Применение нейросетей в торговых системах.

26 мая 2017, 17:21
Yuriy Asaulenko
0
293

Речь пойдет, однако, не только о применении нейросетей (НС). Здесь под НС понимается применение в торговых системах различных технологий Data Mining, и нейросети, лишь одна из таких технологий. НС только наиболее знакомый пример для большинства читателей.

Но сначала поговорим о стратегиях непосредственно разрабатываемых трейдером.

Такие стратегии, в общем, изначально не очень сложны. Есть некая торговая идея, например на основе поведения двух Moving Average (МА). Не обязательно их пересечения, на МА можно построить множество совершенно различных стратегий, и мы выберем МА в качестве наиболее известного примера.

Построили, максимизировали прибыль (прибыль неплохая), на убытки пока не очень обращаем внимания. Все хорошо, но одна беда - очень много убыточных сделок, съедающих львиную долю прибыли. Смотрим по графику где происходят убыточные сделки, и вводим, допустим, еще одну МА, которая будет запрещать нам сделки на определенных ею интервалах временного ряда. Уже лучше, но недостаточно. Опять смотрим график, анализируем где убытки, вводим дополнительные условия в торговую систему, и так множество раз, по циклу. Стратегия разрастается, логика принятия решений становится все более сложной, и, на каком-то этапе уже плохо управляемой. Да, это все работает, но хочется, и даже известно как, еще лучше. Но это "еще лучше" вставить уже очень затруднительно не поломав всю остальную конструкцию. Кроме этого, при рассмотрении графика выявляются сделки, в которые работая вручную ты ни при каких обстоятельствах не вошел бы, но формализовать это для множества сделок не представляется возможным.

Как раз в этом месте нам приходит в голову, что возможности применяемых технологий исчерпаны и в построении ТС пора переходить на "интеллектуальные технологии" - Data Mining, в т.ч. нейросети (НС) их можно как-то обучить, и они и станут основой ТС.

На этом пути уже наметились два направления:

1. Каким-либо образом определяем некий набор предикторов, подаем это хозяйство на НС (подставить нужное, по вкусу), как-то обучаем, и на выходе получаем торговые приказы: купить-продать. Т.е., НС, в этом случае, и выполняет роль ТС. Подробности можно почитать в теме - Машинное обучение: теория и практика (торговля и не только).

2. Второй вариант больше распространен в технических приложениях. Оставляем все как есть, и для решения дополнительных задач в систему вводится НС, решающая только свои специфические задачи, и служащая дополнением системы. Сама система при этом существенно упрощается, а плохо формализируемые задачи решает теперь НС. Такую структуру имеет, например нейросетевой шумоподавитель, встроенный в систему передачи речи в условиях сильных шумов. При этом вся остальная система обработки сигнала остается без изменения.

В применении к ТС это означает, что нет необходимости поручать НС всю стратегию, которая, в основном, легко формализуется, а всю ее мощь (аналогично шумоподавителю) направить на блокирование неформализуемых неудачных сделок. При этом, количество задач решаемых НС значительно сокращается, и если это даже не упрощает НС, то как минимум высвобождает ее ресурсы и позволяет осуществлять более сложную фильтрацию.

Ну и еще один плюс. Обучающая последовательность генерируется в ходе работы самой системы и появляется возможность оперативного обучения или дообучения НС непосредственно в ходе работы.


Связанный блог: НЕЙРОСЕТИ И ПЕРЕСЕЧЕНИЕ MOVING AVERAGE 

Поделитесь с друзьями: