Forex: просто о сложном Анализ рынка Форекс Торговля на Forex Технический анализ Форекс Forex-инвестиции Торговые стратегии Форекс Лучшие брокеры Форекс
В данной книге рассмотрены методы построения и обучения нейронных сетей. Описаны наиболее распространенные виды сетей и их применение к таким расчетам на финансовом рынке, как расчет цен опционов, оценка индексов акций и управление международным портфелем.
Лучший брокер бинарных опционов
"Poverkh bar'erov"
Forex

Так уж совпало: нам стало известно, что научное издательство «ТВП» проявило интерес к плоду наших раздумий — книге «Нейронные сети и финансовые рынки: принятие решений в торговых: операциях» — как раз в те дни, когда компания Кристи оповестила книжных коллекционеров всего мира о том, что она выставляет на аукцион в Лондоне рукописи и подлинные письма Б. Пастернака.

Мы не понаслышке знаем, как высок в России уровень исследований в области адаптивных нелинейных моделей, и испытываем чувство гордости от того, что наша книга будет предложена вниманию столь квалифицированной читательской аудитории.


По нашей оценке, на 18.09.2018 г. лучшими брокерами являются:

• для торговли валютамиАльпари;

• для торговли бинарными опционамиBinomo;

• для инвестирования в ПАММы и др. инструменты – Альпари;

• для торговли акциямиRoboForex Stocks (более 8700 инструментов – на счете R Trader).


Почему эта книга была выбрана для перевода? Разумеется, мы можем лишь строить предположения на сей счет, но считаем нужным отметить, что в книге дается очень прагматичный и непредвзятый подход к трудным вопросам, возникшим в области корпоративных финансов после того, как на смену сегментации и регулированию пришли свободные финансовые потоки и свободный обмен достоверной информацией. Опыт работы в MBA-классах (Master of Business Administration) в Манчестерской Школе бизнеса (Великобритания) и Роттердамской Школе менеджмента (Голландия) убедил нас в том, что интеллектуалу-теоретику необходима скромность. Очень скоро нам стало ясно, что теоретическое превосходство той или иной модели ценообразования рынка ценных бумаг вовсе не гарантирует реального финансового успеха в виде роста счета в банке. Любая модель дает лишь общую схему для анализа сложных явлений реальной жизни и вместе с тем зачастую огорчает нас излишней жесткостью своих предположений. В то же время, финансовая информация распространяется не идеально, а на рынках происходят изменения, связанные с регулированием и конкуренцией

Понимание этих обстоятельств заставило нас переключить свое внимание с универсальных моделей на новые перспективные методы. В 1990 году искусственные нейронные сети— в то время новая вещь для финансовой науки — преподносились как чудодейственное средство, способное почти полностью вытеснить человека из сферы операций на финансовых рынках. Буквально то же самое говорилось десятью годами ранее про экспертные системы. В действительности, внутренняя негибкость, присущая системам, основанным на правилах и даже линейно согласованных соотношениях, не позволяет им быть адекватным средством анализа динамичных и изменчивых рынков капитала. Поэтому когда нам и полной мере стали ясны потенциальные возможности нейронных сетей, мы почувствовали большое воодушевление. Искусственные нейронные сети, будучи методом, -свободным от моделей» ("model-free"), позволяют нам оценивать доход по финансовым активам или частоту невыполнения обязательств по контрактам, не связывая себя при этом ограничениями, которые налагаются в общепринятых теоретических моделях.

Более того, безмодельный подход позволил нам включать в рассмотрение в качестве потенциальных источников информации такие экзотические переменные, как погода (количество дождливых и солнечных дней), а также качественные переменные, скажем, организационную гибкость. Хотя, на первый взгляд, такие переменные кажутся слишком необычными, но крайней мере, интуитивно понятно, что они могут отвечать за какую-то составляющую дохода но активу или его волатильности. Так, в холе работы в рамках нашего совместною проекта с Министерством финансов Голландии выявился ряд задач, где погодный фактор является высокозначимой объясняющей переменной.

Наши коллеги в финансовых подразделениях далеко не всегда приветствовали такой либеральный и неструктурный в смысле модели подход к проблеме. Примерно до 1994 года консервативные эконометристы отвергали саму идею о том, что нейронные сети могут быть средством моделировании, Сетевые методы подвергались насмешкам из-за того, что они устроены как «черный ящик», а также из-за наличия обучающих параметров, подбор которых производится практически «на глаз». В самом деле, разве профессор X. Уайт не доказал со всей определенностью, что в задаче прогнозирования дохода по акциям IBM нейронные сети дают худшие результаты, чем модель случайного блуждания?

Позднее выяснилось, что данные по акциям IBM не являются достаточно репрезентативными, и поэтому данный результат ни в коем случае не компрометирует нейронно-сетевые методы. Постепенно сословие эконометристов искренне приняло нейронно-сетевую методологию как универсальное средство функциональной аппроксимации. В настоящее время фирмы-производители таких статистических программных пакетов, как SAS», включают в них нейронно-сетевые модули.

Нам кажется, что сейчас интеллектуальная пыль несколько осела. Наша позиция предельно четкая: нейронные сети — не волшебная палочка, а математический метод. Не будучи панацеей, нейронные сети позволяют, по крайней мере, отчасти, предсказать величину непредвиденного дохода по финансовым актинам. В современном мире финансов, когда дневной оборот валютного рынка превышает 1 триллион долларов, улучшение качества прогноза всего на 1% принесет значительную прибыль. Далее, мы считаем, что наибольшую пользу нейронные сети могут принести в задачах обработки качественных данных. Европейская Комиссия включила в программу ESPRIT ряд исследовательских проектов, результаты которых позволили бы учитывать "новости" (мягкие данные) в моделях принятия финансовых решений. Прекрасным полем для дальнейшего развития этого направления может стать финансовый рынок России, уже сейчас играющий заметную роль в мире. Мы искренне надеемся на то, что наша книга будет способствовать лучшему пониманию возможностей нелинейных адаптивных методов, равно как и связанных с ними ловушек.

Мы очень благодарны проф. С.В. Курочкину (Вычислительный центр Российской Академии наук) за его кропотливый труд переводчика. Мы также глубоко признательны д-ру В.И. Хохлову (Математический ин-т им. В.А. Стеклова РАН) и издательству "ТВП" за энтузиазм и поддержку. К нашему великому сожалению, мы не знаем русского языка, и очень надеемся, что такие проекты, как этот, будут усиливать давление па западную систему образования с тем, чтобы ваш прекрасный язык был включен в учебные планы вузов.

Д-р Дирк-Эмма Бэстенс
Женераль Банк
Брюссель

Д-р Виллем-Макс ван ден Берг
Факультет финансов
Университет Эразма, Роттердам

Проф. Д. Вуд
Манчестерская Школа Бизнеса

Содержание Далее

Разумеется, все допущенные в книге ошибки остаются на нашей совести. Alpari
Forex: просто о сложном
Яндекс.Метрика
Литература по биржевой торговле:

Бестенс Д. и др. Нейронные сети и финансовые рынки

Ван Тарп и др. Биржевые стратегии игры без риска

Грант К. Управление рисками в трейдинге

Моррис Г. Японские свечи

Пайпер Д. Дорога к трейдингу

Резго Г.Я., Кетова И.А. Биржевое дело

Рэдхэд К., Хьюс С. Управление финансовыми рисками

Сафонов В. Трейдинг. Дополнительное измерение принятия решений

Торговая система Woodies CCI

Торговая стратегия «Трейдинг без головной боли»

Тощаков И. Forex: игра на деньги. Стратегии победы

Хатсон Дж. Метод Вайкоффа

Черепков А. Теория длинных волн Н.Д. Кондратьева

Бинарные опционы Альпари