Искусственные нейронные сети и возможности нейросетей в сфере анализа данных и прогнозирования

Искусственные нейронные сети – это одна из самых любопытных находок современности. Применять эту технологию можно в самых разных сферах жизни. Не исключение и инвестиционная деятельность. Нейросети обладают способностью находить скрытые взаимосвязи между данными, благодаря чему применение их в аналитической деятельности очень перспективно.

Какие функции выполняют искусственные нейронные сети?

Несмотря на то, что применение подобных программ достаточно обширно, нас, в первую очередь, интересуют их аналитические возможности. Ключевой особенностью искусственных нейронных сетей является их способность обучаться. Иными словами, нейросеть учитывает свой предыдущий опыт в будущих вычислениях. Это дает возможность сводить ошибку в прогнозировании к минимуму.

Предположим, инвестору необходимо спрогнозировать, какими будут кодировки индекса ММВБ. На входе нейросети загружаются факторы, имеющие с ним ощутимую взаимосвязь. На выходе сети загружаются значения индекса за выбранный период. Входным данным сеть присваивает коэффициент веса. Далее, они перемножаются на свои веса и суммируются в нейронах. Если полученная величина выше уровня активации нейрона, то он срабатывает и передает сигнал дальше по сети. В противном случае нейрон остается неактивным и сигнал далее не передается.

Таким образом, каждый слой нейросети обрабатывает выбранные инвестором факторы и устанавливает степень их влияния на индекс ММВБ. Если в результате вычислений получается значение не соответствующее котировкам индекса, то нейросеть возвращается в начало этой схемы и перенастраивает параметры. Этот цикл повторяется до тех пор, пока ошибка не снизится до приемлемых значений.

Выбор данных для анализа нейросетью

Важным моментом в работе искусственных нейронных сетей является подбор данных для анализа. Чтобы прогноз был максимально точным нужно выбирать входные данные, которые имеют сильную корреляцию с выходными. Если входные данные сильно коррелируют между собой, их необходимо заменить или преобразовать. Специалисты рекомендует брать для анализа не сами котировки, а их изменения. Это связано с тем, что они имеют меньшую амплитуду изменения, что позволяет нейронной сети значительно снизить ошибку вычислений.

Рассмотрим пример. Возьмем данные по индексу ММВБ, ВВП, индексу доллара, ценам на нефть марки Brent и отношение доходности акций к доходности облигаций за период с декабря 2009 по декабрь 2019 года. Если построить на этих значениях корреляционную матрицу, то можно увидеть, что они имеют достаточно сильную взаимосвязь с индексом ММВБ и слабо связаны между собой. Правда, связь нефти с ВВП и индексом доллара достаточно сильна, поэтому ее лучше заменить. Но мы попробуем сделать прогноз, ничего не меняя.

Прогноз на исторических данных получился достаточно точный.

Но что будет, если проверить способности нейросети на данных, не вошедших в выборку? Возьмем первые два месяца 2020 года, которые прошли на фоне сильного падения рынков.

Как видно, прогноз достаточно точен. Если более тщательно отнестись к выбору входных данных, то можно поднять его качество еще выше.

Какие существуют виды нейросетей?

Существует достаточно много разновидностей искусственных нейросетей. Эта отрасль развивается очень бурно и их применяют в совершенно разных отраслях. Особенность таких структур в том, что они не универсальны и определенный тип сети лучше всего работает с какими-то конкретными видами данных. Чтобы не путаться, на рисунке 5 приведена таблица типов искусственных нейронных сетей и сфер их применения.

Нечеткая логика и нечеткие искусственные нейронные сети

Наш мир достаточно сложен. В нем нет простых форм, простых звуков и простых процессов. Но человеческий мозг неспособен усвоить сразу всю эту многообразность. Поэтому практически весь математический аппарат, придуманный человеком, плохо подходит для описания процессов в окружающем мире. Это связано с тем, что познание мира человеком идет через упрощение, вследствие чего, теряется много важной информации.

Рассмотрим пример. Температура стакана воды может быть холодной или теплой. Это двоичная логика. Но в реальной жизни может быть множество температурных состояний воды. Кроме того, есть внешние факторы, которые могут определять то, как оценить температуру воды. Например, предпочтения наблюдателя. Для кого-то определенная температура кажется теплой, кому-то прохладной. С промежуточными состояниями и работает нечеткая логика.

Этот математический инструмент полезен для работы с системами, существующими в среде неполных данных.

Если мы обратимся к фондовому рынку или рынку криптовалют, то увидим, что именно такой системой он и является. Любой фактор, любая новость которые появляются в поле зрения инвесторов, всегда неоднозначны. Поскольку нельзя четко определить их степень влияния на рынок, то каждый интерпретирует их в силу своих возможностей.

Создатели искусственных нейронных сетей это заметили и создали нечеткие нейронные сети. Они оперируют инструментами нечеткой логики в своих вычислениях. Это делает результаты прогнозов более приближенными к природе процессов, с которыми работает нейросеть.

Подобные инструменты реализованы, например, в программе Matlab. Она представляет собой мощную аналитическую лабораторию. При установке программы можно выбрать дополнительные модули. Их несколько десятков. Они призваны решать различные задачи, среди которых программирование, симуляция различных систем и процессов, математические вычисления, финансовые вычисления и многое другое. Модуль, включающий инструменты нечеткой логики, а также нейронную сеть, работающую на принципах этой науки, можно найти в модуле Fuzzy Logic Toolbox.

Заключение

Искусственные нейронные сети очень перспективный инструмент для инвестора. Технология еще очень молодая, но активно совершенствуется и ее перспективы поистине потрясают воображение. Поэтому всем тем, кто интересуется инвестированием и прогнозированием, следует обратить пристальное внимание на искусственные нейронные сети.