Практическая часть - Использование нейронных сетей для прогнозирования и принятия автоматизированных решений при инвестировании на фондовом рынке

В данной главе рассмотрены все этапы построения конкретной нейросетевой модели для анализа и прогнозирования цен на акции эмитентов, входящих в индекс РТС.

Построение модели искусственной нейронной сети, в разрезе поставленной задачи, включает следующие этапы:

    - Выбор эмпирической базы для исследования. Применительно к данной задаче:
      1. Выбор временного интервала для данных, который сформируют обучающую выборку для нейронной сети 2. Выбор временного интервала для данных, на основе которых будет оцениваться эффективность прогноза модели 3. Определение "частоты" данных о котировках (тики, минутные бары, дневные котировки и тд.) 4. Определение набора инструментов, которое будут объектом анализа искусственной нейронной сети 5. Поиск релевантных данных в соответствии с пунктами 1-3.
    - Формирование начальных входных данных для модели. Обработка данных из сформированной "базы данных" для подачи на вход нейронной сети. - Нормирование начальных входных данных (отсутствие зависимости от выбранных единиц измерения). Искусственные нейронные сети умеют работать с любыми числовыми входными данными, но данный этап важен с экономической и практической точки зрения. Обучение сети, входом для которой являются абсолютные значения цен, на данных одного инструмента приведет к полной неэффективности при работе с другим инструментом (теряется одно из основных преимуществ искусственных нейронных сетей - адаптивность). С практической же точки зрения, данный этап позволит значительно расширить выборку. - Преддоработка нормированных данных - дополнительный анализ используемых "входов" и попытка исключить очевидные тривиальные закономерности для более эффективной последующей работы сети. - Обучение различных, с точки зрения архитектуры или функциональных характеристик (количество слоев, количество нейронов в каждом из них, функция активации и тд.), сетей - Анализ эффективности обученных сетей на основе тестовых адаптивных предсказаний

Похожие статьи




Практическая часть - Использование нейронных сетей для прогнозирования и принятия автоматизированных решений при инвестировании на фондовом рынке

Предыдущая | Следующая