудования. Шифрование данных У любого стандарта сотовой связи есть один большой недостаток.
20604. Перспективы развития СПРС и ПСС – переход к системам 3-го поколения 236.5 KB
  Перспективы развития СПРС и ПСС переход к системам 3го поколения Прошло немногим более двух десятилетий с момента появления первых мобильных телефонов но мобильная связь уже подверглась существенным изменениям. Cистемы первого поколения основанные на аналоговом принципе использовались исключительно для телефонной связи и лишь впоследствии обзавелись некоторыми базовыми сервисами. Cистемы второго поколения включая стандарт GSM предоставляют улучшенное качество передачи и защиту сигнала дополнительные сервисы низкоскоростную...
20605. Принципы функционирования систем сотовой связи 490 KB
  Свое название они получили в соответствии с сотовым принципом организации связи согласно которому зона обслуживания территория города или региона делится на ячейки соты. Эти системы подвижной связи появившиеся сравнительно недавно являются принципиально новым видом систем связи так как они построены в соответствии с сотовым: принципом распределения частот по территории обслуживания территориальночастотное планирование и предназначены для обеспечения радиосвязью большого числа подвижных абонентов с выходом в телефонную сеть общего...
20606. Абонентские терминалы СПРС и ПСС 360.5 KB
  В верхней части аппарата обычно располагаются световой индикатор светодиод отображающий режим работы режим ожидания вызов включено и источник звукового сигнала звонок. При получении вызова о чем абонент оповещается звуковым сигналом звонком он манипулирует теми же клавишами. Во всех аппаратах на дисплее отображаются уровень принимаемого сигнала и степень разряда аккумуляторной батареи в большинстве из них имеется подсветка дисплея и клавиатуры. К стационарному аппарату обычно бывает возможно подключить телефонный аппарат...
20607. Методы формирования речевых сигналов в слуховой системе 103 KB
  В некоторых восточных языках например в китайском изменение частоты основного тона важный информативный параметр речи. Звуки речи в которых присутствует основной тон называются вокализованными. Темп характеризует скорость речи количество слов произнесённых в определённый временной промежуток. Темп речи в норме по своим временным и пространственным характеристикам соответствует органическим темповым и ритмическим параметрам присущим речевому и зрительному потоку информации человека.
20608. Слуховое восприятие речевых сигналов и оценка качества их звучания 335.5 KB
  Как правило слуховое восприятие речи у пожилых людей нарушается в большей степени чем чистых тонов. Среди существующих методов не утратили своего значения камертональные опыты или пробы и установление восприятия разговорной и шепотной речи. Наиболее распространенными способами оценки слуха в диагностики тугоухости являются измерение порогов слышимости чистых тонов и разборчивость записанной на ленте магнитофона и воспроизводимой через аудиометр речи определенной интенсивности см. являются гиперакузия заключающаяся в повышенной...
20609. Простой генератор кода 37 KB
  Данные вычисленные результаты находятся в регистрах как можно дальше и перенос их в память осуществляется только при необходимости использовать этот регистр. a:= bc b в регистр Ri c в регистр Rj. 2 b в регистр Ri c в памяти ADD Ri с.