Нейромережеве прогнозування інструментів фінансового ринку
Побудування архітектури нейронної мережі та її математичної моделі, що адаптована до прогнозування котировок інструментів валютного ринку. Врахування особливостей подання часового ряду котировок у виді "японських свічок" при побудові нейронної мережі.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | статья |
| Язык | украинский |
| Дата добавления | 09.01.2019 |
| Размер файла | 25,5 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Размещено на http://www.allbest.ru/
Нейромережеве прогнозування інструментів фінансового ринку
Часовий динамічний ряд розглядається на перетині різних дисциплін та теорій: статистика, теорія ймовірності, теорія динамічного хаосу, теорія нечітких рядів, теорія ігор і т.і. На даний час дуже актуальним стає прогнозування часових рядів з застосуванням інтелектуальних технологій, зокрема, теорії нейронних мереж. Про це свідчить велика кількість публікацій з цієї тематики. Проблема прогнозування фінансових часових рядів передбачає фундаментальний та технічний аналіз ринку цінних паперів.
Нейромережеве прогнозування є одним із перспективних методів технічного аналізу ринку валюти, цінних паперів, інших фінансових інструментів.
Перевага математичних нейронних мереж над іншими методами прогнозування в здатності нейронної мережі до «навчання». Нейронна мережа здатна моделювати такі якості інтелекту як адаптація, розпізнавання образів і т. п.
Аналіз останніх досліджень і публікацій. Науковцями інтенсивно вивчаються ключові питання прогнозування часових рядів [1], методи та алгоритми розв'язку задач прогнозування в умовах невизначеності [2].
В працях [3] - [5] розв'язок задачі прогнозування часових рядів запропоновано проводити шляхом зображення його у вигляді ряду, компонентами якого є тензори, створені як 3t (t=2, 4,…) послідовних елементів ряду. Тензор характеризується системою власних інваріантів: I0, Ii, I2, I3… In (для тензора другого рангу (t=2) існує 4 інваріанти головного тензора). Для кожного інваріанта формується власний часовий ряд (у тензорному часі), для якого виконується прогнозування. В [6] розглянуто подання невизначеності, в тому числі невизначеності, модельованої у формі нечітких множин, у вигляді головних і приєднаних тензорів парних рангів і їх інваріантів, проведена порівняльна оцінка моделювання інтервалу і нечіткої змінної тензором 2-го і 4-го рангів. В [7] розглянута кластеризация даних, що подані як нечіткі змінні.
Однак, актуальним є побудова математичної моделі для реалізації її в середовищі мови програмування MQL 4 (MQL 5), що адаптована до платформ Forex - ринку, зокрема Meta Trader. Платформа Forex - ринку може слугувати свого роду полігоном для апробації та вдосконалення самонавчаючихся нейромережевих моделей призначених для прогнозування будь-яких часових рядів.
Постановка завдання. Метою статті є побудова математичної моделі нейронної мережі для дослідження часового ряду котировок фінансового ринку Forex та трансформація моделі в програмний продукт на мові MQL4.
Досягнення вказаної мети передбачає, враховуючи особливості представлення часового ряду котировок в виді «японських свічок», виконати завдання адоптації математичної моделі для подальшої її трансформації в програмний продукт на мові MQL4 (MQL5) та для побудови «експерта» - програми, що здійснює торгівлю на фінансовому ринку в автоматичному режимі.
Японські свічки - вид інтервального графіка і технічний індикатор, що застосовується переважно для показу змін біржових котировок акцій, цін на сировину тощо.
Об'єктом дослідження є часовий ряд котировок інструментів фінансового ринку. Методом дослідження є нейромережеве моделювання числового ряду. Математичною базою нейромережевого моделювання є теорема Колмогорова.
Ця теорема показала принципову можливістьреалізації як завгодно складних залежностей за багатошарового персептрона.
Введемо позначення: n - кількість вхідних нейронів (і = 0,…, гі), p - кількість прихованих нейронів (j = 0,…, p). Xi - сигнал, що поступає на вхідний нейрон,
Рис.2. Біполярний сигмоїд
В результаті дослідження нами розроблено програму-експерт на мові MQL4 для здійснення торгівлі на Forex-ринку в автоматичному режимі. Нижче наведено фрагмент програми, що призначений для трансформації параметрів «японських свічок» Нг, Li, 0г, Ct та Ґі в значення X для подачі на вхід мережі. Фрагмент програми, який реалізує перетворення (17):
{for (int i = shift; i < number_siches + shift + 2; i++) {double SC[50]; SC[i] = 10000*stLog*MathLog ((iHigh («EURUSD», PERIOD_M1, i) + iLow («EURUSD», PERIOD_M1, i))/(iHigh («EURUSD», PERIOD_M1, i+1)+iL ow («EURUSD», PERIOD_M1, i+1))); double CB[50]; CB[i] = 10000*stLog*MathLog ((iOpen («EURUSD», PERIOD_M1, i)+iClose («EURUSD»,
PERIOD_M1, i))/(iOpen («EURUSD», PERIOD_M1, i+1)+i
Close («EURUSD», PERIOD_M1, i+1)));
double V[50]; V[i] = iVolume («EURUSD»,
PERIOD_M1, i);
V [i+1] = iVolume («EURUSD», PERIOD_M1, i+1);
double TV[50]; TV[i] = MathLog (V[i]/V [i+1]);} return (0);}
В роботі розроблено архітектуру нейронної мережі та побудовано її математичну модель, що адаптована до прогнозування котировок інструментів валютного ринку. Також розроблено програму - експерт на мові MQL4 для здійснення торгівлі на Forex-ринку в автоматичному режимі. При побудові нейронної мережі та математичної моделі враховано особливості представлення часового ряду котировок в виді «японських свічок».
Подальше дослідження передбачає апробацію програми, на платформі Forex - ринку, вдосконалення архітектури нейронної мережі та вдосконалення технологічного циклу передбачення ринкових фінансових часових рядів.
Список використаних джерел
нейронний мережа прогнозування валютний
1. Саймон Хайкин «Нейронные сети полный курс», 2-е изд., испр.: пер. с англ./С. Хайкин - М.:ООО «И.Д. Вильямс», 2006. - 1104 с.
2. Hecht-Nielsen R. Kolmogorov's mapping neural network existence theorem // Int. Conf.NN.IEEE Press, 1987. - Vol. 3. - P.11-13.
3. Филимонова О.Ю. Прогнозирование временных рядов в тензорном нейросетевом базисе / О.Ю. Филимонова // Містобудування та терит. планув. - 2005. - Вип. 20. - С. 367-387.
4. Филимонова О.Ю. Интеллектуальные технологии прогнозирования временных рядов [Електронний ресурс] / О.Ю. Филимонова, Ю.И. Пинаєва // Містобудування та терит. планув. - 2006. - Вип. 23. - С. 314-327.
5. Жуков И.А. Особенности прогнозирования временных рядов в тензорном времени / И.А. Жуков, Ю.Н. Минаев, О.Ю. Филимонова // Электрон. моделирование. - 2006. - 28, №2. - С. 55-70.
6. Минаев Ю.Н. Нечеткая математика на основе тензорных моделей неопределенности. I. Тензор - переменная в системе нечетких множеств / Ю.Н. Минаев, О.Ю. Филимонова // Электрон. моделирование. - 2008. - 30, №1. - С. 43-57.
7. Минаев Ю.Н. Иерархическая кластеризация нечетких данных / Ю.Н. Минаев, О.Ю. Филимонова, Ю.И. Минаева // Электрон. моделирование. - 2012. - 34, №4. - С. 3-22.
Размещено на Allbest.ru
...Подобные документы
Топології нейронної мережі та їх застосування, варіанти вибору архітектури мереж, число проміжних шарів і число елементів, архітектури мереж користувачів. Мережі для задач з багатьма класами, операція додавання матриці втрат, багатошаровий перцептрон.
контрольная работа [227,3 K], добавлен 21.06.2011Навчання штучних нейронних мереж, особливості їх використання для вирішення практичних завдань. Рецепторна структура сприйняття інформації. Перцептрон як модель розпізнавання. Задача моделювання штучної нейронної мережі з розпаралелюванням процесів.
дипломная работа [2,8 M], добавлен 24.07.2013Бібліотека Pcap та її реалізація WinPcap під платформу Windows. Аспекти робот з бібліотекою WinPcap. Штучні нейронні мережі. Застосування бібліотеки Winpcap для захоплення мережевого трафіку. Реалізація нейронної мережі Кохонена для аналізу заголовків.
дипломная работа [2,2 M], добавлен 09.06.2012Основні поняття теорії нечіткої логіки. Прогнозування економічних процесів та курсу валюти на фінансовому ринку. Системи та алгоритми нечіткого виводу. Адаптивні системи нейро-нечіткого виводу. Процес розробки і перевірки нечіткої моделі гібридної мережі.
курсовая работа [3,1 M], добавлен 19.06.2014Характеристика інструментів MatLab - пакету прикладних програм для числового аналізу. Основні функції та можливості програмного комплексу. Скриптова мова програмування. Побудова моделі штучної нейронної мережі за допомогою команди NNTool та її тестування.
лабораторная работа [215,8 K], добавлен 11.06.2015Специфіка застосування нейронних мереж. Огляд програмних засобів, що використовують нейронні мережі. Побудова загальної моделі згорткової нейронної мережі. Реалізація нейромережного модулю розпізнавання символів на прикладі номерних знаків автомобілів.
дипломная работа [3,4 M], добавлен 15.03.2022Розробка системи підтримки прийняття рішень для проектування комп’ютерної мережі. Матричний алгоритм пошуку найменших шляхів. Програма роботи алгоритму в MS Excel. Розробка програми навчання нейронної мережі на основі таблиць маршрутизації в пакеті Excel.
курсовая работа [2,8 M], добавлен 12.12.2013Часовий ряд як сукупність значень будь-якого показника за декілька послідовних моментів або періодів часу. Знайомство з методами для прогнозування часового ряду за допомогою штучних нейронних мереж. Розгляд головних задач дослідження часового ряду.
контрольная работа [1,1 M], добавлен 14.09.2014Вибір архітектури і топології мережі, її оптимальної конфігурації. Налагодження операційної системи сервера. Технічне та програмне обслуговування комп’ютерної мережі. Розрахунок необхідної довжини кабелю та кількості й типів мережного обладнання.
дипломная работа [6,2 M], добавлен 15.06.2014Дослідження особливостей управління взаємодією вузлів мережі при обміні даними. Вивчення типів адрес, які використовуються у IP-мережі. Огляд алгоритмів гнучкого використання адресного простору, формування та обробки IP-адрес. Маршрутизація в ІР-мережах.
контрольная работа [22,0 K], добавлен 25.04.2014Вибір та обґрунтування компонентів мережі, клієнтської частини, комунікаційного обладнання та прикладного програмного забезпечення. Опис фізичної та логічної структури мережі. Принципова схема топології мережі та cхема логічної структури мережі.
курсовая работа [487,4 K], добавлен 16.02.2015Представлення типів даних при роботі нейронними мережами. Корисні вхідні змінні, їх тестування методом спроб та помилок. Генетичний алгоритм відбору вхідних даних. Нелінійне пониження розмірності, пропущені значення. Створення нового набору даних.
реферат [1,1 M], добавлен 09.07.2011Комплексна обробка просторово-розподілених ресурсів мережі Інтернет. Системи інформаційного моніторингу в мережі. Обґрунтування технологій, розробка системи інтеграції Інтернет-контенту для конкурентного середовища ринку праці. Оцінювання систем аналізу.
дипломная работа [763,8 K], добавлен 14.07.2013З’єднання компонентів мережі офісу на фізичному та канальному рівні, створення топології мережі, налаштування адресації та маршрутизації. Моделювання потоків трафіку і обміну пакетами між роутерами мережі, розрахунок подвоєної затримки поширення сигналу.
курсовая работа [402,1 K], добавлен 23.12.2015Дослідження призначення та видів мережевих технологій - погодженого набору стандартних протоколів та програмно-апаратних засобів, достатнього для побудови локальної обчислювальної мережі. Комбінування архітектури комутаційної матриці й загальної шини.
реферат [523,1 K], добавлен 18.02.2011Аналіз локальних мереж та характеристика мережі доступу за технологією 802.11АС. Створення та проектування мережі в Державній установі "Науково-методичний центр вищої та фахової передвищої освіти" та її захист. Переваги бездротової мережі передачі даних.
дипломная работа [4,6 M], добавлен 14.06.2021Дослідження ключових інструментів електронної торгівлі: системи електронних платежів, переказів грошових коштів, обміну даними та глобальної мережі Інтернет. Характеристика використання інформаційних технологій у виробничій та збутовій сфері комерції.
реферат [20,9 K], добавлен 14.05.2011Проект комп’ютерної мережі масштабу чотирьохповерхового будинку, побудованої на базі технології Worldwide Interoperability for Microwave Access (WiMAX), розгляд загальних характеристик, переваг та обмеження. WiMAX як технології безпровідного зв'язку.
курсовая работа [2,5 M], добавлен 03.06.2011Загальна характеристика підприємства "Focus". Огляд програмного забезпечення для створення комп’ютерної мережі. Вибір мережевої служби та протоколів, архітектури, кабелю. Розрахунок обсягу даних, мінімальної конфігурації для серверів та робочих станцій.
курсовая работа [600,9 K], добавлен 20.05.2015Характеристика особливостей побудови біологічних та штучних нейронних мереж. Вивчення їх активіаційних функцій: порогової бінарної, лінійної обмеженої, гіперболічного тангенса. Персептрони і зародження штучних нейромереж. Багатошарові нейронні мережі.
реферат [1,2 M], добавлен 11.06.2010
