Sieci Neuronowe na giełdzie

Począwszy od lat 90-tych skuteczne inwestowanie wymaga integracji analizy międzyrynkowej z tradycyjną analizą techniczną. Analiza pojedynczych rynków musi dziś ustąpić miejsca szerszej perspektywie analitycznej uwzględniającej nieliniowe zależności między różnymi rynkami finansowymi. Po raz pierwszy taka perspektywa została opisana w 1991 r i nadano jej nazwę „analizy synergistycznej” . Podejście to pozwala ujmować ilościowo złożone relacje międzyrynkowe , szacować jednoczesne wpływy wielu rynków na dany rynek oraz mierzyć czasowe przesunięcia tych wpływów.

Sieci nieuronowe są świetnym narzędziem do analizy synergistycznej. Można dzięki nim łączyć w analizie dane różnego rodzaju i odnajdować ukryte schematy oraz złożone relacje między rynkami ,niedostrzegalne gołym okiem. Sieci neuronowe są realne i działają .

Wykonują wspaniałą pracę , przetwarzając wielką ilość międzyrynkowych danych. Czy jest inny sposób jednoczesnego zbadania danych z pięciu, dziesięciu czy nawet piętnastu rynków w celu wykrycia ich wpływu na jeden konkretny rynek. Poza tym sieci neuronowe umożliwiają prognozowanie finansowe , które dają inwestorowi możliwość antycypowania zdarzeń. Każdy potrafi powiedzieć na podstawie wykresu , co działo się na rynku w przeszłości, ale na giełdzie zarabia się dzięki przewidywaniu tego co się stanie.

Dzięki sieciom neuronowym można prognozować zachowania rynków finansowych tak jak meteorolodzy prognozują jaką drogą będzie przesuwał się huragan. Prognozy nigdy nie są dokładne w 100 % . I nigdy nie będą bo takie możliwości posiada jedynie Pan Bóg. Jednak z punktu widzenia kogoś , kto musi podejmować decyzje w warunkach niepewności , jest to krok we właściwym kierunku. Do tego , by włączyć do własnego planu inwestycyjnego analizę międzyrynkową , nie trzeba zmieniać swojego stylu ani rezygnować ze stosowania na poszczególnych rynkach wskaźników, które przecież działają całkiem nieżle.

Analiza miedzyrynkowa może stanowić poszerzenie tradycyjnych analiz konkretnych rynków. Jeśli chcemy zrozumieć różnicę między analizą jednego rynku a analizą międzyrynkową , zasłońmy jedno oko . Perspektywa widzenia zostaje nagle zawężona i nie jesteśmy już w stanie objać wzrokiem całego otoczenia. To samo jest z analizowaniem pojedynczego rynku. Gdy odsłonisz oko. Perspektywa poszerza się. Oto właśnie chodzi w analizie międzyrynkowej – o poszerzenie pola widzenia.

Nie będę się tu rozpisywał o budowie i strukturze sieci neuronowej bo to nie rozprawa doktorska na ten temat. Zapodam jedynie prosty przykład możliwości sieci w wykorzystaniu praktycznym na naszym rynku, nie jest to co prawda analiza synergistyczna ale obrazuje wycinek możliwości sieci :

Aby sprawdzić skuteczność nieskomplikowanej sieci neuronowej sprawdziłem z jakim prawdopodobieństwem sieci będzie udawało się przewidzieć kierunek ruchu instrumentu w ciągu jednej sesji. Na badany instrument wybrałem indeks WIG20. Dane dostarczane do sieci to m.in cena otwarcia sesji, oraz jej opóźnienia(ceny otwarcia z 3 i 5 ostatnich dni), cena zamknięcia z dnia poprzedniego i również jej trzy opóźnienia oraz kilka podstawowych wskaźników (RSI, MACD, Momentum). Sieć na ich podstawie ma określać czy rozpoczęta sesja dla WIG20 skończy się na plusie czy na minusie.

Sieć została utworzona na danych dziennych z okresu jednego roku.

Stworzona przez program sieć dopasowała się do danych treningowych tak, że trafiała z prognozą w blisko 85% przypadków. Następnie wytrenowana już sieć została użyta do prognozowania na danych z losowo wybranego okresu . Wyniki prognoz porównane z faktycznymi pokazują, że sieć trafiła z prognozą w 68% przypadków. Widzimy więc, że wynik sieci neuronowej nawet zbudowanej z tak prostych danych wejściowych jest już o 18% lepszy od rzutu monetą. To sugeruje, że dobrze przemyślana sieć, składająca się z większej ilości danych wejściowych i trenowana na dużej ilości rekordów może mieć w sobie duży potencjał prognostyczny.

W dostępnych na zachodzie opracowaniach na temat sieci neuronowych dotarłem do danych o sieci zbudowanej w 1999 r prognozującej na 5 dni na przód wartość indeksu S&P500.

Wyniki jakie uzyskano były imponujące . Błąd średniokwadratowy wyniósł 0.000217 a błąd średni

1,268 punktu indeksu !!!!!!!. W 56 % przypadków różnica między wartością rzeczywistą a prognozowaną nie przekraczała jednego , w 77 % - dwóch , a w 99 % czterech punktów .

Parę lat temu w zawodach forexowych autonomicznych automatów grających na rynku , wygrała sieć neuronowa zaimplementowana na Meta Traderze i napisana przez rosjanina.

Sieć zdyskontowała konkurentów o sic !! 1000 %.

Z moich osobistych kontaktów z tematem doszedłem do wniosków, że zagadnienie wykorzystania sieci neuronowych na rynkach kapitałowch są ściśle chronionymi tajemnicami.

A specjaliści z tej dziedziny nauki są przechwytywani przez korporacje finansowe i szybko słuch o nich ginie.

„Klasyką” sieci neuronowych jest opowieść o człowieku, maklerze giełdowym, a z zapalenia będącego programistą, który nauczył sieć neuronową "rozumienia" giełdy. Sieć ta, po pewnym szkoleniu, wymknęła się spod kontroli. Na szczęście w dobrym tego słowa znaczeniu. Sieć zaczęła bardzo dokładnie przewidywać wahania cen na giełdzie, dzięki czemu człowiek ten dużo zarobił.

Jeżeli komuś uda się zaprogramować SN na tyle dobrze, aby myślała mniej-więcej dobrze, może się spodziewać dużej kasy:).

http://gmtrading.pl/index.php?option=com_content&task=view&id=75&Itemid=47