Одно из последних событий в мире Forex — нейросети. Нейросети — это машинное самообучение, тесно связанное с технологиями искусственного интеллекта. Такие системы собирают и анализируют данные, используя модель обучения отдаленно повторяющую то, как работает и учится человеческий мозг — методами проб и ошибок, обобщений и обособлений. Каковы текущие возможности и перспективы, которые открывают эти программные разработки перед финансовыми рынками форекс?

 

Что это вообще такое — «нейросети»?

Нейросети — уникальные системы технического анализа данных. И важно то, что в своей автономной работе очень напоминают людей — в том, как те оценивают какие-то причинно-следственные связи и вероятности. Что несомненно важно для людей в принятии тех или иных решений, то воплощается и в нейросетевых системах — оценка предыдущего опыта. Это как ребенок, который раз за разом собирает пазл и делает все меньше ошибок.

 

Так работает биологическая нейронная сеть

 

А так формулируются принципы работы многослойной нейросети. Чем-то похоже, не правда ли?

 

Сеть совершенствуется за счет двух основных наборов данных: набора для обучения и набора для тестирования, что позволяет улучшать себя за счет проб-ошибок — как у людей. Одна из основных сильных сторон нейросетей состоит в том, что она может продолжать учиться, дополняя свои прогнозы поступающими данными, и переосмыслять на этом фоне некоторые принципы своей работы.

 

Нейросети на форекс могут очень гармонично анализировать между собой как технические, так и фундаментальные данные, чего не делают не то что другие механические системы, но и некоторые трейдеры.

Само же обучение нейросетей занимает много времени, ресурсов и сил. Но есть надежды на то, что таким образом или похожим — можно еще больше сократить дистанцию между уникальными способностями человеческого мышления и вычислительными возможностями компьютерных систем.

 

Где-то уже применяются такие системы?

Поисковые системы, такие как Google или Яндекс уже давно используют нейросети для анализа и классификации изображений, звуков, символов текста и других данных. Нейросети гугла могут сортировать изображения — по ходу обучаясь выделять все более общие и частные признаки характерные для тех же картинок. Такие нейросистемы легчайшим образом сортируют черно-белые и цветные изображения и могут почти безошибочно отличать изображения котят от щенят.

 

Гугл-переводчик также частично перешел на нейросетевой интерфейс и стал переводить гораздо точнее и внимательнее к контексту. Нейрокомпьютеры активно используются американским финансовым конгломератом Citigroup Inc. В Chemical Bank также развита крупная программная система, обслуживаемая фирмой Neural Data. Многие крупные американские компании, такие как LBS Capital Management Inc. покупают небольшие нейропакеты и нейрокомпьютеры (до 50000 $) и значительно улучшают свои торговые показатели на американских индексах — S&P и Nasdaq.

Также расширились отдельные возможности при работе с какими-либо данными. Например, нейросети могут сжимать данные, выделяя наиболее общие взаимосвязи между их частями, и выражать их более компактно — в меньшей размерности. Исходный образ данных можно также восстановить за счет ассоциативной памяти нейросети — если вдруг данные были повреждены или зашумлены.

Но сегодня перед исследователями и разработчиками нейросетей стоят скорее фундаментальные, чем частные задачи и проблемы. Есть куда совершенствовать сами алгоритмы самообучения и анализа, быстродействия и другие, чтобы укрепить саму нишу, расширив потенциал для конкретных возможностей.

 

Как это можно использовать на рынках форекс?

Нейросети могут прогнозировать, обобщая и обособляя зависимости между входящими и выходящими данными. Обученная сеть может, как и любой технический индикатор, предсказывать будущие значения какой-либо последовательности на основании исторических данных.

 

Но в отличие от классических индикаторов, нейросеть самостоятельно настраивает принципы оценки данных, их зависимостей друг от друга, корректирует их на основе успехов и ошибок в торговле. Конечно, и тут понадобится немало времени, средств и сил, чтобы обучить сеть и обеспечить необходимую инфраструктуру для своевременного реагирования на поступающие данные.

Все видимые преимущества нейросетевых систем имеют риски очень круто подвести в отношение торговых прогнозов. В конечном счете, выходные решения хороши ровно настолько, насколько хороши входные данные. Нейросети прекрасно обнаруживают корреляции между ними —  даже если данных очень много.

Также хорошо извлекаются шаблоны из широко разрозненных типов информации, даже когда эти шаблоны и отношения почти не просматриваются человеческим глазом. Но все же, применение интеллекта без эмоций — в конце концов — скорее слабость, которая может проявить себя при работе с неустойчивым рынком. Когда вводится неизвестный фактор, искусственная нейронная сеть не имеет возможности назначить ему эмоциональный вес.

С наиболее показательными примерами эксплуатации глубинных нейросетей на финансовых рынках вы можете ознакомиться здесь или здесь . В сети появляется все больше индикаторов, так или иначе эксплуатирующих нейронные сети, и вы найдете их без особого труда.

 

Общие выводы

  • Актуально и перспективно, но еще рано —  нейросети с их текущим потенциалом могут прогнозировать рынки лучше, чем традиционные алгоритмические советники и индикаторы, однако этот потенциал еще не реализован на полную и сами основы нейросетевого моделирования нуждаются в совершенствовании и доработке.
  • Нейросети хорошо классифицируют паттерны и превосходно просматривают внутритрендовую динамику.
  • Превосходно работают в рамках текущего тренда и обнаруживают поведенческие циклы. Но как и человек, все еще не могут предугадывать будущее вне взаимосвязи с прошлым, а адаптация к свежепоступающим событиям и данным проходит куда медленней.
  • Все те, кто использует нейросети на форексе, как правило, торгуют долгосрочные тренды или Моментум. Скальперы встречаются, но хорошие из них реже.
  • Нейросети были популярны и 10 и 5 лет назад, и сегодня новый виток прогресса подобных систем связан с развитием технологий big data и облачных хранилищ, что следует также принять во внимание для полноценной разработки и исследований.




 






Содержание данной статьи является исключительно частным мнением автора и может не совпадать с официальной позицией LiteForex. Материалы, публикуемые на данной странице, предоставлены исключительно в информационных целях и не могут рассматриваться как инвестиционный совет или консультация для целей Директивы 2004/39 /EC.



Мы в социальных сетях
Live-Чат
Оставить отзыв