Прогнозирование финансовых рынков с использованием искусственных нейросетей


Аппроксимация прогнозируемых величин. Сглаженный шаблон максимальной прибыли - часть 2


При обучении по такому правилу ИНС начнет «тяготеть» к формированию на выходе тех сигналов, которые чаще встречаются в обучающем множестве. Рассмотрим ряд MPP, построенный для динамики курса евро/доллар за 1999 год (см. рис. 2.11).

Рис. 2.11. Распределение желаемых выходных значений ИНС при применении в качестве обучающего правила «необработанного» MPP

Как показывает опыт, при прогнозировании по графическим образам добиться от сети точных данных на выходе невозможно, попытаемся облегчить для сети задачу обучения, а именно, сгладим значения MPP 6-типериодной скользящей средней. Гистограмма распределения выходного сигнала, таким образом, примет вид, изображенный  на рисунке 2.12. Фактически график значений обучающего правила примет вид, изображенный на рисунке 2.9 (красная линия).

Особо хочется отметить тот факт, что обучающее множество желательно формировать таким образом, чтобы распределение выходных сигналов тяготело к равномерному, как показывает практика. Это позволит существенно уменьшить сред­неквадратическую ошибку ИНС. В нашем случае (рис. 2.12), не смотря на некоторое приближение распределения сглаженного MPP к равномерному, распределение полученной после преобразования величины далеко до равномерного.

Рис. 2.12. Распределение значений на выходе последнего нейрона ИНС при применении в качестве обучающего правила сглаженного (6-типериодной скользящей средней) MPP (база - евро/доллар 1999)

Кроме того, в течении 1999 года евро больше падала в цене, следовательно сигналов на продажу и ожидание продажи в обучающей выборке получится больше, чем сигналов на покупку и ожидание покупки. Сразу можно говорить о том, что обученные по такому правилу ИНС будут «тяготеть» к сигналу «ожидание продажи». Необходимо использовать алгоритм формирования обучающей выборки, который бы позволял избегать излишнего доминирования отдельных выходных значений.

Возможными прогнозируемыми величинами при реализации задачи прогнозирования могут являться: доходность и ценовые показатели, то есть средневзвешенная цена, цены закрытия и открытия, максимальная и минимальная цены.Причем прогнозироваться могут как показатели, определенные для целой группы инструментов или некоторого рынка в целом, так и показатели, определенные только для одного инструмента финансового рынка. В некоторых пакетах нейросетевого анализа финансовых рынков встроены модели, позволяющие прогнозировать максимальные и минимальные значения цены на один или несколько шагов вперед.




Начало  Назад  Вперед



Книжный магазин