Трейдеру

Опубликовано: 14 октября 2016 Просмотров: 5.5K (5 мин. на прочтение) 

s_6_2 - Предварительная обработка данных для нейросети

Предварительная обработка данных для нейросети

Эта часть решения задачи целиком ложится на аналитика. Состав и глубина статистической выборки как обучающей последовательности имеет для нейросети такое же значение, как и внутренние управляющие параметры. Что касается состава данных - здесь возникает широкое поле для экспериментов. Не стоит включать данные, совсем не имеющие никакого отношения к прогнозируемому параметру. Однако, с другой стороны, аналитик располагает значительным количеством деловой информации, прямо или косвенно относящейся к "его" сектору рынка. Проблема в том, как отфильтровать информацию, выделив нужные данные.

Во-первых, современные нейропакеты, как правило, содержат функцию "определение чувствительности нейросети по входам". Практически имеющиеся данные "сваливаются в кучу", а затем нейросеть после серии предварительных прогонов дает развернутую картину приоритетности входных данных. Этот метод, скорее всего, не самый оптимальный (вспомним неопределенное время обучения!), зато наиболее доступный в смысле затрат усилий.

Во-вторых, существуют методы кластерного, корреляционного анализа и анализа временных рядов (time series analysis), которые позволяют сгруппировать данные, выявить степень взаимосвязи разных групп (отдельных элементов) в численном виде, а также определить в том же численном виде степень цикличности в диапазонах значений как групп, так и отдельных элементов. Это также дает аналитику некоторую пищу для размышлений о выборе данных и задании их глубины.

В-третьих, существует целое направление в финансовом анализе, технология Data Maining (буквально - "заготовка данных"), которое пытается ответить на вопрос: "как извлечь интуитивно понятные и полезные для применения знания из больших информационных объемов, причем достаточно быстрым и эффективным способом?". И существуют различные программные инструменты, которые такую технологию используют. Они в результате работы порождают систему явных правил, описывающих взаимосвязь между полями вашей базы данных с указанием степени достоверности и возможностью обработки исключительных и противоречивых ситуаций. Также существуют системы на основе нечеткой логики, которые либо извлекают множество нечетких правил из предоставляемых вами данных, либо аппроксимируют сложные функции на основе тех же данных. И в том, и в другом случае в качестве "двигателя" (rule engine) используются нейронные сети, работающие в режиме классификации.

Наконец, в-четвертых, проблема противоречивости данных. Излишне говорить, что плохое качество исходных данных может "свести на нет" все ваши усилия по их подбору. Эта проблема актуальна на всех мировых рынках, на российском - особо.

← Ранее
Что такое нейросети?
Далее →
Постановка задачи для нейросети


Материалы по теме

  • Законы рынка и советы трейдерам
    В заключение хотелось бы привести несколько простых советов опытных трейдеров.
  • Разворотные фигуры (Reversal Patterns)
    Фигуры, образуемые графиками, обычно сортируют по степени их важности для текущего тренда торгуемой валюты. Фигуры, свидетельствующие о предстоящем окончании тренда, известны как фигуры разворота.
  • Маржинальная торговля
    Типичные объемы сделок в межбанковской торговле составляют 10 миллионов долларов, что, несомненно, является слишком большой суммой для частного игрока, но благодаря системе маржевой торговли, выход на рынок доступен и лицам, располагающим небольшим капиталом.
  • Участники рынка Forex
    Прежде всего участниками рынка являются центральные банки государств. Они управляют курсом своей валюты. Происходит это в развитых странах путем рыночного воздействия банка на курс валюты, путем продажи или покупки определенной валюты по некоторой цене.
  • Валютные курсы
    Валютный курс - это цена денежной единицы одной страны, выраженная в денежных единицах другой страны, при сделках купли-продажи.