Банковское дело / Доходы и расходы / Лизинг / Финансовая статистика / Финансовый анализ / Финансовый менеджмент / Финансы / Финансы и кредит / Финансы предприятий / Шпаргалки Главная Финансы Финансы
Д.Э. БЭСТЕНС, В.М. ВАН ДЕН БЕРГ, Д. ВУД. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. - Москва: ТВП,1997. - хх, 236 с., 1997

ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ДАННЫХ И ПОДГОТОВИТЕЛЬНЫЕ ТЕСТЫ

Вся совокупность данных была разбита на три множества: обучающее, подтверждающее и тестовое. Так как историческая вола- тильность вычислялась по принципу движущегося окна размером в 15 торговых дней, обучающее множество охватывает промежуток времени с 11 февраля (вторник) до 13 марта (пятница) 1992 г. и включает в себя 24 рабочих дня и 2784 наблюдений (29 15-минутных периодов в день и 4 цены исполнения). Из них 300 наблюдений были выделены в подтверждающее множество. Перед тем, как это сделать, мы перемешали все 2784 записи, чтобы устранить аспект, связанный с временными рядами. Для того чтобы избежать эффектов дня и недели исполнения, мы взяли для тестов промежуток с 16 марта (поне-дельник) по 3 апреля (пятницы), и, таким образом, до исполнения (16 апреля) оставалось еще достаточно времени. На эти 15 дней торгов приходилось 1740 наблюдений.
Все 33 входных переменных были перемасштабированы так, чтобы их значения менялись от 0 до 1. Предварительно были лподрезаны крайние значения дохода (1-процентные выбросы с обеих сто
рон). В итоге значение 0.5 в новом масштабе соответствует нулевому доходу за соответствующий промежуток времени. Обратите внимание на то, что в проверочном множестве случаи нулевого дохода встречаются весьма часто.
0.05 г
0.04
п
8. X
н з
<в 01 а
о
0.03
0.02

11 февраля 1992 г.
0.01
-0.01
-0.02
Время
ЕС

Рис. 5.1. Целевая переменная (немасштабированная): доход, полученный за четверть часа по совокупности обучающего и проверочного множеств
Для того чтобы выяснить влияние разных переменных и определить степень пригодности линейной модели, была использована линейная ОЬБ регрессия. В силу того, что подразумеваемая ставка 1МРЫ1Е оказалась мультиколлинеарной с соотношением длинных/коротких позиций ММРОБЮ (выявлено с помощью теста на допустимые отклонения пакета БРЭЗ-Ь/РС, версия 5.01), эта переменная была отброшена. Результаты для обучающего множества оказались весьма обнадеживающими.
Модель оказалась способной объяснять ситуацию примерно в 3% случаев - неплохой результат, когда речь идет об оценке дохода на наличном рынке на основании информации с рынка производных финансовых инструментов. Никакой корреляции ряда обнаружено не было. То обстоятельство, что на всем обучающем множестве акции Филипс медленно, но постоянно росли, учитывалось в значениях переменных ТКАНОШ, НКУОЬА и ЯЕТЬАС.
Регрессионные данные довольно хорошо отслеживали кривую реальных доходов на первых 87 записях (что соответствует 3 торговым дням) из тестового множества (коэффициент корреляции = 13%), но на оставшемся отрезке проявлялся отчетливый тренд на понижение (большие отрицательные доходы) при коэффициенте корреляции 2%. Поскольку средний доход по акциям за 15 минутЧ один и тот
же для опционов всех серий, мы для каждого временного интервала вносили в график только одно значение целевой переменной, и, тем самым, число наблюдений в проверочном множестве сократилось с 1740 до 435. Переменные В БЕ В Г %Г ЮСАЮТ -0.1034 0.03706 -2.79 0.0053 ТЯАНОИЯ 0.02799 0.00799 3.502 0.0005 САССЖОС 0.27614 0.12725 2.17 0.0301 ЯЕТЬАС 0.07605 0.02011 3.782 0.0002 САССЖД; -0.0788 0.02763 -2.853 0.0044 САРЮГЕ -0.1128 0.04113 -2.742 0.0062 кАММАЕИЯ -1.2795 0.49349 -2.593 0.0096 НБУОЬА 0.25582 0.05204 4.916 0 ЕХЕЛР -0.336 0.06652 -5.051 0 ЬАМВВАЕЖ 0.50799 0.17884 2.84 0.0045 МСЖЕУ -0.5069 0.16176 -3.134 0.0017 (Константа) 0.99024 0.2-1561 4.593 0 Б статистика 3.51 Уровень значимости Б = .0000 1*2 3.92% Уточненный Я2 2.81% БЛУ. 2.11 Таблица 5.2. Значимые результаты регрессии на обучающем множестве
Поскольку на данных, следующих за тремя днями торгов, результаты проверки все больше расходятся с целевой переменной по величине и направленности, периодическая перенастройка модели может улучшить результаты на тестовом множестве. Не лобновляя регрессионную модель, мы повторно обучали нейронную сеть с помощью движущегося обучающего промежутка, который охватывал 2 торговых дня или 232 записи (2 дня по 29 интервалов и 4 серии опционов). Вначале мы обучали сеть на материале обучающего (2484 записи) и подтверждающего (300 записей) множеств в течение 18,000 эпох. Затем мы делали прогноз дохода по тестовому множеству на час вперед (4 записи). После этого сеть повторно обучалась на последних 232 записях, включая те 4 интервала, для которых на предыдущем шаге был сделан прогноз. Затем делался прогноз еще на четыре 15-минутных интервала и т.д. Срок прогноза в 4 интервала и интенсивность повторного обучения в 100 эпох выбирались волевым порядком, и в дальнейшем эти параметры можно уточнить. Мы сосредоточились именно на краткосрочном (максимум на 1 час впе
ред) прогнозе дохода, поскольку предметом всего исследования являются изменения показателей в течение одного торгового дня.
-nmifnoMONminN
1 г-
MjVY^
OOlflMffiVOmON^'-ioOinolW^
Регрессия
'гчгчгчгчгчг^гптгпгпгпгг!
Число 15-минутных интервалов
Целевое значение
Рис. 5.2. Результаты регрессии, полученные на новых данных (тестовом множестве)
<< Предыдушая Следующая >>
= К содержанию =
Похожие документы: "ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ДАННЫХ И ПОДГОТОВИТЕЛЬНЫЕ ТЕСТЫ"
  1. 13.4. МЕТОДЫ ИЗУЧЕНИЯ ЗАТРАТ РАБОЧЕГО ВРЕМЕНИ
    предварительное изучение ее недостатков позволяет провести наблюдение более качественно и более конкретно разработать пред-ложения по улучшению организации труда при подведении итогов наблюдения. Если же ФРВ проводится с целью установления норм или нормативов, то недостатки в организации труда, которые можно устранить, должны быть устранены до начала наблюдений. При индивидуальной фотографии
  2. 6.3. ТЕХНОЛОГИЯ КОМПЬЮТЕРНОЙ ОБРАБОТКИ УЧЕТНЫХ ЗАДАЧ НА МАЛОМ ПРЕДПРИЯТИИ
    обработки информации. Рассмотрим принцип работы этих пакетов на примере л1С:Бухгалтерия (версия 6.0). Программа ориентирована на привычную ручную работу бух-галтера и журнально -ордерную систему. Меню программы составлено в удобной форме, имеется возможность пересчета остатков и оборотов после ввода и изменений операций, получение итогов за любой расчетный период и интервал времени. В программе
  3. з 4. Общие стадии административных процессов
    предварительной работы не может быть принят эффективный, законный акт. Первая стадия процесса - анализ ситуации, необходимый для подготовки решения (об утверждении, награждении, нало жении взыскания, приеме, выделении и т. д.). Чаще всего на этой стадии существуют этапы: правовой инициативы, анализа ситуации и вариантов правового воздействия на нее, подготов ки проекта решения. AJCT принимается,
  4. з 3. Расходы, уменьшающие доходыплательщика, и расходы, не учитываемые в целях налогообложения
    предварительной оплаты платель щиками, определяющими доходы и расходы по методу на числения; в виде стоимости безвозмездно переданного имущества (работ, услуг, имущественных прав); в виде стоимости имущества, переданного в рамках целе вого финансирования; в виде сумм налогов, предъявленных плательщиком поку пателю товаров (работ, услуг, имущественных прав); в виде расходов на любые виды
  5. 7.3 определение потребности предприятий в оборотных средствах
    предварительной оплаты. Транспортный запас в днях определяется как разность между количеством дней пробега груза и количеством дней движения и Подготовительный запас предусматривается в связи с затратами на приемку, разгрузку и складирование сырья. Он определяется на основе установленных норм или фактически затраченного времени. Технологический запас учитывается лишь по тем видам сырья и
  6. Глава 9.1. Концепция технико-экономического обоснования инвестиционного проекта
    предварительный выбор проекта и определение (предварительные технико- экономические исследования); формулирование проекта (технико-экономические исследования); окончательная оценка и решение об инвестировании. В исследовании возможностей должны выявляться возможности инвестирования или приводиться наброски проекта, которые, как только будет доказана рентабельность данного предложения, подлежат
  7. Словарь
    предварительным (6 недель, 3 или 6 месяцев) уведомлением. Авансирование бизнеса - привлечение денежных средств на осуществление бизнес- проектов и бизнес-операций до их реализации. Авансирование может осуществляться заказчиком проекта, потенциальным покупателем, импортером, государственными органами, конкретными заинтересованными лицами. Авансовые расходы - активы в форме расходов, таких как
  8. 6.3. ОПРЕДЕЛЕНИЕ ПЛАНОВОЙ ПОТРЕБНОСТИ ПРЕДПРИЯТИЯ В ОБОРОТНЫХ СРЕДСТВАХ
    предварительная подготовка к производству (резка, сушка, разогрев идр.). Технологический запас создается в том случае, когда подготовительный процесс не может бьпь частью производственного цикла, на период времени для подготовки мате-риалов к производству, включая время на анализ и лабораторные испытания. Норма технологического запаса определяется исходя из конкретных условий производства.
  9. 4.2. Международные стандарты бухгалтерского баланса
    предварительно производят расчет ожидаемого объема производства, используя при этом средние показатели за ряд прошлых периодов или сезонов работы при нормальных условиях хозяйствования, с учетом потери мощности в результате планового технического обслуживания. Однако данная рекомендация МСФО 2 относится, глав-ным образом, к постоянным накладным расходам, абсолютная величина которых, как
  10. 8.3. Организационное и информационное обеспечение консультационной деятельности банка
    предварительного привлечения денег, консалтинг объективно доступен большинству российских банков, даже испытывающим недостаток в свободных ресурсах. Современный клиент грамотен, подчас неплохо осведомлен и к качеству услуг довольно придирчив. Поэтому чтобы на должном уровне удовлетворять его требования, консультант должен показать свою полную осведомленность в ассортименте банковских продуктов и