Книги по разным темам Pages:     | 1 | 2 | В ЗВ З ЙД З Нейросетевые прогнозы в техническом анализе ЗВ ЗВ nscalp@mail.ru Трейдер вызывает лифт. Лифт останавливается, и двери от рекомендации массу условий и оговорок, касающихся будущих крываются. В кабине лифта стоят три знакомых аналитика. событий. В данной статье делается попытка прогнозирования Трейдер: Так, быстро. И без всяких лесли Ч вверх или вниз фондового рынка с использованием нейронных технологий, ко Этот известный трейдерский анекдот показывает основной торые позволяют уменьшить неопределенность в принятии ре недостаток прогнозов аналитиков, которые включают в свои шений.

Выбор интервала прогноза нения. Чтобы проиллюстрировать зависимость ошибки прогноза от длины временного интервала, спрогнозируем курс Фондовый рынок не может быть описан с помощью линейных швейцарского франка и значение индекса S&P для разных инмоделей традиционного технического анализа, так как имеет тервалов. Результаты прогноза приведены в табл. 1.

элементы нелинейности и хаотичности (фрактальности) в по- Из табл. 1 хорошо видно, что с увеличением интервала качеведении котировок ценных бумаг и индексов. Как отмечалось в ство прогнозирования ухудшается и растет ошибка. Вероятпредыдущей статье (Введение в нейронные сети, СТ ность правильного прогнозирования направления с увеличе№ 2'2001), нейронные технологии позволяют учитывать эту нием интервала стремится к 50 %, что равносильно отсутствию нелинейность в создаваемых моделях и добиваться приемле- прогноза вообще.

мых прогнозов. Из всего вышесказанного можно сделать вывод о целесообПеред началом любого прогнозирования необходимо опре- разности прогнозирования с использованием нейронных сетей делиться с временным интервалом, на который делается про- в диапазоне от 30 минут до 1Ц3 дней. Причем прогнозы на когноз. Величина этого интервала определяется следующими со- ротких интервалах времени более эффективны как дополнение ображениями. к уже имеющейся торговой системе, оптимизирующие входы и Чем меньше интервал прогноза, тем меньше его ценность с выходы из рынка. Для большей наглядности далее в данной практической точки зрения, но при этом возрастает его точ- статье прогнозы делаются на один день вперед, если не оговоность. Прогнозы на сверхкоротких интервалах времени вооб- рено иное.

ще теряют практическое значение. Например, прогнозирование курса валюты на рынке Forex на 1Ц5 минут вперед со сред- Погружение временного ряда ней точностью 2Ц5 пипсов реально, но на практике эта точность съедается проскальзованием и комиссионными Предсказание временного ряда цен сводится к аппроксимации брокера и такие прогнозы невозможно использовать. функции многих переменных по заданному набору примеров.

С другой стороны, чрезмерное увеличение интервала про- Нейросеть можно использовать для восстановления этой неизгнозирования проводит к уменьшению точности прогноза, и, вестной функции по набору примеров, заданных историей более того, на больших интервалах времени нейросетевые про- данного временного ряда. При этом актуальной проблемой явгнозы имеют такую ошибку, что теряется сам смысл их приме- ляется выбор глубины погружения временного ряда. Под глу24 ЧВ ЙД 3 Т www.m-trading.ru УЗЗ ВЗ ДЗ ДЗ У ДЗ (ВЗ ВЗ 200 ЗВ) USD/CHF (Forex) 1 З ЗЗВ 74 % (ЗВ): 26 % ( ЗВ) USD/CHF (Forex) 1 З З ЧЙ З: 0,0008 (8 В) S&P 1 Й ЗЗВ 69 % (ЗВ): 31 % ( ЗВ) S&P 1 Й З ЧЙ З: 7,3 З S&P 5 Й ЗЗВ 61 % (ЗВ): 39 % ( ЗВ) S&P 5 Й З ЧЙ З: 24,1 З биной погружения понимается число 14.04.2000 или падение рубля в августе зируемой величины лучше использовать прошлых временных отсчетов, исполь- 1998 года. Все это не типичное поведе- в качестве выхода нейросети при прозуемых для формирования входных дан- ние рынка, которое встречается в исто- гнозировании. На эту тему в специальных, подаваемых на входы нейросети рии 1Ц2 раза, и такие события нужно ли- ной литературе по финансовому продля получения одного прогноза. бо выбрасывать при прогнозировании, гнозированию есть многочисленные реОчевидно, что при малой глубине по- либо применять такие виды нормиров- комендации. В основном они сводятся к гружения нейросеть будет делать про- ки, которые позволяют сгладить эту ано- следующим моментам.

гнозы с меньшей точностью, чем при большем погружении. Но очень большое погружение может затруднить обучение и опять же уменьшить точность получаемых прогнозов.

Это объясняется тем, что увеличение числа не информативных или дублирующих входов приводит к усложнению задачи обучения, а также уменьшает внутреннюю нелинейность нейросети.

Прогнозы нейросети с большим числом входов становятся похожими на результаты, получаемые с помощью линейной регрессии.

Эксперименты по прогнозированию индекса SP500 на день вперед показали, что оптимальная глубина погружения находится в диапазоне 5Ц20 баров (дней).

Ц. 1. Д ЙЗ S&P500 (High) Д Д 5 10 ЗВ Результаты двух прогнозов на тестовой выборке с разными значениями глубин погружения показаны на рис. 1. мальность. Методы отсеивания редких Х В качестве входов и выходов нейросети Помимо глубины погружения входов, событий и нормировки данных имеют не следует использовать абсолютные на качество прогнозов сильно влияет хорошо отработанный математический значения цен. Значимыми для прогнопредобработка входных данных. Их не- аппарат в теории вероятности и матема- за являются изменения цен (приращеобходимо подготавливать, прежде чем тической статистики. ния). Такие изменения обычно гораздо подавать на вход нейросети. Это вызвано меньше, чем абсолютные значения по несколькими обстоятельствами. Что прогнозировать амплитуде. Между ценами актива суВо-первых, все активационные функ- ществует большая корреляция. Наиции нейронов работают в определенном Рисунок 1 интересен еще одним момен- более вероятной ценой будущего бара диапазоне. Обычно это диапазон том Ч полученная корреляция прогноза будет цена на предыдущем баре. Такая Ц1Е+1, но возможны варианты. Напри- составляет величину большую, чем простая зависимость затрудняет неймер, для прогнозирования булевых пере- 0,999. При получении такого прогноза росети найти более тонкие зависименных (прогноз направления) можно первая мысль такова: лотличный про- мости в финансовом ряде, описываюиспользовать нейроны с активационны- гноз, но что-то не так. Да, не стоит за- щие его реальное поведение.

ми функциями в диапазоне 0Е+1. По- бывать, что в этом эксперименте про- Х Хорошим вариантом является испольэтому входные данные нужно как мини- гнозировалось абсолютное значение ин- зование нормированных приращений.

мум преобразовать (нормировать) в декса SP500. При этом изменение цены делится на этот диапазон. Если вычислить среднее значение из- цену предыдущего бара.

Во-вторых, как уже отмечалось, вход- менений SP500 за последние 400 дней, то Х Для исторически длительных финанные данные содержат шум, который оно составит 22,99 пункта. При абсолют- совых рядов (в которых сказываются нельзя спрогнозировать и учесть в моде- ной величине индекса 1300Ц1500 резуль- инфляционные процессы) с целью лях. Также любой фондовый рынок в таты этого прогноза уже не будут казать- уменьшения влияния инфляции рекосвоей истории содержит аномальные ся столь радужными. мендуется брать логарифм относи(редкие) события, например падение ин- Здесь мы вплотную подошли к вопро- тельного приращения цен. Стациодекса Доу-Джонса более чем 600 пунктов су о том, какие характеристики прогно- нарность ряда увеличивается, и при 3 2001 ЧВ ЙД В ЗВ З ЙД З Если же вы тяготеете к фундаментальному анализу, то нейросети и вас не обойдут стороной. Подавайте на входы цены на смежных рынках, индексы, фундаментальные показатели экономики (GDP, PPI и т. д.) Ч и вы получите свой фундаментальный прогноз.

Для иллюстрации эффективности использования в прогнозе дополнительной информации помимо цен и индикаторов были натренированы две нейросети для прогноза приращения цены High акций Cisco Systems Inc. В одной использовались только классические данные технического анализа, в другой дополнительно к ним использовалось значение индекса SP500 и Доу-Джонса на предыдущий день. Результаты этих прогнозов Ц. 2. Д З High Й ЙЗ S&P на тестовой выборке отображены на рис. 3. Введение дополнительных входов обучении можно использовать более уменьшилось с 8,1 до 7,11 пунктов. Все (использовалось 4 входа Ч функции от старые данные. это подтверждает правильность ис- цены закрытия SP500 и Доу-Джонса) Все эти преобразования являются об- пользования приращений в нейросете- позволило увеличить корреляцию с проратимыми и позволяют легко перейти вых прогнозах. гнозируемой величиной с 0,651 до 0,761.

от прогнозируемых величин к реаль- Вышеприведенный пример наглядно ным ценам активов для их использова- Использование демонстрирует, что при правильном ния в трейдинге. Для иллюстрации этих дополнительных входов подборе входов нейросети, которые наирекомендаций было проведено прогно- более полно описывают поведение прозирование не абсолютных значений цен Нейросети предоставляют пользователю гнозируемого актива, можно получить High для индекса SP500 (рис. 1), а его уникальную возможность самостоятель- прогнозы с высокой точностью. Подбор приращений (High(будущего бара) Ч ной регуляции фундаментальности оптимального количества и списка вхоHigh(текущего бара)). Результаты тако- получаемых прогнозов. Если вы убеж- дов для прогноза той или иной величины является ключевым моментом в прогнозе и требует определенных усилий и знаний в предметной области от разработчика нейросети. Определение числа выходов является более простой задачей, имеющей четкое решение.

Нейронные сети можно применять как для одномерного, так и для многомерного анализа данных, то есть нейросеть может иметь несколько выходов, предназначенных для прогнозирования разных значений. Если вы используете при обучении алгоритм обратного распространения ошибки (Введение в нейронные сети, СТ № 2'2001), то лучше всего использовать нейросеть с одним выходом.

Это объясняется используемой целевой функцией Ч суммарной квадратичной Ц. 3. Д З High Й З Cisco Systems Inc.

ошибки. Если использовать два и более выхода, то такая целевая функция усредго прогнозирования показаны на рис. 2. денный технарь и работаете на рынке, няет ошибку по всем выходам и резульПри этом использовался тот же набор используя технический анализ, то это таты будут хуже, чем у сети, имеющей входов и аналогичная структура нейро- ваш инструмент. Подавайте на вход ней- единственный выход.

сети, как и в предыдущем примере. ронной сети только цены, индикаторы и Исключением из этого правила являКорреляция прогноза стала значитель- осцилляторы технического анализа. При ется случай использования нейросети в но меньше Ч 0,684, но она более реаль- этом вы можете получать не только про- качестве классификатора бинарных соно отражает его качество. При переходе гнозы цен и направлений движения, но и бытий, например, направления движек прогнозированию приращений стан- прогнозы величин индикаторов и ос- ния рынка (лбез всяких лесли Ч вверх дартное отклонение ошибки прогноза цилляторов. или вниз). В этом случае нейросеть 26 ЧВ ЙД 3 Т www.m-trading.ru УЗЗ Прогнозирование индикаторов З ВЙ З Й 1 ЗЙ З Ч ЙВ В -2 Ч В, ВВ мЗ Й В -0,В конце этой статьи коснемся вопроса о 3 В ЙВ УЗ З З (Flat) прогнозировании индикаторов и осцил4 Ч ВВ, В мЗ Й ВВ 0,ляторов технического анализа. Насколь5 - З Ч ЙВ ВВ ко актуален данный вопрос может иметь два выхода Ч прямой и ин- имеет возможность корректировки про- В техническом анализе есть отдельное вертированный. Тогда два противопо- гнозов по мере развития событий. Более направление Ч механические торговые ложных симметричных выхода могут того, зная одну цену дня (например, системы (МТС). Эти системы пользуются быть оптимизированы с помощью одной целевой функции.

Технология ExpertLine Нейросеть изначально представляется пользователю черным ящиком с непонятным и закрытым алгоритмом функционирования. И одной из претензий трейдеров к нейросетям является невозможность учета его мнения о рынке.

Разработанная автором этой статьи технология ExpertLine позволяет учитывать мнение трейдеров и, более того, скорректировать прогнозы по мере развития ситуации на рынке. Основная идея этой технологии заключается в том, что в нейросеть добавляется еще один вход, на который подается оценка эксперта Ч трейдера. Оцен- Ц. 4. ДЗЗ ExpertLine ка эксперта кодируется значением в диапазоне Ц1Е+1, причем трейдер определяет high) можно путем проекции на графике заслуженным уважением у трейдеров. Татекущее состояние рынка одним из пяти ExpertLine определить другую (low). кие системы позволяют сочетать как раззначений (табл. 2): Результаты технологии ExpertLine личные правила торговли, так и контроль При работе по этой технологии трей- очень схожи с типичными рекомендаци- за капиталом, что делает их очень привледер вводит свою оценку, и нейронная ями аналитиков: если рынок будет расти, кательными для новичков на рынке.

сеть строит прогноз. Более того, интерес- то до уровня сопротивления XYZ. Эта Любая МТС базируется на каком-то но построить все пять прогнозов (по технология позволяет уменьшить нео- множестве индикаторов и торговых правсем экспертным оценкам) для одного пределенность в принятии решений и вилах, преобразующих эти индикаторы состояния рынка и вывести их в виде перейти от таких понятий, как рост, па- в сигналы покупки и продажи. Поэтому графика. Пример такого графика приве- дение, продолжение тренда, к конкрет- прогнозирование используемых в торгоден на рис. 4. На графике показаны две ным ценам актива. вой системе индикаторов на бар вперед ExpertLine для швейцарского франка (прогноз Ч часовые бары).

На рисунке видна ярко выраженная нелинейность линий ExpertLine. Это объясняется влиянием на рынок поведения толпы и других психологических факторов. Отметим такой интересный момент из графика: при росте рынка минимальные цены будут ниже, чем при спокойном рынке.

Основным недостатком технологии ExpertLine является тот момент, что трейдер фактически должен угадать поведение рынка, а нейросеть укажет лцели движения. Но это компенсируется высокой точностью прогноза и возможностью корректировки прогноза внутри прогнозируемого интервала, например при выходе данных и неожиданных фунЦ. 5. ДВЗ З Й даментальных событиях, то есть трейдер 3 2001 ЧВ ЙД В ЗВ З ЙД З позволит нам получать опережающие торговые сигналы и повысить общую эффективность МТС.

На рис. 5 приведен прогноз приращения простой скользящей средней (функция mov в MetaStock) длиной 5 баров для акций Dell Computer Corp. на день вперед.

Pages:     | 1 | 2 |    Книги по разным темам