Нейронные сети в торговле

Нейронные сети были наиболее популярны в конце 80 — начале 90-х годов, после чего медовый месяц завершился. Что же произошло? В общем, наступило разочарование среди трейдеров, надеявшихся, что новые технологии чудесным образом обеспечат им превосходство с минимальными затратами усилий. Разработчики использовали для обучения недостаточно подготовленные исходные данные, надеясь на открытия, которые должна была сделать сама сеть. Это был наивный подход. Успех на рынке никогда не бывает таким простым и доступным для всех. Этот подход был не только неэффективен в отношении разработки сетей, но и привел к тому, что сети широко распространились. В результате любая попытка систем уловить выгодные движения рынка сводилась к нулю ввиду изменившейся природы рынка, который быстро адаптировался к новым методам торговли. Во всем обвинили саму технологию и отбросили ее, не задумавшись о неправильном подходе к ее применению. Для получения успешных результатов был необходим более осмысленный и изощренный подход.

Большинство попыток разработать прогностические модели на основе нейронных сетей, простые или усложненные, были сконцентрированы на отдельных рынках. Проблема с отдельными рынками состоит в том, что количество точек данных для обучения сети весьма ограничено и ведет к переоптимизации, что, особенно в сочетании с не слишком хорошо подготовленными данными, ведет к провалу при торговле. В этой главе нейронные сети будут обучаться на основе целого портфеля ценных бумаг, валют и фьючерсов, что позволит использовать для избежания подгонки десятки тысяч точек данных — приличное количество для маленькой или средней нейронной сети. Возможно, таким образом удастся заставить работать достаточно прямолинейный алгоритм прогнозирования рынка. Фактически, такая сеть сможет служить универсальным прогностическим средством, т. е. после обучения на целом портфеле она сможет прогнозировать в отдельности каждый из рынков.

Прогнозирование с помощью нейронних сетей

Нейронные сети будут разрабатываться с целью прогнозирования: (I) куда уйдет рынок в ближайшем будущем и (2) будет ли завтрашняя цена открытия представлять собой точку разворота. Для первого случая будет сооружаться сеть, прогнозирующая обращенный во времени стохастический осциллятор, а именно обращенный Медленный %К. Это, в общем, стандартный осциллятор, но рассчитываемый с обратным отсчетом времени. Такой осциллятор отражает текущее положение цены закрытия по отношению к нескольким последующим дням. Несомненно, предсказание значения такого индикатора было бы полезно для трейдера: зная, что сегодняшняя цена закрытия и, вероятно, завтрашняя цена закрытия лежат внизу ценового диапазона нескольких следующих дней, можно предполагать, что это хорошая ситуация для покупки, и наоборот, если сегодняшняя цена открытия лежит вблизи максимума ближайшего будущего, время поразмыслить о продаже. Во втором случае представим моделирование ситуации с завтрашним открытием — будет ли эта цена максимумом или минимумом? Для решения этой задачи будут обучены две нейронные сети: одна на определение минимума в завтрашней цене открытия, другая на определение максимума. Возможность предсказать максимум или минимум на завтрашней цене открытия также полезно для трейдера, решающего, входить ли в рынок и какую позицию занимать — длинную или короткую. Целью этого исследования будет получение таких прогнозов в отношении любого рынка, где используется модель.

Далее

Вернуться к оглавлению