Нейронные сети в трейдинге

Нейронные сети были наиболее популярны в конце 80 — начале 90-х го­дов, после чего медовый месяц завершился. Что же произошло? В общем, наступило разочарование среди трейдеров, надеявшихся, что новые тех­нологии чудесным образом обеспечат им превосходство с минимальны­ми затратами усилий. Разработчики использовали для обучения недоста­точно подготовленные исходные данные, надеясь на открытия, которые должна была сделать сама сеть. Это был наивный подход. Успех на рынке никогда не бывает таким простым и доступным для всех. Этот подход был не только неэффективен в отношении разработки сетей, но и привел к тому, что сети широко распространились. В результате любая попытка систем уловить выгодные движения рынка сводилась к нулю ввиду изме­нившейся природы рынка, который быстро адаптировался к новым мето­дам торговли. Во всем обвинили саму технологию и отбросили ее, не за­думавшись о неправильном подходе к ее применению. Для получения ус­пешных результатов был необходим более осмысленный и изощренный подход.

Большинство попыток разработать прогностические модели на осно­ве нейронных сетей, простые или усложненные, были сконцентрирова­ны на отдельных рынках. Проблема с отдельными рынками состоит в том, что количество точек данных для обучения сети весьма ограничено и ве­дет к переоптимизации, что, особенно в сочетании с не слишком хорошо подготовленными данными, ведет к провалу при торговле. В этой главе нейронные сети будут обучаться на основе целого портфеля ценных бу­маг, валют и фьючерсов, что позволит использовать для избежания под­гонки десятки тысяч точек данных — приличное количество для малень­кой или средней нейронной сети. Возможно, таким образом удастся зас­тавить работать достаточно прямолинейный алгоритм прогнозирования рынка. Фактически, такая сеть сможет служить универсальным прогнос­тическим средством, т.е. после обучения на целом портфеле она сможет прогнозировать в отдельности каждый из рынков.

ПРОГНОЗИРОВАНИЕ С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ

Нейронные сети будут разрабатываться с целью прогнозирования: ( I ) куда уйдет рынок в ближайшем будущем и (2) будет ли завтрашняя цена от­крытия представлять собой точку разворота. Для первого случая будет сооружаться сеть, прогнозирующая обращенный во времени стохасти­ческий осциллятор, а именно обращенный Медленный %К. Это, в общем, стандартный осциллятор, но рассчитываемый с обратным отсчетом вре­мени. Такой осциллятор отражает текущее положение цены закрытия по отношению к нескольким последующим дням. Несомненно, предсказа­ние значения такого индикатора было бы полезно для трейдера: зная, что сегодняшняя цена закрытия и, вероятно, завтрашняя цена закрытия ле­жат внизу ценового диапазона нескольких следующих дней, можно пред­полагать, что это хорошая ситуация для покупки, и наоборот, если сегод­няшняя цена открытия лежит вблизи максимума ближайшего будущего, время поразмыслить о продаже. Во втором случае представим моделиро­вание ситуации с завтрашним открытием — будет ли эта цена максиму­мом или минимумом? Для решения этой задачи будут обучены две ней­ронные сети: одна на определение минимума в завтрашней цене откры­тия, другая на определение максимума.

Возможность предсказать макси­мум или минимум на завтрашней цене открытия также полезно для трей­дера, решающего, входить ли в рынок и какую позицию занимать—длинную или короткую. Целью этого исследования будет получение таких про­гнозов в отношении любого рынка, где используется модель.