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
Глава 8. Оценка кредитного риска на основании данных нефинансового характера
Forex

Многие модели предсказания банкротств убедительно демонстрируют свои способности к прогнозированию в задачах классификации задним числом (ex post). В ситуации же ex ante, когда права при банкротстве, резервы выживания и кредитные резервы взаимосвязаны, эти модели работают плохо. С другой стороны, как заметил Арженти, при том, что нейронные сети могут работать и с числовыми, и с нечисловыми данными, было предпринято очень мало попыток включить в рассмотрение данные качественного характера.


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).


В описанном далее исследовании мы ставили перед собой цель построить нейронно-сетевые классификаторы для двух задач. Первая задача состояла в оценке финансовых трудностей компаний в ситуации ex ante на основе информации, которой располагали 12 финансовых чиновников в Польше. В восьми ведущих польских банках была собрана база данных по 59 (анонимным) компаниям, включающая 21 качественный и 5 количественных показателей. Наличие двух типов данных не позволяет применить обычные дискриминантные модели типа Logit или MDA, поэтому данные были преобразованы с помощью нелинейного анализа главных компонент. Такое преобразование дало нам возможность сравнивать результаты нейронно-сетевой модели, полученные при перекрестном подтверждении (кросс-валидации), с результатами линейного метода MDA.

Сравнение (в смысле ошибок 1-го и 2-го рода) результатов ех ante — прогнозирования с помощью нейронной сети и на основе традиционных методов MDA — свидетельствует о том, что применение нейронных классификаторов оправданно в условиях постоянно меняющейся ситуации, что характерно для польского рынка капиталовложений.

Вторая прикладная задача, которая рассматривается в этой главе, связана с ex post оценкой кредитного риска по фрагменту портфели займов, выданных корпоративным клиентам Голландского Инвестиционного банка (NIB). Этот частный торговый банк с преобладающей долей государственной собственности специализируется на предоставлении средне- и долгосрочных займов корпорациям. Для описания компаний-заемщиков банка в модели использовалось 44 качественных и 5 количественных переменных.

Содержание Далее

Сведения о компаниях, которые обращались с просьбой о предоставлении займа и которым было отказано, не сохранились, поэтому проведение ex post анализа ошибок 2-го рода было невозможно. 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