Прогнозирование финансовых рынков с использованием искусственных нейросетей

       

Обобщение значений индикаторов технического анализа


Отрицательной чертой метода «окон» является то, что его применение ограничивает «кругозор» сети. Технический анализ же, напротив, не фиксирует окно в прошлом, и пользуется весьма далекими значениями ряда. Например, утверждается, что максимальные и минимальные значения ряда даже в относительно далеком прошлом оказывают достаточно сильное воздействие на психологию игроков, и, следовательно, должны быть значимы для предсказания. Недостаточно широкое окно погружения в лаговое пространство не способно предоставить такую информацию, что, естественно, снижает эффективность предсказания. С другой стороны, расширение окна до таких значений, когда захватываются далекие экстремальные значения ряда, повышает размерность сети, что в свою очередь, приводит к понижению точности нейросетевого предсказания из-за разрастания размера сети. Выходом из этой, казалось бы, тупиковой ситуации являются альтернативные способы кодирования прошлого поведения ряда.

Альтернативным представлением входной информации можно считать значения индикаторов, построенные на основе ценовой динамики. Очевидные плюсы такого подхода:

а)   значение каждого из индикаторов зависит от определенного числа значений временного ряда в прошлом, таким образом использование совокупности нескольких индикаторов позволяет охватить рынок широким взглядом и посмотреть на рыночную ситуацию в прошлом с различных точек зрения.

б)  многочисленность индикаторов затрудняет их использование, тогда как каждый из них может оказаться полезным в применении к конкретному финансовому ряду.

в)   выборка с индикаторами обычно достаточно мала, и, соответственно, количество входных нейронов сети не велико.

Необходимо отметить, что в выборку стоит отбирать наиболее значимую комбинацию технических индикаторов, которую и следует затем использовать в качестве входов нейросети. Решить задачу выбора необходимых индикаторов можно при помощи оптимизационных методов и тех же нейронных сетей.

Как было отмечено выше, значения, подаваемые на входы ИНС, должны лежать в том же интервале, что и у активационных функций (сигмоидов) нейронов. Т.е. в процессе формирования обучающей выборки необходимо перекодировать значения индикаторов в интервал активационных функций, используемых в опытах ИНС, в том числе и с применением функций сигмоидов [37]. Наглядно процесс подготовки множества входных данных представлен на рисунке 2.8.

Рис. 2.8. Схема формирования входных сигналов ИНС на базе

индикаторов технического анализа

Стоит отметить, что описанный здесь способ представления входных данных не уступает по информативности методу «окон», но допускает такое сжатие информации, которое описывает прошлое с избирательной точностью. Подобного рода сжатие информации является примером извлечения из непомерно большого числа входных переменных наиболее значимых для предсказания признаков.



Содержание раздела