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
Результаты для 26-мерной входной матрицы
Forex

При столь небольшом числе степеней свободы (размерность равна 26) едва ли возможно построить сложную сеть, имеющую несколько (более одного) скрытых элементов и обладающую хорошими способностями к обобщению. Поэтому мы остановились на конфигурации 26-0-1, которая аналогична случаю логистической регрессии, и обучали сеть в течение 200 эпох. Получившийся в результате вектор весов приведен в приложении 3.


По нашей оценке, на 13.11.2018 г. лучшими брокерами являются:

• для торговли валютамиNPBFX;

• для торговли бинарными опционамиBinomo;

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

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


Один весовой коэффициент сам по себе мало что говорит о конечном вкладе переменной в решение. Разные комбинации входных значений по-разному взаимодействуют с комбинациями весов, поэтому при анализе необходимо учитывать и сами входные значения. Мы измеряли чувствительность начального решении к изменениям одной входной переменной. Этот метод дает возможность количественно оценить вклад каждой переменной в ответ для данного наблюдении. Вся последовательность действий такова:

1 Все значения одной из входных переменных х заменяются на ее безусловное ожидание (т.е. среднее арифметическое).

2 Выход сети перевычисляется для измененной таким образом входной матрицы при сохранении прежней матрицы весов.

3 Сравниваются друг с другом абсолютные остатки для такой входной матрицы и для исходной. Именно:

4 Проделать действия из предыдущего шага для остальных 25 переменных.

В приложении 4 приведены данные частотного анализа индивидуальных вкладов по каждой переменной. Величина вклада < 0.75 означает, что эта переменная «завышает» оценку фирмы, которая по классификации была, скорее всего, отнесена к 1-й или 2-й группам (с высоким кредитным риском). Наиболее значительный вклад в результат классификации дают следующие 7 переменных:

A3 Положение на рынке
А4 Экспорт
В9 Благонадежность управляющего
С5 Зависимость от косвенных налогов
D1 Чистая маржа
D2 Коэффициент покрытия долга
D3 Отношение ликвидности

Все семь переменных влияют на то, в какую группу попадет данный элемент, при этом высокий кредитный риск связан, прежде всего, с экспортом и покрытием долга, тогда как низкий кредитный риск коррелирует со всеми семью переменными.

Коль скоро переменная, соответствующая кредитному риску, позволяет различать между собой группы объектов, то естественным следующим шагом представляется предложенный Горманом и Сейновским кластерный анализ весов-состонния (multivariate analysis along the lines, см. гл.4). Далее, на решение оказывают влияние как финансовые, так и нефинансовые факторы.

Содержание Далее

Было бы интересно разделить влияние этих двух типов переменных и оценить маргинальный вклад качественных переменных. 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