Forex: просто о сложном Анализ рынка Форекс Торговля на Forex Технический анализ Форекс Forex-инвестиции Торговые стратегии Форекс Лучшие брокеры Форекс
Forex: просто о сложном Технический анализ 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.

   Наши партнеры:   Альпари   NPBFX   Exness   Intrade.bar

   Наши партнеры:
Альпари   NPBFX   Exness

Программа лояльности лучшего Форекс-брокера – компании «Альпари». Более 2 млн. клиентов из 150 стран. На рынке – с 1998 года. Выгодные торговые условия, ECN-счета с доступом к межбанковской ликвидности и моментальным исполнением, спреды – от 0 пунктов, кредитное плечо – до 1:1000, положительные отзывы реальных трейдеров.

РЕЗУЛЬТАТЫ КЛАССИФИКАЦИИ С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ

Один из лучших Форекс-брокеров 2019 года – компания «Forex4you». Быстрое исполнение, более 150 торговых инструментов, технический анализ от «Trading Central». Разрешен скальпинг, любые торговые советники и стратегии. Один из лучших Форекс-брокеров 2019 года – компания «NPBFX». Банковский Форекс. На рынке – с 1996 года. До 2016 года обслуживание всех клиентов осуществлялось от лица банка с лицензией Банка России (АО «Нефтепромбанк»). В начале 2016 года был проведен ребрендинг и перевод обслуживания частных клиентов в международную компанию «NPBFX Limited» с лицензией IFSC. В банке продолжается обслуживание корпоративных клиентов.

Были опробованы различные нейронные классификаторы, основанные на стандартной MBPN-модели, и их результаты сравнивались с тем, что дают методы MDA и 1-NN. Чтобы сохранить естественное отношение упорядоченности между тремя классами, выход был выбран одномерным. Описанные выше три агрегированных количественных показателя никаким преобразованиям не подвергались, поскольку их значения лежат в интервале от -2 до 2, и это вполне подходит для подачи на входной слой сети.


Знаете ли Вы, что: Форекс-брокер Exness ни под каким предлогом не отменил ни одного ордера своих клиентов без их согласия за всю историю своего существования.


Оба скрытых элемента и выходной элемент имели сигмоидную функцию преобразования с единичной крутизной и коэффициентом обучения 0.1. Полученные на выходе значения разбивались на три группы в соответствии с предполагаемым вариантом ответа на основной вопрос:

Здесь, как и в предыдущих случаях, мы применяли процедуру перекрестного подтверждения (по очереди отбрасывая каждое наблюдение) с цепью выбрать наилучшую конфигурацию сети (с точки зрения способности к обобщению) и получить оценку надежности модели. Каждый вариант конфигурации сети обучался в течение 30 циклов (3000 эпох) на 29 образцах, а 30-й образец оставлялся для проверки. Выбор подходящей архитектуры сети осуществлялся на основании статистики по среднеквадратичной ошибке (RMSE) перекрестного подтверждения (CV = Cross-Validation).

Была сделана попытка выбрать степень сложности модели, исходя из другого критерия — итоговой ошибки прогноза (FPE-Final Prediction Error). Эта величина вычисляется по ошибке на всем обучающем множестве с добавлением штрафного слагаемого за сложность модели:

Для линейных моделей в предположении, что объем выборки достаточно велик, этот критерий дает несмещенную оценку риска обобщения при прогнозе. Это утверждение верно в асимптотическом смысле при N—>ас, и наши результаты указывают на то, что при S{\)-*N оно не выполняется. Утанс и Муди утверждают, что несмещенные оценки могут быть получены также для нелинейных моделей (в частности, нейронных сетей).

Мы подсчитывали FPE для различных сетей возрастающей сложности, и в табл. 8.11 приведены результаты, соответствующие двум видам выходных элементов: много порогового (0,0.5,1) и сигмоидного.

Для исследуемой задачи модель FPE1 (сигмоидная) представляется не вполне подходящей, так как FPE здесь более естественно было бы вычислять «ступенчато» (как это делается в FPE2). Критерий FPE2 имеет локальный минимум для конфигурации 3-1-1, что согласуется с результатами перекрестною подтверждения. Это, однако, говорит о том, что ни один из методов выбора модели не является идеальным (при конечном числе точек наблюдения). Поэтому мы остановим свой выбор на перекрестном подтверждении как на наиболее надежном методе выбора варианта модели и рассмотрим 3-1-1 сеть.

Из таблицы результатов классификации для 3-1-1 сети (см. табл. 8.13) видно, что 80% случаев из 1-й группы и 90% из 3-й группы были классифицированы правильно. С другой стороны, из сомнительных компаний ни одна не была идентифицирована правильно.

Мы проводили также обучение этих сетей на всем обучающем множестве (метод повторной подстановки), меняя при этом число скрытых элементов от 0 до 4. Как и следовало ожидать, при увеличении сложности сети (числа весов) ошибка классификации уменьшалась, а для сети с четырьмя скрытыми элементами даже было достигнуто полное соответствие в отображении (ошибка равна нулю). Так как для отделения друг от друга трех групп понадобилось 4 скрытых элемента, задача, очевидно, является нелинейно отделимой. Однако результаты перекрестного подтверждении заставляют сомневаться в возможностях такой сети к обобщению. Далее будут анализироваться результаты, полученные для модели 3-1-1 после 7000 эпох обучения.

Конфигурация 3-1-1 дает точность классификации примерно 70%, что на 10% лучше, чем MDA. В первой группе число правильно классифицированных элементов стало больше на 30% — прекрасный результат с учетом того, что структура базы данных позволяет анализировать только ошибки 1-го рода. Показательно, что и MDA, и нейронная сеть одновременно неправильно классифицировали одну из компаний 1-й группы (№13 в списке) как жизнесносо6ную (отнесли ее к 3-й группе). Такое совпадение заставило банк пересмотреть ее рейтинги. Оказалось, что эта компания получила очень высокие оценки по многим параметрам благодаря тому, что в тот момент качество опенки было несовершенным.

Нейронная сеть не смогла превзойти результаты метода MDA на 2-й группе компаний. Эта группа состоит из фирм с неясным будущим. В данный момент их финансовое положение неустойчиво, и, возможно, они справятся с этими трудностями, а, может быть, и нет. Было бы интересно сравнить результаты классификации с тем, что в действительности произошло с этими фирмами спустя некоторое время. Опять-таки, приятно отметить, что компании, неправильно классифицированные методом MDA, были также неправильно оценены нейронным классификатором. 100-процентный результат, достигнутый на 3-й группе, говорит о том, что эта часть компаний образует отчетливо выделяемую область в пространстве переменных.

Все полученные результаты собраны на рис. 8.1, где для каждой компании наряду с ее истинным номером группы (целевой переменной) изображены результаты ее классификации 3-1-1 нейронной сетью, методами MDA и 1-NN.

Содержание Далее

В случае «слива» депозита Вам в графу «Кредит» будет начислена половина потерянной суммы сроком на 3 рабочих дня. Вы не сможете вывести эти средства, однако сможете полноценно использовать их для торговли, чтобы с их помощью попытаться «отбить» потери. Вся прибыль, полученная с использованием кредитных средств, будет Вашей без каких-либо ограничений.

Для удобства дискретные выходные значения представлены в непрерывном виде.

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

Лучший Форекс-брокер – компания «Альпари». Более 2 млн. клиентов из 150 стран. На рынке – с 1998 года. Выгодные торговые условия, ECN-счета с доступом к межбанковской ликвидности и моментальным исполнением, спреды – от 0 пунктов, кредитное плечо – до 1:1000, положительные отзывы реальных трейдеров.