Similar presentations:
Исследование алгоритмов обучения нейронных сетей для прогнозирования фондового рынка
1. Обзор научных публикаций на тему «Исследование алгоритмов обучения нейронных сетей для прогнозирования фондового рынка»
Выполнил студент гр. 6208 Лаптев В.С.Руководитель – доцент Савельев Д.А.
2. Фондовый рынок
Фондовый рынок — это организованный ицентрализованный рынок ценных бумаг.
Выражаясь проще, это место, где проходят
торги
акциями,
облигациями,
депозитарными
расписками,
паевыми
фондами
и
прочими
финансовыми
средствами.
2/10
3. Торговля на бирже
Биржеваяторговля
осуществляется
на
базе
встречных
предложений сторон: всегда есть покупатель и продавец актива.
При торговле применяются технический и фундаментальный
анализ.
Рисунок 1 — Свечной график
3/10
4. Технический анализ
Технический анализ — совокупность инструментовпрогнозирования вероятного изменения цен на основе
закономерностей изменений цен в прошлом в аналогичных
обстоятельствах.
Таблица 1 – Основные индикаторы скользящих средних
4/10
5. Фундаментальный анализ
Фундаментальный анализ (FA) — это метод измерениявнутренней стоимости ценной бумаги путем изучения
взаимосвязанных экономических и финансовых факторов. При
фундаментальном анализе изучается все, что может повлиять на
стоимость
ценных
бумаг:
макроэкономические
факторы
(состояние экономики и состояние конкретной отрасли бизнеса)
микроэкономические факторы (эффективность управления
компанией).
5/10
6. Нейронные сети в прогнозировании фондового рынка
В последние годы, у финансовых аналитиков стали вызыватьбольшой интерес так называемые искусственные нейронные сети
– это математические модели, а также их программные или
аппаратные реализации, построенные по принципу организации
и функционирования биологических нейронных сетей – сетей
нервных клеток живого организма. Это понятие возникло при
изучении процессов, протекающих в мозге при мышлении, и при
попытке смоделировать эти процессы. Впоследствии эти модели
стали использовать в практических целях, как правило, в
задачах прогнозирования.
6/10
7. Архитектура нейронной сети
Обычно в искусственной нейронной сети выделяют три группыслоёв: входной, скрытые и выходной.
Рисунок 2 — Архитектура нейронной сети
7/10
8. Обучение нейронной сети
Переходя к механизму обучения, необходимо сказать, что этосамообучающаяся искусственная нейронная сеть. Отображения
исходного вектора (или векторов) конкурируют между собой, в
результате чего и происходит активизация одного из нейронов.
После того, как победивший нейрон активировался, он начинает
формировать вокруг себя упорядоченную топологическую
область, которая содержит значимую информацию об исходном
векторе.
8/10
9. Усовершенствование модели
Дляповышения
эффективности
модели
нам
необходимо минимизировать влияние случайной начальной
составляющей на процесс оптимизации.
Рисунок 3 — Сравнительная динамика рыночного
и виртуального инвестиционного портфеля
9/10
10. Заключение
В данной работе были рассмотрены основные методыанализа торговли на бирже. К их числу относятся
технический
анализ,
фундаментальный
анализ,
использование нейронных сетей.
Создание
инструментов
автоматической
торговли являются актуальной темой в современном
мире. В последнее время нейронные сети показывают
достаточно высокую результативность в торговле на
фондовой бирже. Уже существуют рабочие проекты,
которые
торгуют
на
бирже
на
уровне
профессиональных трейдеров.
10/10