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 и
централизованный 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

Биржевая
торговля
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 инструментов
прогнозирования 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 измерения
внутренней 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 вызывать
большой 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 группы
слоёв: входной, скрытые и выходной.
Рисунок 2 — Архитектура нейронной сети
7/10

8. Обучение нейронной сети

Переходя к механизму обучения, необходимо сказать, что это
самообучающаяся 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

Для
повышения
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 методы
анализа 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