CC BY
89
- Технические науки -НЕЙРОННАЯ СЕТЬ ДЛЯ БИРЖЕВОЙ ТОРГОВЛИ НА РЫНКЕ ФОРЕКС
И.В. Ананченко 1,2, канд. тех. наук, доцент П.А. Чагина 2, магистрант
1 Санкт-Петербургский государственный технологический институт (технический университет)
2 Национальный исследовательский университет ИТМО (Россия, г. Санкт-Петербург)
DOI:10.24412/2500-1000-2021-5-1-9-12
Аннотация. Данная работа посвящена рассмотрению перспектив направления в области искусственного интеллекта и созданию нейронных сетей для их использования в алгоритмах торговых роботов. Рассмотрены математическая модель нейрона, алгоритмы и методы обучения, преимущества нейронных сетей.
Ключевые слова: нейронная сеть, нейрон, торговый робот, Форекс.
Сегодня трудно переоценить роль финансовых рынков в современной рыночной экономике. Основной задачей валютной политики государства является обеспечение условий для поддержания стабильности национального валютного рынка [1, 2]. Валютный рынок Форекс в настоящее время является неотъемлемой частью финансового рынка государства. Ей отводится связующая роль с международными рынками товаров, услуг и капитала. Это выступает в качестве положительной составляющей для роста уровня ВВП страны в целом [2].
Биржевая торговля на рынке требует высокой концентрации и психологической устойчивости трейдера, что решается с помощью автоматических торговых систем (АТС) и торговых роботов (ТР) [3].
Конструкция, а также использование нейронных сетей, могут быть использованы для выполнения постоянной настройки параметров в автоматической торговле. Способность обрабатывать различные типы данных, воспроизводить сложные нелинейные взаимосвязи, высокая эффективность работы с большими объемами
данных и отсутствие ограничений на функцию распределения данных-характеризует преимущество нейросете-вых технологий.
Такие сети способны решать большие, сложные интеллектуальные задачи, что отличает их от алгоритма, описывающего определенную последовательность действий. Компьютерная нейронная сеть - это сущность, состоящая из массива искусственных нейронов с организованной связью между ними.
Понятие "Нейронная сеть" (НС) появилось в ходе изучения процессов, происходящих в мозге, и попыток их воспроизведения.
Известно, что биологическая нейронная сеть состоит из нейронов, где импульсы передаются химическими или электрическими средствами [3].
В человеческом мозге это выглядит так, как показано на рисунке 1: изображение, которое видит глаз, передается в мозг с помощью фоторецепторов, где эти же нейроны "собирают" картинку, складывая отдельные узнаваемые элементы, как кусочки головоломки, в единую картинку.
Технические науки
Компьютерная нейронная сеть (НС) должна решать три типа задач: сортировать, прогнозировать и распознавать объекты и события [4].
Простейшая нейронная сеть, как показано на рисунке 2, представляет собой один "слой" нейронов, соединенных друг с другом.
Рис. 2. Простейшая нейросеть из трех нейронов
Для того чтобы активировать работу нейронной сети, ее необходимо обучить как показано на рисунке 3.
Задача может быть решена с помощью различных алгоритмов и методов:
- обучение с учителем;
- обучение без учителя;
- обучение с подкреплением.
Рис. 3. Иллюстрация процесса обучения НС
В процессе функционирования нейронная сеть генерирует выходной сигнал Y, реализующий определенную функцию Y = G (X). Если задана архитектура сети, то форма функции G определяется значениями синаптических весов и смещения сети.
Математическая модель нейрона может быть построена с использованием двух
функций, суммирующих произведение коэффициентов входных данных и самих данных, а затем полученное решение вычисляется с использованием функций активации [5].
Основными активационными функциями являются:
- Технические науки -
- пороговая активационная функция (функция Хевисайда). Не используется для алгоритма обратного распространения ошибки.
- сигмоидальная активационная функция.
- гиперболический тангенс. Объединение блока таких нейронов образует нейронную сеть. Нейрон-это простой процесс, который может преобразовывать входные сигналы в выходные сигналы рис. 4.
м
хп
Рис. 4. Математическая модель нейрона
Особенностью ТР, основанной на использовании нейронных сетей и алгоритмов машинного обучения, является возможность самообучения, что позволяет автоматизировать процесс настройки без вмешательства человека.
Можно выделить следующие преимущества нейронных сетей:
- решают задачи при неизвестных закономерностях;
- устойчивы к шумам во входных данных;
- адаптивны к изменениям окружающей среды;
- обладают сверхвысоким быстродействием;
- отказоустойчивость.
Если нейрон или его соединение повреждены, становится трудно извлечь сохраненную информацию. Однако, учитывая распределенный характер хранения информации в нейронной сети, можно утверждать, что только серьезное повреждение структуры нейронной сети существенно повлияет на ее производительность. Поэтому снижение качества нейронной сети происходит медленно.
Для успешного прогнозирования финансовых рынков в целях обеспечения государственных интересов национального банка необходимы искусственные нейронные сети, использующие предварительную обработку входных данных и инструмент механизма принятия решений.
Библиографический список
1. Берзон Н.И. Фондовый рынок: Учеб. пособие для высш. учеб. завед. экон. профиля / Под ред. Н.И. Берзона. - М.: Вита-Пресс, 1998. - 399 с.
2. Агапова, Т.А. Макроэкономика: Учебник / Агапова Т.А., Серегина С.Ф. - М.: МФПУ Синергия, 2013. - 560 с.
3. Хакен Г. Принципы работы головного мозга. Синергетический подход к активности мозга, поведению и когнитивной деятельности: учебник. - Изд-во: ПЕР СЭ, 2001. - 353 с.
4. Ростовцев В.С. Искусственные нейронные сети: учебник. - Киров: Изд-во ВятГУ, 2014. - 208 с.
5. Ананченко И.В., Чагина П.А., Практическое применение нейронных сетей в трейдинге: проблемы и решения // EUROPEAN RESEARCH. Сборник статей XXIX Международной научно-практической конференции. - Пенза, 2020. - С. 27-30.
- Технические науки -
NEURAL NETWORK IN EXCHANGE TRADING ON THE FOREX MARKET
I.V. Ananchenko 1,2, Candidate of Technical Sciences, Associate Professor P.A. Chagina 2, master's degree
*St. Petersburg State Technological Institute (Technical University) 2National Research University of ITMO (Russia, Saint Petersburg)
Abstract. This work is devoted to considering the prospects for the direction in the field of artificial intelligence and the creation of neural networks for their use in algorithms of trading robots. The mathematical model of a neuron, algorithms and teaching methods, the advantages of neural networks are considered.
Keywords: neural network, neuron, trading robot, Forex.
