Cистема Aлор-Трейд
Дипломная работа - Экономика
Другие дипломы по предмету Экономика
;
порог принятия решения - вводится для Байесовской модели, вероятность от 0 до 1 повышения САЛК, выше которой акции продаются и понижения САЛК, ниже которой акции покупаются.
Закладка "Параметры" приведена на рис. 6.
Закладка "Параметры"
Рис. 6
Вторая закладка называется “L и q”. Здесь задаются точки перегиба функций принадлежности лингвистической переменной “отношение возможных убытков к комиссии”. Закладка “L и q” приведена на рис. 7.
Третья закладка называется “Вероятность”. Здесь задаются точки перегиба функций принадлежности лингвистической переменной “вероятность повышения”.
Закладка “Вероятность” приведена на рис. 8.
Четвертая закладка называется “Денежные средства”. Здесь задаются точки перегиба функций принадлежности лингвистической переменной “наличие денежных средств”.
Закладка “Денежные средства” приведена на рис. 9.
Закладка “L и q”
Рис. 7
Закладка “Вероятность”
Рис. 8
Закладка “Денежные средства”
Рис. 9
Пятая закладка называется “Принятие решения”. Здесь задаются точки перегиба функций принадлежности лингвистической переменной “принятие решения”. Закладка приведена на рис. 10.
Закладка “Принятие решения”
Рис. 10
Шестая закладка называется “Правила”. Здесь задаются правила, по которым строится нечеткая модель. Закладка “Правила” приведена на рис. 11.
Закладка “Правила”
Рис. 11
После установки всех параметров модели могут быть запущены с помощью кнопок “Запустить Байесовскую модель” и “Запустить нечеткую модель”. В процессе работы моделей на экране появляется окно “Работа модели”, показанное на рис. 12.
Окно “Работа модели”
Рис. 12
В этом окне показывается, сколько денежных средств и акций имеет в данный момент трейдер в своем распоряжении. В любой момент работа модели может быть прервана с помощью кнопки “Abort”. В случае если работа модели будет прервана и по завершении работы модели выводится окно “Результат работы”, представленное на рис. 13.
Окно “Результат работы”
Рис. 13
В качестве результатов выводятся следующие параметры: количество совершенных сделок (здесь за одну сделку приняты две подряд идущие: покупка и продажа акций, так как в противном случае (если последней будет сделка покупки акций) мы не сможем определить, убыточная она или прибыльная); количество прибыльных сделок (сделка считается прибыльной, если сумма денежных средств трейдера после ее совершения стала больше, чем до сделки); количество убыточных сделок (сделка считается убыточной, если сумма денежных средств трейдера после ее совершения стала меньше, чем до сделки); количество сделок, после которых средств стало меньше первоначальных; сколько осталось средств на счету.
3.2. Сравнение результатов работы методов
Для сравнения результатов обе модели были настроены наилучшим образом. Были приняты такие значения параметров, при которых модели дают наибольшую прибыль и при которых наблюдается наименьшее количество убыточных сделок.
Для Байесовской модели меняли порог принятия решения при одинаковых параметрах. Результаты подбора приведены в табл. 5.
Таблица 5
Подбор порога принятия решения для Байесовской модели
ПорогВсего сделокУбыточных сделокПосле которых средств стало меньше первоначальныхКоличество денежных средств на счету, $0,135172599,40,235162599,40,3351313102,60,435154103,10,535154103,10,634144106,60,734121107,10,833126108,40,927152797,9
Таким образом, для Байесовсой модели был выбран порог 0,8.
Точки перегиба функций принадлежности задавались из тех же соображений.
После настройки моделей, менялась начальная сумма, остальные параметры оставались одинаковыми. Были получены результаты, которые приведены в табл. 6 и табл. 7.
Таблица 6
Результаты работы Байесовской модели
Начальная сумма, $Всего сделокПрибыльных сделокУбыто-чных сделокПосле которых средств стало меньше первоначальн-ыхКоличество денежных средств на счету, $Прибыль от работы модели, $1003321126108,48,42003321126217,217,23003321126325,325,34003321126433,833,85003321126542,242,26003321126650,750,77003321126759,159,18003321126867,667,690033191432856,4-43,6100033211261084,484,4110033211261192,992,9120033211261301,3101,3130033211261409,8109,8140033211261518,2118,2150033211261625,3125,3160033211261735,1135,1170033211261843,5143,51800331914301737,7-62,3190033211262060,4160,4200033211262168,9168,9
Таблица 7
Результаты работы нечеткой модели
Начальная сумма, $Всего сделокПрибыльных сделокУбыточных сделокПосле которых средств стало меньше первоначальныхКоличество денежных средств на счету, $Прибыль от работы модели, $12345671003300106,76,72007520222223006420328,528,54008620448,848,85008530549,949,9Продолжение табл. 7
12345676008530660,760,77008530770,970,98009630883,783,79009630983831000107311095,295,21100118311204,1104,11200129311345,2145,21300118301464,7164,71400118301577,4177,4150097201631,8131,8160097201762,8162,8170097201872,1172,1180097201982,1182,11900107302072,1172,12000107302181,2181,2
На основе этих таблиц были построены и проанализированы графики зависимостей прибыли, которую дают модели, а также относительного числа прибыльных и убыточных сделок от начальной суммы. Графики приведены на рис. 14, рис.15 и рис.16 соответственно.
Графики наглядно демонстрируют преимущества нечеткой модели и ее эффективность.
Прибыль от работы нечеткой модели явно выше, чем от Байесовской