Нейроанализ рынка

Урок 1. Нейронные сети: на службе у трейдера.​

В настоящее время практически каждый трейдер, работающий на рынке Форекс, слышал о применении нейросетевых технологий для анализа рыночных ситуаций. Среди тех людей, которые этим анализом не пользуются, чаще всего встречаются трейдеры двух категорий. К первой относят тех, кто видит в нейронных сетях Грааль, способный зарабатывать немыслимые суммы за кратчайшие сроки, другие же – совершенно бесполезную вещь.

В этой статье мы попытаемся развеять сомнения скептиков, и «спустить на землю» мечтателей, для чего сначала сделаем краткий экскурс в историю. Очень сложно сказать, когда именно люди начали пытаться создать «мыслящие машины», способные давать какой-либо совет изобретателю. Принято полагать, что становление науки об искусственном интеллекте началось чуть раньше середины прошлого века. Без столь высоких расчетных мощностей, которыми сейчас обладает практически каждый человек, имеющий свой персональный компьютер, тогдашние первопроходцы пользовались «суперкомпьютерами» на лампах. Однако, были весьма интересные и незаурядные решения. Например, в 1961 году профессор Д. Мичи, один из ведущих английских специалистов по искусственному интеллекту, описал механизм, состоящий из 300 спичечных коробков, который мог научиться играть в крестики и нолики. Мичи назвал это устройство MENACE (Matchbox Educable Naughts and Crosses Engine). Остается только представить, сколько спичечных коробков нужно для того, чтобы «сделать думающую» машину для анализа рынка Форекс.

Прочесть урок полностью и посмотреть пример нейроанализа можно в 46 номере журнала ForTrader.ru: https://fortrader.org/ftgate.php?id=127&num=46

Урок 2. Нейронные сети: на службе у трейдера (продолжение).

На прошлом уроке было рассказано о многослойных нейронных сетях, их простейшем применении в анализе рыночных ситуаций на примере динамической Moving Average, были рассмотрены принципы и методы обучения многослойных систем. Стоит отметить, что такого рода нейросетевые структуры относят к «обучающимся при помощи учителя». Это говорит о том, что сохранение необходимой точности работы нейронной сети требует регулярного проведения процедуры переобучения на исторической выборке данных с заданными условиями.
Зачастую бывает очень полезно свернуть информацию об объекте многомерного пространства в точку на плоскости, т.е. отобразить данные, которые сходу вообще проанализировать невозможно. Решение таких задач сложно осуществить при помощи многослойных нейронных сетей, но под силу самоорганизующимся картам Кохонена, обучение которых происходит без обучающей выборки.

Прочесть урок полностью и посмотреть пример нейроанализа можно в 47 номере журнала ForTrader.ru: https://fortrader.org/ftgate.php?id=127&num=47

Урок 4. Практический урок нейроанализа.

В предыдущих статьях мы рассмотрели принципы работы и различные структуры нейронных сетей, которые можно применить при анализе рыночных ситуаций. Для закрепления пройденного материала напишем программу на языке MQL, которая будет анализировать рыночную ситуацию, используя нейронные сети двух типов – многослойный перцептрон, и самоорганизующуюся карту Кохонена.
Как было отмечено ранее, возможности языка MQL сильно ограничены, поэтому выполнять нейросетевые вычисления необходимо во внешней среде, например, при использовании библиотеки, которая может быть реализована на языке С++.
Обучение многослойного перцептрона будет проводиться по генетическому алгоритму, который для простоты реализации напишем на языке MQL. Библиотеку работы с самоорганизующейся картой Кохонена сгенерируем при помощи программы NeuroShell2, которая была описана во второй статье.
Давайте начнем с описания многослойного перцептрона, который имеет следующие параметры.


Прочесть урок полностью и посмотреть пример нейроанализа можно в 49 номере журнала ForTrader.ru

Урок 5. Нейроанализ. Практический урок. Продолжение.

Этот урок, являющийся продолжением краткого практического курса, положившего свое начало в предыдущей статье, будет повествовать о некоторых тонкостях в создании торговой стратегии на основе искусственного интеллекта, а также рассказывать об огромной массе способов достижения желаемого результата.
Действительно, как отмечалось ранее, получить тот результат, ради которого все это затевается, можно большим количеством способов. Разумеется, для человека, который имеет мало опыта в программировании и трейдинге, получение единственного положительного результата – это определенно большая победа. Наша задача – помочь людям, которые интересуются подобными вопросами, при помощи нашего опыта в подобных делах.

Прочесть урок полностью и посмотреть пример нейроанализа можно в 50 номере журнала ForTrader.ru