CC BY
25
Литература
1. Абрамченко Н. В. Основы проектирования баз данных: Учебное пособие / Н. В. Абрамченко. Омск: Полиграфический центр КАН, 2015. 56 с.
2. Диго С. М. Базы данных: проектирование и использование: Учебник / С. М. Диго - М.: Финансы и статистика, 2005. 592 с.: ил.
Об использовании генетических алгоритмов при построении механических
торговых систем Копылов А. Н.
Копылов Алексей Николаевич /Kopylov Alexey Nikolaevich — старший преподаватель, кандидат технических наук,
доцент,
кафедра математики и моделирования систем, Воронежский институт МВД России, г. Воронеж
Аннотация: рассмотрен один из подходов к построению механических торговых систем. Ключевые слова: механическая торговая система, генетический алгоритм, популяция, хромосома, шаблоны правил.
Построению механических торговых систем (МТС) посвящено достаточно большое количество публикаций. Как правило, множество потенциальных стратегий, среди которых ведется поиск наилучшей (в соответствии с заранее выбранной целевой функцией), обычно достигает значительных размеров. При этом, несмотря на бурное развитие вычислительной техники за последние десятилетие, перебор всех допустимых вариантов лишь в редких случаях является возможным. Для решения этой проблемы предлагаются различные способы. В частности, в работах [1, 2] предлагается использовать генетические алгоритмы для поиска подходящих моделей. В работе [2], например, для поиска сигналов входа в рынок создается популяция особей, хромосомы которых содержат по три гена. Каждый ген, входящий в состав хромосом, соответствует блоку из четырех чисел и шаблону правила. Таким образом, каждая хромосома состоит из двенадцати чисел (параметров модели), которые вместе с шаблонами правил и определяют реакцию МТС. Модель для генерирования сигналов выхода из рынка строится по аналогичному принципу. При этом в работе [2] оптимизация МТС на исторических данных при построении входных и выходных моделей проводится раздельно. В работе [1], напротив, каждая из хромосом популяции содержит одновременно как гены, отвечающие за вход в рынок, так и гены, отвечающие за выход из рынка.
После этапа оптимизации (подбора параметров МТС) на исторических данных проводится тестирование системы на «свежих» (не вошедших в оптимизационную выборку) данных. Такой вид тестирования также называют форвардным или слепым тестированием. Он подробно описан в работах [2-6]. При этом в работе [5] предлагается использовать модель только в том случае, если она прошла как минимум десять форвардных тестов (со сдвигом по времени на величину тестового окна) и при этом модель прибыльна в целом, имеет форвардный показатель эффективности 50% и более, причем не менее 50% ее форвардных тестов были прибыльными. Однако в приведенных выше работах [1, 2], полученные модели тестировались только на одном интервале данных. При этом в работе [2] тестирование проводилось на разных рынках, а в работе [1] только на одной валютной паре EUR/USD и только для пятиминутных данных. Таким образом, с точки зрения [5] для увеличиения вероятности удовлетворительной работы построенной МТС и надежности генерируемых сигналов входа и выхода из рынка на постоптимизационных данных необходимо провести больше форвардных тестов. Однако для приведенных работ [1, 2] это означало бы формирование на каждом этапе новой популяции с последующим выбором в процессе эволюции только одной хромосомы и дальнейшим ее тестированием. При этом очевидно, что лучшие хромосомы на разных исторических данных могут включать разные шаблоны правил, что может затруднить анализ динамики структуры МТС. Кроме того, лучшие хромосомы, полученные в результате оптимизации на идентичных наборах данных, также могут отличаться вследствие невозможности перебора всех допустимых значений и большого числа локальных экстремумов. Поэтому можно поступить следующим образом — после процесса оптимизации на самых «свежих» исторических данных в случае получения удовлетворительных результатов зафиксировать шаблоны правил, соответствующих каждому из генов в хромосоме с наибольшей функцией приспособленности, а затем проводить оптимизацию на более ранних исторических данных с последующим форвардным тестированием, но уже для хромосом с жестко заданными набором шаблонов правил для
каждого из генов. Кроме того, при формировании первоначальной популяции часть особей можно формировать с учетом алгоритмов, приведенных в работах [7-9].
В дополнение к вышесказанному следует отметить, при тестировании МТС желательно учитывать все точки входа в сделку. Так, например, если исследуются сигналы входа в сделку на покупку, то для приведенного ниже рисунка 1 (где вторая и четвертая сделки закрыты по стоп-приказу) очевидно, что МТС будет прибыльной, т.к. прибыль от первой и третьей сделок перекрывают убытки второй и четвертой.
Рис. 1. Типовая иллюстрация работы МТС с отмеченными сделками
Таким образом, для приведенного примера имеем 50% прибыльных сделок. Вопрос о минимальном количестве сделок (в т.ч. прибыльных) для принятия решения о возможности торговать, используя данную МТС, в этом примере не рассматривается, т.к. можно привести соответствующую иллюстрацию с большим количеством сделок.
Рассмотрим теперь несколько иную ситуацию, когда в силу ряда обстоятельств (например, из-за нехватки средств, либо при выставлении лимитированного приказа и задержке в линии связи, что особенно актуально для скальперов) МТС не вошла в первую сделку (рис. 2). В данном примере ситуация кардинально меняется.
Рис. 2. Иллюстрация работы МТС без учета первого сигнала входа в сделку
Система окажется неэффективной с четырьмя убыточными сделками (закрытыми по стоп-приказу), т.е. прибыльных сделок — 20%, что гораздо меньше, чем в предыдущем случае. Таким образом, очевидно, что при тестировании МТС целесообразно учитывать все сигналы на вход в сделку. При этом прибыльных сделок для приведенного примера будет 33% (при учете всех точек входа в сделку) против 50%, которые были показаны в первоначальном варианте.
Литература
1. Головин С. Генетические алгоритмы: в поисках священного грааля // Валютный спекулянт, 2004. №11. С. 32—36.
2. Кац Дж., Маккормик Д. Энциклопедия торговых стратегий. Пер. с англ. 4-е изд. М.: Альпина Паблишерз, 2011. 392 с.
3. Колби Р. Энциклопедия технических индикаторов рынка. Пер. с англ. 4-е изд. М.: Альпина Паблишерз, 2011. 837 с.
4. ЛеБо Ч., Лукас Д. Компьютерный анализ фьючерсных рынков. Пер. с англ. 4-е изд. М.: Альпина Паблишерз, 2011. 264 с.
5. Пардо Р. Разработка, тестирование и оптимизация торговых систем для биржевого трейдера. Пер. с англ. М.: Минакс, 2002. 224 с.
6. ШвагерД. Технический анализ: полный курс. Пер. с англ. — 6-е изд. — М.: Альпина Бизнес Букс, 2009. 804 с.
7. Копылов А. Н. Алгоритм поиска статистических закономерностей при решении задач двухклассовой классификации // Вестник Воронежского института МВД России. 2015. № 2. С. 233-238.
8. Копылов А. Н. Использование алгоритмов поиска ассоциативных правил для выявления аномальных событий // Общественная безопасность, законность и правопорядок в III тысячелетии: сборник материалов международной научно-практической конференции. — Часть 3. — Воронеж: Воронежский институт МВД России, 2014. С. 78-80.
9. Копылов А. Н., Синегубов С. В. Обнаружение статистических закономерностей при решении задачи прогнозирования температуры приземного воздуха // Наука, техника и образование, 2015. №10 (16). С. 48-51.
Лабораторный стенд контроля параметров и энергии токоприемников
электрической сети Скулкин А. С.1, Кошкин В. В.2
'Скулкин Алексей Сергеевич /Skulkin Alexey Sergeyevich — студент;
2Кошкин Вениамин Васильевич /Koshkin Vemamm Vasil'evich — кандидат технических наук, доцент,
электроэнергетический факультет, Марийский государственный университет, г. Йошкар-Ола
Аннотация: в статье приводится описание лабораторного стенда для мониторинга влияния электроприемников на параметры электрической энергии сети с использованием в качестве измерительного органа цифрового счетчика электрической энергии. Описываются функциональные возможности данного стенда и технико-экономические преимущества перед аналогами. Ключевые слова: электроэнергия, качество электроэнергии, электроприбор, электронный счетчик электрической энергии, параметры качества, токоприемники.
Ввиду быстрого развития энергопотребления остро встает вопрос о поддержании параметров электроэнергии в установленных в ГОСТ 32144-2013 переделах. Для эффективной оценки качества электрической энергии, влияния различного оборудования на электрическую сеть требуется подготовка соответствующих кадров на базе ВПО и СПО, а также в центрах подготовки и переподготовки кадров на предприятии. Вследствие высокой стоимости зарубежных аналогов и программы импортозамещения возникает необходимость разработки недорогого и полнофункционального стенда, удовлетворяющего требованиям учебного процесса. В качестве такого примера может выступить лабораторный стенд с использованием в качестве основного измерительного органа электронного счетчика электрической энергии с расширенным набором параметров измерения.
Лабораторный стенд построен на основе электронного счетчика электрической энергии с встроенным контроллером, что обеспечивает возможность проведения анализа влияния особенностей отдельных электроприемников и в целом группы потребителей на электрическую сеть, а также фиксации полученных значений электрической энергии. Благодаря наличию стандартного интерфейса, электронный счетчик позволяет отслеживать на экране ЭВМ значения параметров электрической энергии и оценивать влияние различного электрооборудования на электрическую сеть наглядно, в режиме реального времени. Для моделирования особенностей различных потребителей и электроприемников в комплекте стенда имеется набор однофазных и трехфазных эквивалентных нагрузок, среди которых предусмотрены переменные активные, индуктивные и реактивные нагрузки с большим количеством степеней регулирования на каждой фазе [1].
Применение стандартного интерфейса ЭВМ позволяет проводить измерения в соответствии с параметрами, установленными в ГОСТ 32144-2013. Так, цифровой счетчик электрической энергии при синхронизации с ПК выполняет измерения напряжения по каждой фазе в режиме реального времени и с возможностью автоматического контроля за значением отклонения и фиксацией значений,
