Меню
Главная
Авторизация/Регистрация
 
Главная arrow Экономика arrow Фундаментальный анализ на рынке ценных бумаг
Посмотреть оригинал

Перспективные разработки в области программного обеспечения фундаментального анализа на базе нейронных сетей

Нейронная сеть является набором особых математических функций с большим числом параметров, настраиваемых на прошлых данных в процессе обучения. Поведенческий подход к решению задачи взят за основу нейросетей, сети учатся на примерах с помощью подбора своих параметров благодаря особенным алгоритмам обучения.

Методика принятия решения уже обученной нейросети с практической точки зрения проста: на входе вносятся некоторые числовые или текстовые данные и нейронная сеть ищет подобные в исторических данных, с помощью которых происходило ее обучение.

В большинстве своем нейросеть используется в тех случаях, когда точный вид связи между входами и выходами неизвестен, при определенном заранее виде связи ее можно было бы смоделировать непосредственно. Другая значительная особенность нейросетей заключается в том, что взаимосвязь между входом и выходом выявляется на этапе обучения сети.

Использование нейронных сетей определено их способностью работать с зашумленными и противоречивыми данными. Выделяется два существенных преимущества нейросетей:

  • 1) применение нейронных сетей позволяет легко изучать зависимость предсказываемой величины от независимых переменных,
  • 2) настройка нейросетевой модели осуществляется адаптивно во процессе обучения и не требует участия эксперта. Нейронной сети при этом предъявляются примеры из существующей базы данных и она сама подстраивает себя под эти данные.

Особенностью нейронных сетей можно назвать их недетерминированность. Здесь подразумевается то, что после обучения аналитик получает «черный ящик», работающий каким-то образом, причем логика принятия решений нейросетевой системой совершенно сокрыта от эксперта.

Компания «Интеллектуальные технологии автоматизации» в попытке решить крайне сложную и трудоемкую задачу анализа финансовых рынков в долгосрочной перспективе столкнулась со следующей проблемой. Разработчики отмечают, что в отличие от эффективного на краткосрочных сделках технического анализа, обучить машину фундаментальному является задачей весьма непростой и интересной. Классические методы выстраивания дерева решений в данной ситуации не подходят. Машина с такими алгоритмами не может «видеть» контекст и «понять» причинно- следственную связь. Даже с дальнейшим развитием нейронных сетей данная задача является очень сложной и не имеет однозначного решения.

Разработчикам удалось объединить несколько подходов к решению этой задачи и получить первые положительные результаты. Основной проблемой, которую предстояло решить, был сбор и анализ данных. Поскольку фундаментальные данные, чаще всего, являются простым текстом, написанным людьми и без строгой шаблонизации, специалисты построили нейросеть, анализирующую более 15 000 финансовых новостных ресурсов. Такой объем информации позволяет выявить закономерности в массиве разных текстов, относящихся к одному и тому же событию.

Проанализированные данные из первого ряда сети преобразуются и очищаются для работы в следующем исполнительном блоке. Параллельно к исполнительному блоку направляются данные нейросети технического анализа. Соединив и обработав эти два потока исполняющая нейронная сеть успешно прогнозирует реакцию рынка на фундаментальные факторы.

В результате строительства и обучения данной сети на протяжении долгих лет процент ошибочных прогнозов составил 44.3%. Работы над этой задачей продолжаются.

Тем не менее, несмотря на сложности в разработке, потенциал у нейронных технологий огромен, но их эффективное использование требует определенного уровня знаний и понимания принципов их действия. Нейронные сети, в отличие от статистических методов многомерного классификационного анализа, базируются на параллельной обработке информации и обладают способностью к самообучению, то есть получать обоснованный результат на основании данных, которые не встречались в процессе обучения. Эти свойства позволяют нейронным сетям решать сложные (масштабные) задачи, которые на сегодняшний день считаются трудноразрешимыми. Нейронные сети представляют собой новую и весьма перспективную вычислительную технологию, дающую новые подходы к исследованию динамических задач в финансовой области. Способность к моделированию нелинейных процессов, работе с зашумленными данными и адаптивность дают возможность применять нейронные сети для решения широкого класса финансовых задач.

 
Посмотреть оригинал
< Предыдущая   СОДЕРЖАНИЕ   Следующая >
 

Популярные страницы