86264

ПРОГНОЗИРОВАНИЕ КУРСА ЕВРО С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТИ

Курсовая

Информатика, кибернетика и программирование

Искусственный интеллект –- это раздел информатики посвященный моделированию интеллектуальной деятельности человека. Нейронные сети дают дополнительные возможности в моделировании нелинейных явлений и распознавании их хаотического поведения.

Русский

2015-04-05

227 KB

8 чел.

Федеральное агентство по образованию

Государственное образовательное учреждение высшего профессионального образования

«Российский государственный университет туризма и сервиса»

КУРСОВАЯ РАБОТА

ПРОГНОЗИРОВАНИЕ КУРСА ЕВРО

С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТИ

Выполнил: студент КО 28.003\05 к.

Чумаков А. А..

Проверил:

Ясницкий Л.Н.

Пермь 2008
Содержание

[1] Глава 1. Теоретические основы валютного курса

[1.1] 1.1. Сущность и основа валютного курса

[1.2] Факторы, влияющие на валютный курс

[1.3] Прогнозирование движения валютных курсов

[1.3.1] Искусственная нейронная сеть

[1.4] 3.1. Проектирование нейросети


Введение

«Искусственный интеллект – это раздел информатики, посвященный моделированию интеллектуальной деятельности человека. Сегодня - это обширная область исследований и разработок интеллектуальных систем, предназначенных для работ в трудно формализуемых областях деятельности человека.  Для задач, решаемых методом искусственного интеллекта, характерно наличие большого числа степеней свободы с числом вариантов поиска решений, приближающимся к бесконечности. В отличие от жестко детерминированных компьютерных программ системы искусственного интеллекта сами ищут пути решения поставленной задачи. При этом они могут менять свои параметры и структуру, совершенствоваться и развиваться, жить не зависящей от воли разработчика жизнью».

Нейронные сети дают дополнительные возможности в моделировании нелинейных явлений и распознавании их хаотического поведения. Благодаря своей гибкости они могут «ухватить» самые разные структуры. Способность обобщения и определения скрытых закономерностей является уникальным свойством нейросетей и позволяет их использовать в трудноформализуемых финансовых задачах. Поэтому представляется актуальной задача прогнозирования курсов валют с использованием нейронных сетей.

Целью данной курсовой работы является выявление зависимости курса евро от различных параметров.

Основными задачами настоящей курсовой работы являются:

Изучение факторов, влияющих на валютный курс;

Изучение принципов работы нейросети с использованием программы «Нейросимулятор»;

Создание оптимально работающей нейросети для прогнозирования курсов евро.

Объектом изучения является изменение курса евро.

Предметом изучения выступает обученная нейронная сеть. В процессе написания данной курсовой работы были использованы учебные пособия по искусственному интеллекту, открытые публикации с различных Интернет – сайтов и другие источники.

Глава 1. Теоретические основы валютного курса

1.1. Сущность и основа валютного курса

Международные экономические операции связаны с обменом национальных валют. Этот обмен происходит по определенному соотношению.

Соотношение между денежными единицами разных стран, т.е. цена денежной единицы одной страны, выраженная в денежной единице другой страны (или в международной денежной единице), называется валютным курсом.

Валютный курс – это не технический коэффициент пересчета, а «цена» денежной единицы данной страны, выраженная в иностранной валюте или международных валютных единицах (ЭКЮ, СДР).

Валютный курс необходим для международных валютных, расчетных, кредитно-финансовых операций. Например, экспортер обменивает вырученную иностранную валюту на национальную, так как в нормальных условиях валюты других стран не обращаются в качестве денежного средства на территории данного государства. Импортер приобретает иностранную валюту для оплаты купленных за рубежом товаров.

Стоимостной основой валютного курса служит паритет покупательной способности (ППС), т.е. соотношение валют по их покупательной способности. Покупательная способность выражает средние национальные уровни цен на товары, услуги, инвестиции.

При свободном размене банкнот на золото и свободе золотого обращения между странами валютный курс незначительно отклоняется от ППС вследствие действия механизма золотых точек. Механизм золотых точек – пределы отклонения валютного курса от монетарного паритета (обычно не более 1 %): нижний (при достижении которого начинается отток золота из страны) и верхний (начинается его приток). Монетарный паритет – соотношение весового содержания золота в денежных единицах (монетах) различных стран.

В условиях бумажно-денежного обращения валютные курсы могут существенно отклоняться от ППС. Для промышленно развитых стран это отклонение составляет, по последним подсчетам, до 40 %. Во многих развивающихся странах и странах с переходной экономикой курс национальной валюты в 2- 4 раза ниже паритета.

Отклонение валютного курса от ППС происходит под влиянием спроса и предложения на валюту, которые в свою очередь зависят от различных факторов.

Валютные курсы публикуются в прессе. Обычно в текущей информации содержатся котировки за два предшествующих дня и краткосрочные прогнозы.

     

Факторы, влияющие на валютный курс

Следует различать конъюнктурные и структурные (долгосрочные) изменения, влияющие на валютный курс.

К конъюнктурным факторам, влияющим на валютный курс, относятся:

Состояние экономики:

темп инфляции;

уровень процентных ставок;

деятельность валютных рынков;

валютная спекуляция;

валютная политика;

состояние платежного баланса;

степень использования национальной валюты в международных расчетах;

ускорение или задержка международных расчетов.

Политическая обстановка в стране (политический фактор).

Степень доверия к национальной валюте на национальном и мировом рынках (психологический фактор) [2].

Конъюнктурные факторы связаны с колебаниями деловой активности, политической и военно-политической обстановкой, со слухами (порою ажиотажными), догадками и прогнозами. Обменный курс зависит от того, насколько пессимистично или оптимистично настроено общество в отношении правительственной политики [1].

Чем выше темп инфляции (рост цен) в стране по сравнению с другими государствами, тем ниже курс ее валюты, если не противодействуют иные факторы. Инфляционное обесценение денег в стране вызывает снижение их покупательной способности и тенденцию к падению их валютного курса.

На валютный курс влияет степень использования валюты на мировых рынках. В частности, преимущественное использование доллара США в международных расчетах и на международном рынке капиталов вызывает постоянный спрос на него и поддерживает его курс даже в условиях падения его покупательской способности или пассивного сальдо платежного баланса США.

Повышение процентных ставок по депозитам и (или) доходности ценных бумаг в какой-либо валюте вызовет рост спроса на эту валюту и приведет к ее удорожанию. Относительно более высоки процентные ставки и доходность ценных бумаг в данной стране (при отсутствии ограничений на движение капитала) приведут, во-первых, к притоку в эту страну иностранного капитала и соответственно – к увеличению предложения иностранной валюты, ее удешевлению и удорожанию национальной валюты. Во-вторых, приносящие более высокий доход депозиты и ценные бумаги в национальной валюте будут содействовать переливу национальных денежных средств с валютного рынка, уменьшению спроса на иностранную валюту, понижению курса иностранной и повышению курса национальной валюты.

При активном платежном балансе страны растет спрос на ее валюту со стороны иностранных должников, ее курс может повыситься.

Важное экономическое значение валютного курса предопределяет необходимость его государственного регулирования [3].

Наряду с конъюнктурными факторами, влияние которых предусмотреть трудно, на спрос и предложение валюты, т.е. на динамику ее курса, воздействуют и относительно долговременные тенденции, определяющие положение той или иной национальной денежной единицы в валютной иерархии (структурные факторы).

К структурным факторам относятся:

Конкурентоспособность товаров на мировых рынках и ее изменения. Они обусловлены, в конечном счете технологическими детерминантами. Форсированный экспорт стимулирует приток иностранной валюты.

Рост национального дохода обуславливает повышенный спрос на иностранную продукцию, между тем как товарный импорт может увеличить отток иностранной валюты.

Последовательное повышение внутренних цен по сравнению с ценами на рынках партнеров усиливает стремление закупать более дешевые иностранные товары, между тем как склонность иностранцев к приобретению товаров или услуг, становящихся все более дорогими, улетучивается. В результате понижается предложение иностранной валюты и происходит обесценение отечественной.

При прочих равных условиях, повышение процентных ставок является фактором привлечения иностранного капитала и, соответственно, иностранной валюты, а также может вести к удорожанию отечественной. Но повышение процентных ставок имеет, как известно, и теневую сторону: оно удорожает кредит и угнетающе воздействует на инвестиционную деятельность внутри страны.

Степень развития рынка ценных бумаг (облигаций, кредитных векселей, акций и пр.), составляющие здоровую конкуренцию валютному рынку. Фондовый рынок может привлекать иностранную валюту непосредственно, но также притягивать национальные денежные средства, которые в противном случае использовались бы на покупку иностранной валюты [1].

 Прогнозирование движения валютных курсов

В современной экономической науке существует два основных метода построения прогнозов. Это фундаментальный анализ и технический анализ. Кратко эти два метода можно описать следующим образом. "Фундаменталы" изучают причины, которые двигают цены. "Технари" изучают сами ценовые движения, абстрагируясь от причин их породивших.

1) Фундаментальный подход  к  прогнозированию

При прогнозировании поведения обменных курсов необходимо учитывать множество факторов, которые могут быть сгруппированы по следующим признакам.

Экономические факторы:

Относительные процентные ставки.

Процентные ставки выступают в качестве показателя для оценки инвестиций в различных валютах. Если ссуды в иностранной валюте предоставляются под более высокий процент, чем ссуды в национальной валюте, есть смысл давать деньги в кредит в иностранной валюте. Таким образом, инвесторы занимаются сопоставлением относительных процентных ставок, чтобы определить для себя наиболее выгодное место приложения своего капитала. На практике валюты с более высокими значениями процентных ставок обычно растут в цене относительно других валют в результате повышенного спроса со стороны инвесторов.

Паритет покупательной способности (ППС).

Этот показатель отражает относительную покупательную способность различных валют. Он определяется путем сопоставления цен на один и тот же набор товаров в разных странах в пересчете на "базовую валюту", которой обычно является американский доллар.

Экономические условия.

Принято считать, что экономические условия является основным фактором, который влияет на обменный курс в долгосрочном плане. Необходимо иметь в виду, что здесь наиболее важной является тенденции изменения таких показателей как:

Платежный баланс

Экономический рост

Уровень инфляции

Предложение денег

Безработица

Ставки налогов

Спрос и предложение капитала.

Неожиданные изменения спроса и предложения на рынке капитала сказываются на процентных ставках межбанковского рынка, что в свою очередь, влияет на ставки обменного курса.

Политические факторы.

На валютный рынок как в долгосрочной так и в краткосрочной перспективе могут оказывать влияние также политические факторы, такие как:

Экономическая политика

Уровень нестабильности политической ситуации в стране

Политика финансовых властей, в частности Центрального Банка

Участие Центрального Банка в деятельности валютного рынка с целью укрепления или ослабления валюты страны (валютные интервенции)

Настроения рынка

Этот фактор оказывает влияние на краткосрочное поведение обменного курса и определяется взглядами участников рынка на перспективы движения обменного курса. Трейдеры реагируют на новости о состоянии экономики конкретной страны. Нередко они предвидят изменения или важные заявления правительства и начинают скупать или продавать валюту еще до наступления реальных событий. Когда такие новости становятся общеизвестными, настроения рынка определяют направление движения курса валюты в момент их обнародования. Новости влияют на рынок на фоне уже существующих настроений [7].

2) Технический анализ

Сторонники технического анализа строят свои прогнозы на основе изучения графиков движения рынка за предыдущие периоды времени. Под движениями рынка понимают три основных вида информации: динамика валютного курса, общее количество сделок за определенные промежутки времени и количество позиций, не закрытых в течение торговой сессии.

Технический анализ строится на трех основных принципах:

Движения рынка учитывают все.

Суть этого утверждения заключается в том, что любой фактор, влияющий на обменный курс, - экономический, политический, психологический - заранее учтен в его графике. Поэтому изучение графика цен - обязательное условия для прогнозирования.

Цены двигаются направленно

Тренд - это определенное направление движения курса. Главная задача технического анализа - выявление трендов для их использования в торговле.

Существует три типа трендов:

1. Бычий (Bullish) - движение цены вверх;

2. Медвежий (Bearish) - движение цены вниз;

3. Боковой (Sideways, Flat) - цена находится на одном уровне с небольшими отклонениями вверх и вниз.

Все теории и методики технического анализа основаны на том, что тренд двигается в одном и том же направлении, пока не подаст особых знаков о развороте.

Технические аналитики объясняют это тем, что из века в век человеческая психология остается неизменной. По своей сути технический анализ занимается именно историей определенных событий, связанных с рынком, а значит, изучением человеческой психологии. Другими словами, понимание будущего лежит в изучении прошлого.

Искусственная нейронная сеть

Искусственная нейронная сеть (ИНС, нейронная сеть) - это набор нейронов, соединенных между собой. Как правило, передаточные функции всех нейронов в нейронной сети фиксированы, а веса являются параметрами нейронной сети и могут изменяться. Некоторые входы нейронов помечены как внешние входы нейронной сети, а некоторые выходы - как внешние выходы нейронной сети. Подавая любые числа на входы нейронной сети, мы получаем какой-то набор чисел на выходах нейронной сети. Таким образом, работа нейронной сети состоит в преобразовании входного вектора в выходной вектор, причем это преобразование задается весами нейронной сети.

   Практически любую задачу можно свести к задаче, решаемой нейронной сетью. В этой таблице показано, каким образом следует сформулировать в терминах нейронной сети задачу распознавания рукописных букв.

Задача распознавания рукописных букв

Дано: растровое черно-белое изображение буквы размером 30x30 пикселов

Надо: определить, какая это буква (в алфавите 33 буквы)

Формулировка для нейронной сети:

Дано: входной вектор из 900 двоичных символов (900=30x30)

Надо: построить нейронную сеть с 900 входами и 33 выходами, которые помечены буквами. Если на входе нейронной сети изображение буквы "А", то максимальное значение выходного сигнала достигается на выходе "А". Аналогично нейронная сеть работает для всех 33 букв.

Поясним, зачем требуется выбирать выход нейронной сети с максимальным уровнем сигнала. Дело в том, что уровень выходного сигнала, как правило, может принимать любые значения из какого-то отрезка. Однако, в данной задаче нас интересует не аналоговый ответ, а всего лишь номер категории (номер буквы в алфавите). Поэтому используется следующий подход - каждой категории сопоставляется свой выход, а ответом нейронной сети считается та категория, на чьем выходе уровень сигнала максимален. В определенном смысле уровень сигнала на выходе "А" - это достоверность того, что на вход нейронной сети была подана рукописная буква "A". Задачи, в которых нужно отнести входные данные к одной из известных категорий, называются задачами классификации. Изложенный подход - стандартный способ классификации с помощью нейронных сетей.

Как построить нейронную сеть

Теперь, когда стало ясно, что именно мы хотим построить, мы можем переходить к вопросу "как строить такую нейронную сеть". Этот вопрос решается в два этапа:

Выбор типа (архитектуры) нейронной сети.

Подбор весов (обучение) нейронной сети.

     На первом этапе следует выбрать следующее:

какие нейроны мы хотим использовать (число входов, передаточные функции);

каким образом следует соединить их между собой;

что взять в качестве входов и выходов нейронной сети.

Эта задача на первый взгляд кажется необозримой, но, к счастью, нам необязательно придумывать нейронную сеть "с нуля" - существует несколько десятков различных нейросетевых архитектур, причем эффективность многих из них доказана математически. Наиболее популярные и изученные архитектуры - это многослойный перцептрон, нейронная сеть с общей регрессией, нейронные сети Кохонена и другие.

На втором этапе нам следует "обучить" выбранную нейронную сеть, то есть подобрать такие значения ее весов, чтобы она работала нужным образом. Необученная нейронная сеть подобна ребенку - ее можно научить чему угодно. В используемых на практике нейронных сетях количество весов может составлять несколько десятков тысяч, поэтому обучение - действительно сложный процесс. Для многих архитектур разработаны специальные алгоритмы обучения, которые позволяют настроить веса нейронной сети определенным образом. Наиболее популярный из этих алгоритмов - метод обратного распространения ошибки (Error Back Propagation), используемый, например, для обучения перцептрона.

3.1. Проектирование нейросети

Теоретически для построения нейросетевой модели любого сколь угодно сложного объекта достаточно использовать персептрон с одним скрытым слоем сигмоидных нейронов, число которых определяется по формулам:

;

.

Строгой теории выбора оптимального числа скрытых слоев персептронов пока нет. На практике же чаще всего используются персептроны, имеющие один или два скрытых слоя [4].

При проектировании персептронов необходимо понимать, что персептрон должен не только правильно реагировать на примеры, на которых он обучен, но и уметь обобщать приобретенные знания, т.е. правильно реагировать на примеры, которых в обучающей выборке не было. Чтобы оценить способность сети к обобщению, помимо обучающей выборки примеров XD в рассмотрение вводят некоторое количество тестовых примеров XТ –DТ, которые относятся к той же самой предметной области, но в процессе обучения не участвуют. После обучения вычисляют максимальную погрешность между прогнозом сети Y и желаемым выходом сети D или DТ. Максимальная погрешность персептрона, вычисленная на обучающей выборке XD, называется погрешностью обучения, обозначаемой E, а вычисленная на тестовой выборке XТ – DТ – погрешностью обобщения, обозначаемой ЕТ. При увеличении числа нейронов внутренних слоев персептрона N погрешность обучения Е обычно падает, тогда как погрешность обобщения ЕТ сначала падает, а затем, начиная с некоторого оптимального значения N = N0, возрастает. Кривые зависимости  погрешностей обучения и обобщения от числа нейронов внутренних слоев персептрона приведены на рис. 1 и рис. 2.

Рис. 1. Обучающая и тестирующая (погрешность обучения) погрешности для Y1

Рис. 2. Обучающая и тестирующая (погрешность обучения) погрешности для Y2

Число нейронов в скрытых слоях желательно оптимизировать для каждой конкретной задачи.

3.2 Прогнозирование

   Для проведения данной работы была использована небольшая программа Черепанова Ф.М. и Ясницкого Л. Н.  «Нейросимулятор 1.0» - свидетельство об отраслевой регистрации №8756 ФАП.

  В обучающую выборку персептрона были внесены данные с 15 января 2008 года по  31 мая 2008г. Также было оспользовано 3 входа Х1-Понедельник, Х2-вторник, Х3-среда. А выхода было 2 Y1-четверг и Y2-пятница. В качестве скрытыв слоев был использован один слой, с двемя нейронами.

Рис 3. процесс обучения

36,1212

36,113

36,0646

35,862

35,8669

35,8298

35,849

35,9832

35,9891

36,0714

36,1033

36,1398

36,1688

36,29

36,3225

36,2731

36,3059

36,098

36,0259

35,8585

35,9316

35,8317

35,9006

35,9732

36,0309

36,0663

36,0992

36,1036

36,1399

36,2248

36,1921

36,3893

36,4054

36,5099

36,5125

36,5169

36,4918

36,6204

36,6921

36,6446

36,6538

36,8701

36,8995

37,1123

37,0825

37,0216

36,8739

36,7526

36,6632

36,8527

36,9103

37,0794

37,0676

37,0873

36,9851

36,8693

36,9414

36,976

36,9714

37,0433

37,0295

37,1299

37,107

37,0603

37,1291

37,1396

37,2336

37,2348

37,1137

37,1598

37,2606

37,1463

36,9422

36,9469

36,8895

36,8959

36,6997

36,7666

36,7701

36,7757

36,6035

36,6715

36,8346

36,873

37,0339

36,9053

36,9474

36,9705

37,0731

37,2238

37,0932

37,1357

37,1239

37,0987

36,8904

Табл 1. Обучающая выборка.

Рис. 4 внешний вид персептрона.

Рис.5 проверка обучающей выборки по данным Y1

Рис.5 проверка обучающей выборки по данным Y2

Рис 6. график проверки тестирующей выборки Y1

Рис 7. график проверки тестирующей выборки Y2

Заключение

   Из приведенных выше таблиц и рисунков видно, что прогнозируемый результат в случае Y1 мало чем отличаеться от реального, разница состовляет от 1 до 10 копеек. Что весьма хорошо, т.к. по этим данным мы можем довереть нейросети что будет с курсом евро завтра, но на обзор еще дальше забегая в будующее скажем на неделю, делает использование персептрона сомнительным. Т.к. по данным Y2 данные могут различаться вплоть до 50 копеек.

В заключение хотелось бы добавить что наш персетрон обучился не на все 100%, т.е. ошибка обучения не была сведена к нулю, а была равна 0,00456 единицам. Но все же нейросеть показала превосходные результаты! Даже если бы у нас сеть со 100 процентной уверенностью бы в точности до мелочей повторила обучающую выборку, т.е. данные прогнозируемых совпадали с реальными, мы бы все равно не смогли бы с уверенностью сказать что будет с евро через неделю или через месяц, т.к. это такая задача, которая никакой машиной не сможет быть проделана.

Литература.

  1.  Бункина М.К. Валютный рынок – М.: АО «ДИС», 1995.
  2.  Деньги, кредит, банки. Под ред. д.э.н.,  профессора О.И. Лаврушина М.: «Финансы и статистика», 1999 г.
  3.  Жуков Е.Ф. Деньги, кредит, банки: учебник – М.: «Юнити»,1999 г.
  4.  Ясницкий Л.Н. Введение в искусственный интеллект: Учеб. пособие для студ. высш. учеб. заведений – М: Издательский центр «Академия», 2005.

    5. www.cbr.ru – сайт ЦентроБанка России


 

А также другие работы, которые могут Вас заинтересовать

62625. Online stores 22.89 KB
  Практическая цель: систематизировать знания. Развивающая цель: способствовать интересу учащихся к изучению иностранного языка развитие памяти речи внимания логического мышления.
62628. What clothes teenagers should wear at school? 15.68 KB
  Цели: Обучение учащихся выражать мнение о подростковой школьной одежде, используя активную лексику. Ознакомление учащихся с прямой и косвенной речью и обучение в их употреблении в данных речевых ситуациях
62629. Країни Європи 18.52 KB
  Listen to me and follow. Listen to me and repeat. Let name the sound is this rhyme? Who can translate? Who can recite?
62630. Автоматическое регулирование угловой скорости коленчатых валов дизелей 1.19 MB
  Регулирующее воздействие: Чтобы поддерживать число оборотов дизеля постоянным нужно с возрастанием нагрузки увеличить подачу топлива а с уменьшением нагрузки соответственно уменьшить подачу топлива. Это выполняет Регулятор числа оборотов.
62631. Банки и банковская система. Банковский кредит 38.53 KB
  Одним из важнейших элементов рыночной экономики является финансовый рынок, т.е. рынок. где в роли товаров выступают деньги, обслуживающие экономику. Финансовый рынок состоит из двух частей: рынок ценных бумаг и рынок банковских ссуд.