CC BY
18
УДК 004.852, 336.7
Манкелевич П.В. студент магистратуры кафедры «Системного программирования и компьютерной безопасности» Гродненский государственный университет имени Янки Купалы Беларусь, г.Гродно Научный руководитель: Косарева Е.В.
Доцент
КОМБИНИРОВАННОЕ ПРИМЕНЕНИЕ РЕКУРРЕНТНОЙ НЕЙРОННОЙ СЕТИ И ТЕХНИЧЕСКОГО АНАЛИЗА ДЛЯ ПРОГНОЗИРОВАНИЯ ИЗМЕНЕНИЯ ЦЕН НА РЫНКЕ
КРИПТОВАЛЮТ
Аннотация: В статье рассматриваются некоторые стратегии для торговли криптовалютой. А также предлагается использование рекуррентной нейронной сети для анализа тренда цены криптовалюты и проверки сигналов, подаваемых торговой стратегией. Для анализа эффективности торговых стратегий использована торговая платформу OsEngine. Сравниваются трендовая и контртрендовая стратегии Билла Вильямса, диапазона Вильямса и их комбинированное использование совместно с рекуррентной нейронной сетью, с целью определения наиболее доходной стратегии.
Ключевые слова: торговые стратегии, технический анализ, криптовалюта, рекуррентная нейронная сеть.
Mankialevich P. V.
Undergraduate of department "System programming and computer security " Grodno state university of Janka Kupala
Belarus, Grodno Scientific adviser: Kosareva EV assistant professor COMBINED APPLICATION OF THE RECURRENT NEURAL NETWORK AND TECHNICAL ANALYSIS FOR PREDICTING THE CHANGE IN THE PRICES OF THE CRYPTATE MARKET Abstract: In article some strategy for trade in cryptocurrency are considered. A recurrent neural network using for the analysis of a trend of the cryptocurrency price and checking of the signals given by the trade strategy is offered. OsEngine trade platform is used for the analysis of efficiency of trade strategies. The trend strategy of Bill Williams and the countertrend strategy range of Williams and their combination with recurrent neural network are compared for the purpose of definition of the most profitable strategy.
Key words: trading strategies, technical analysis, cryptocurrency, recurrent neural network.
Введение
Торговая стратегия - это набор правил входа и выхода на рынок. Предполагается, что стратегия есть готовый план действий. Необходимо проверить, соответствует ли рыночная ситуация условиям, изложенным в стратегии, и, если это действительно так, открыть сделку.
Такой подход имеет пару очевидных достоинств. Строгое следование правилам исключает влияние эмоций на результат торговли. А также с помощью стратегии, сокращается время, затрачиваемое на анализ рынка, поскольку область, которую надо охватить, значительно сужается.
Однако, не существует идеальной стратегии, любая стратегия имеет свои недостатки и достоинства. Реальные торговые стратегии должны основываться на количественных характеристиках, которые можно анализировать на основе исторических данных. Нужно постоянно отслеживать эффективность стратегии и время от времени корректировать ее, так как рынок постоянно развивается. Поиск правильной стратегии и своевременное ее усовершенствование, является главным принципом на пути к успеху в заработке прибыли.
Применения нейросети со стратегиями очень проста: при поступлении прогноза роста цен, покупаем акции, а если сеть предсказывает скорое падение, то продаем.
Для анализа эффективности стратегий была использована торговая платформа OsEngine [1]. Это полный комплекс программ необходимых для автоматизации торговли на бирже. Торговая платформа позволяет торговать на более чем 6-ти биржах криптовалют как роботами, так и вручную.
Чтобы не рисковать настоящими деньгами, все сделки исполнялись в эмуляторе OsEngine на торговой бирже BitMex. После настройки API «реальные данные» о курсах криптовалют на BitMex будут автоматически загружаться на платформу.
Актуальность использования торговых стратегий для торговли
криптовалютой
Трейдинг криптовалют на сегодняшний день является очень популярным занятием, так как виртуальные деньги доступны для торгов 7 дней в неделю, они обладают высокой волатильностью и имеют перспективы для роста. Рынок криптовалют относительно молод, т.к. отсутствует продолжительная история котировок (хотя бы 10-летняя), чтобы оптимизировать переменные основных индикаторов. При хорошем техническом анализе можно получить доход.
Для торговли криптовалютой часто используется дневная торговля, когда торговые позиции должны быть закрыты в течение 24-х часов. Дневные торговцы пытаются использовать специальные краткосрочные колебания курса. Популярность внутридневной торговли среди индивидуальных трейдеров валютного рынка объясняется несколькими субъективными причинами. Во-первых, это связано с небольшим размером первоначального денежного вложения (депозита), во-вторых - с желанием игрока получить существенные преимущества при торговле с большими рычагами.
В статье рассмотрены две торговые стратегии: трендовая стратегии Билла Вильямса и контртрендовая стратегия диапазона Вильямса. Для проверки сигналов, подаваемых стратегиями, была обучена рекуррентная нейронная сеть, позволяющая спрогнозировать курс биткоина.
В стратегии Billa Williams содержится 3 индикатора [2]. Allgator - это 5, 13, 8 периодное сглаженное скользящее среднее, сдвинутое на 5, 13 и 8 баров в будущее. Awesome Oscillator - это гистограмма, отображающая рыночный импульс последнего числа периодов по сравнению с импульсом большего числа предыдущих периодов. Fractal - являются первыми измерениями финансового рынка. Каждый вход в рынок начинается с преодоления фрактала. Только после преодоления первого фрактала мы приступаем к приему сигналов от других измерений (индикаторов Вильямса) для открытия новых позиций в направлении первого сигнала. Сигналы от будущих фракталов в направлении первой сделки также будут служить основанием для открытия дополнительных позиций.
Контртрендовая стратегия Williams Percent Range [3] помогает определить области перепроданности и перекупленности рынка. Правила таковы: покупаем, когда рынок перепродан (значения индикатора меньше -80%) и продаем, когда рынок перекуплен (значения индикатора больше -20%).
Как уже было сказано, ни один технический индикатор не является эффективным на 100% каждый раз. Чтобы поддержать сделки и дать еще одно подтверждение правильности наших сделок, можно использовать рекуррентную нейронную сеть LSTM (long-short-time-memory) [4]. Рекуррентные нейронные сети широко используются для моделирования временных рядов, и с достаточно большой точностью позволяют спрогнозировать их значения. Можно предположить, что временной ряд фондового рынка имеет скрытую закономерность и именно эти скрытые паттерны позволяют предсказать глубокие нейронные сети LSTM. Особенностью LSTM является то, что она имеет несколько внутренних ячеек контекстуального состояния, которые действуют как ячейки долговременной или кратковременной памяти. Выходной сигнал сети LSTM модулируется состоянием этих ячеек. Это очень важное свойство, когда нам нужно, чтобы прогноз нейронной сети зависел от исторического контекста входных данных, а не только от самого последнего входного сигнала. Нейронная сеть была обучена на нормализованных данных в пределах [0: 1] (см. табл. 1) с сайта BitMEX на 1мин таймфрейме за 6 месяцев. Во входном слое 30 нейронов. Еще 64 — в первом скрытом слое, количество epoch = 50, batch size = 128.
Таблица 1 - Нормализация данных
<DATE> <TIME> <OPEN> <HIGH> <LOW> <VOL> Close
2019-02-01 0.0000 0.0246 0.0233 0.0201 0.1927 0.0211
2019-02-01 0.0037 0.0211 0.0197 0.0197 0.0835 0.0281
2019-02-01 0.0074 0.0208 0.0195 0.0184 0.0978 0.0195
2019-02-01 0.0111 0.0195 0.0183 0.0173 0.1271 0.0176
2019-02-01 0.0148 0.0178 0.0181 0.1794 0.0862 0.0189
Таким образом, в эмуляторе OsEngine на торговой бирже BitMex были протестированы 4 торговых стратегии: Bill Williams, Bill Williams+LSTM, Williams Percent Range, Williams Percent Range+LSTM. Результаты эксперимента приведены в таблице 2.
Таблица 2 - Доход от стратегий
День 1 2 3 4 5
Bill Williams
Количество позиций/доход 17/315 19/16,5 24/256,5 32/-26 28/-9
Bill Williams+LSTM
Количество позиций/доход 15/346,5 18/34 20/287 30/12 25/45
Williams Percent Range
Количество позиций/доход 32/113 25/-42 34/31 30/56 42/-12
Williams Percent Range+LSTM
Количество позиций/доход 30/119 20/12 28/21 27/62 40/22
Выводы
Рынок криптовалют нестабильный, так как находится на стадии формирования. Он требует специальных знаний и навыков. И хотя высокая волатильность может казаться привлекательной для инвестиций, в этой совершенно новой сфере есть многочисленные "пробелы". Описанные в статье стратегии позволяют определить момент входа в рынок, когда тренд курса криптовалюты меняется в нашу пользу. Из результатов эксперимента видно, что каждая чистая стратегия может ошибаться. Поэтому была обучена рекуррентная нейронная сеть для проверки сигналов, подаваемых стратегиями. Lstm действительно предсказывает тренд и неплохо работает с трендовыми стратегиями. И дополнительная прибыль составила 15-20%. Торгуя двумя стратегиями в тестовом режиме OsEngine можно увидеть, что стратегия Bill Williams+Lstm показала себя лучше. Для улучшения качества нейронной сети также можно оптимизировать параметры обучения и анализ всех имеющихся данных (недостаточно лишь цены закрытия для построения эффективной финансовой модели, чем больше данных, тем точнее прогнозы).
Использованные источники:
1. Веб-сервис [Электронный ресурс] // Open Source algo-trading platform. URL: http://o-s-a.net/ (дата обращения: 15.04.2019).
2. Образовательный центр [Электронный ресурс] // Bill Williams Awesome Oscillator StrategyAverage. URL: https://tradingstrategyguides.com/bill-williams-awesome-oscillator-strategy (дата обращения: 15.04.2019).
3. Образовательный центр [Электронный ресурс] // Williams Percentage Range Strategy. URL : https : //tradingstrategyguides. com/williams -percent-range-strategy (дата обращения: 15.04.2019).
3. Matt R. Cole. Hands-On Neural Network Programming with C#: Add powerful neural network capabilities to your C# enterprise applications / Matt R. Cole.: Издательство Packt Publishing Ltd, 2018. - 277-282 c.
