Другое

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.

Рис. 1 Схема анализа данных нейросетью

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.

Рис. 2 Корреляционная матрица

Прогноз на исторических данных получился достаточно точный.

Рис. 3 Точность прогноза искусственной нейронной сети на исторических данных, взятых за период с декабря 2011 по декабрь 2019 года.

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.

Рис. 4 Прогноз искусственной нейронной сети на первые два месяца 2020 года

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.

Рис. 5 Разновидности искусственных нейронных сетей и сферы 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.

Показать больше

Vitaly Molevich

Финансовый консультант. Инвестор. Блогер. В сфере финансов с 2010 года. С 2015 года инвестирую в криптовалюты и другие высокодоходные инструменты. С 2020 являюсь автором данного сайта
Подписаться на комментарии
Уведомлять о
0 Comments
Inline Feedbacks
View all comments
Back to top button
Авторизация
*
*

Регистрация
*
*
*
*

Восстановление пароля