XII.8. Использование нейронных сетей при создании робота.

Данный вопрос в литературе по трейдингу большая редкость. Я нашел кое-что здесь [XIV.54.].

Авторы на основе тестов различных алгоритмов пришли к неоднозначным выводам: при выполнении некоторых условий нейронные сети могут использоваться в системной торговле. Подгонка под исторические данные является значительной проблемой при использовании нейронных сетей. Для обучения нейронных сетей следует использовать выборки большого размера. Разные нейронные сети ведут себя по-разному на разных рынках.

Думаю, что основная проблема здесь таится в сути – в попытке использования нейронных сетей для угадывания рынка. Но как мы уже знаем рынок нельзя угадать, поэтому использование нейронных сетей для этих целей не даст желаемого результата.

В целом работа с нейронной сетью представляет собой следующее.

  1. Выбор типа нейронной сети.
  2. Подготовка данных для обучения нейронной сети.
  3. Обучение нейронной сети путем подачи на входы нейронной сети исходных данных, для торговли это будут цифровые данные об изменении цены или данные нескольких свечей, отображающих нужную фигуру тех. анализа.
  4. Далее для заданного входа задаются данные выхода нейронной сети – для случая торговли — это цифры, например, 0 и 1 по которым принимается решение о сделке в лонг или шорт или о выходе их сделки.
  5. Обучение повторяется до тех пор, пока результаты тестирования «понимания» нейронной сетью шаблонов не будут Вас удовлетворять.
  6. Далее в реальной торговой ситуации, когда на входы нейронной сети подаются фрагменты данных из текущего графика, сеть на основе имеющегося запаса данных будет искать похожие ситуации которые она «знает». Делается это с некоторой степенью приближения, что позволяет искть решение по нечеткому шаблону, что и делает нейронные сети подходящими для такого рода задач как сравнение шаблонов. Это добавляет сети гибкости для работы с данными не на 100% совпадающими с имеющимися в памяти шаблонами. При этом на выходе мы также будем получать значения лежащие в диапазоне 0..1.
  7. Далее модуль принятия решения на нейронной сети добавляется в Ваш торговый алгоритм, и Вы начинаете тестировать полученного робота на реальных данных.
  8. Если тесты Вы считаете удовлетворительными, то можно приступать к торговле на деньги.

По данным книги [XIV.54.] нейронные сети показали отличные результаты в пределах выборки, на которой они обучались и плохие результаты вне выборки, что вполне естественно.

Учитывая сложность понимания программирвания нейронных сетей для практических целей рекомендуется поискать готовые пакеты для создания торговых роботов на нейронных сетях.

Интересные статьи о трговле на нейросетях размещены по ссылке https://habr.com/ru/post/494964/?ysclid=l5vcxhguf744192758

https://vc.ru/finance/318680-sravnenie-effektivnosti-torgovli-robota-na-neyronnyh-setyah-s-nekotorymi-torgovymi-algoritmami?ysclid=l5vd2ff6z9312454001

https://www.mql5.com/ru/articles/7031

https://smart-lab.ru/blog/332895.php?ysclid=l5vdagmst8722006051

http://trade-blog.ru/stati-o-torgovle-na-birzhe/138-neyronnyy-robot-ot-teorii-k-praktike.htmlhttps://cyberleninka.ru/article/n/neyronnaya-set-dlya-birzhevoy-torgovli-na-rynke-foreks/viewer

Добавить комментарий