18 апреля 2017 utmedia
Как машинный интеллект может помочь нам в торговле? Оказывается, с помощью нейронных сетей, программное обеспечение может имитировать процесс мышления человека. Пролить свет на этот вопрос мы попросили двух людей, обладающих знаниями и опытом в области применения нейронных сетей на финансовых рынках.
Денам Уорд (Denham Ward) - СЕО Ward Systems Group. Он начинал работать в сфере программирования нейронных сетей. Затем, в университете Колорадо, занимался применением нейронных сетей в медицинских и анестезиологических исследованиях. Получив диплом инженера-электромеханика, он начал работать в Ward Systems Group в качестве ведущего разработчика программы NeuroShell Trader, а впоследствии занял должность СЕО.
Мардж Шералд - президент Ward Systems Group и автор ряда статей по финансовому прогнозированию, экспертным системам и нейронным сетям. Она проводит семинары по NeuroShell Trader и помогает клиентам разрабатывать их собственные модели торговли. Она создает обучающие видео и документацию для NeuroShell Trader и программы искусственного интеллекта общего назначения. Шералд имеет степень бакалавра в области систем связи и компьютерных наук.
Денам, расскажите немного о себе и о том, как вы заинтересовались финансовыми рынками?
Денам Уорд: Я получил диплом инженера-электромеханика и работал в сфере нейронных сетей в течение более чем 25 лет.
Вначале я работал с нейронными сетями в медицинской области - анестезиология и такое прочее. Но клиентская база Ward Systems Group росла, и большинство наших клиентов использовали нейронные сети и искусственный интеллект для финансовых приложений, даже в большей степени, чем для других промышленных целей. Так мы начали движение в сторону финансовых рынков и заинтересовались применением на них нейронных сетей. Мы обнаружили, что нейронные сети - отличный инструмент для финансовых рынков.
Можете вкратце описать, что такое нейронные сети и искусственный интеллект?
Мардж Шералд: Нейронные сети - это математический инструмент, способный изучать формации и исторические данные - это то, с чем трейдерам тоже приходится работать. В течение многих лет трейдеры делали это визуально. В нейронной сети хорошо то, что можно одновременно просматривать от 5 до 10 потоков данных и выявлять формации. Это больше, чем способен обрабатывать обычный мозг. Таким образом, можно посмотреть на формацию и сказать: "Это был хороший торговый сигнал на покупку. А это - сигнал на продажу". Такая информация очень полезна для торговли.
Как вы применяете нейронные сети к торговле?
Денам Уорд: Традиционно, анализ рынка проводился с помощью пересечения скользящих средних и подобных вещей. Применялись соответствующие правила: если более короткая скользящая средняя пересекает более длинную снизу вверх, нужно покупать, а в обратном случае - продавать.
В нейронных сетях твердые правила отсутствуют. Вместо этого, нейронная сеть просматривает исторические данные и ту информацию, которую вы ей даете из этих исторических данных. В качестве такой информации могут выступать другие индикаторы. Затем нейронная сеть создает модель, которая имитирует человеческий мозг. Она просматривает эти исторические данные и создает связи. Она создает внутренние математические модели (их нельзя назвать правилами), которые дают вам представление о том, куда пойдет рынок, какие изменения могут произойти. Модели могут давать другие прогнозы, которые связанны с рынком. Модель может работать используя любые данные: торговые паттерны, индикаторы, какие-то параметры или еще что-то. Система способна учиться на прошлых данных, и когда вы применяете ее к будущему, она берет текущие данные и делает предсказания на основании типичных формаций, которые выявила в прошлых данных.
И какие же прошлые данные она учитывает?
Мардж Шералд: Любые, которые вы ей дадите. Как правило, мы не рекомендуем вводить в модель только данные о цене. Система будет работать лучше, если использовать технические индикаторы. Можно использовать астрологические данные, фазу луны, ряды Ганна и любые другие. Знаю, что это похоже на эзотерику, но есть люди, которые действительно используют такие данные для выявления закономерностей на финансовых рынках.
Денам Уорд: Но обычно, это - данные стандартных индикаторов технического анализа - стохастики, индекс относительной силы (RSI) или разного рода статистические данные. Можно сочетать их, чтобы получить надежно работающую модель.
Нейронные сети и искусственный интеллект часто рассматриваются как взаимозаменяемые вещи. Они похожи?
Мардж Шералд: Они не похожи. Нейронные сети - это одна из ветвей искусственного интеллекта. Есть такая вещь, как экспертные системы, которые обычно воспринимаются, как правила. Например, если на улице облачно, будет дождь. Но применительно к рынку, нейронные сети могут просматривать разную входящую информацию, например индикаторы, чтобы создать модель и найти закономерность. Кроме того, существует нечеткая логика.
В NeuroShell Trader мы используем такую вещь, как генетические алгоритмы. Допустим, в качестве входящей информации для нейронной сети вы используете индикатор RSI, рассчитанный на пяти периодах. Генетический алгоритм может провести исследование и сказать: "Для этой акции лучше использовать семь периодов в данной модели". Таким образом, он может подсказать необходимые параметры и помочь выбрать индикаторы, а если у вас есть набор правил торговли, нейронные сети могут подсказать, какие из них более важны для принятия решений.
Складывается впечатление, что нейронные сети дают значительную гибкость, не только в смысле ввода данных, но и в смысле эффективности индикаторов.
Мардж Шералд: Правильно. И можно сочетать все, что угодно. Можно вводить в нейронные сети правила торговли, а математические алгоритмы из всего этого набора отберут то, что наиболее важно. Еще одно, чем мы занимаемся, - это объединенные системы. Можно создать две системы, основанные на правилах, и создать систему нейронной сети, либо можно объединить две системы нейронных сетей и систему, основанную на правилах, в единую систему торговли. Используя объединенную систему, вы получаете выражение "два из которых должны быть верны". У нас есть математическое доказательство того, что при построении такой объединенной системы вероятность генерирования качественных торговых сигналов выше.
Это интересно. Как трейдер может использовать программу нейронных сетей? Другими словами, как он может с ее помощью эффективно торговать?
Денам Уорд: Наша программа нейронных сетей позволяет объединять все, что вы делаете в традиционных пакетах технического анализа - графики, индикаторы и традиционные системы торговли - с методами искусственного интеллекта - нейронными сетями, генетическими алгоритмами и нечеткой логикой. Затем можно использовать эту программу с искусственным интеллектом или без него. Если поместить на графики индикаторы, можно создавать системы торговли, основанные исключительно на индикаторах, если вы этого хотите.
Можно пойти дальше таких стандартных систем технического анализа и добавить нейронные сети и оптимизацию с помощью генетических алгоритмов, чтобы улучшить уже имеющуюся систему или создать совершенно новую, о которой вы и подумать не могли бы, если бы просто пользовались традиционным анализом. Таким образом, программа нейронных сетей объединяет в один пакет искусственный интеллект с данными технического анализа.
И как это работает в аномальных условиях? Например, возьмем случай с Брексит, свидетелями которого мы стали в прошлом году. Когда случаются подобные вещи, как реагируют нейронные сети?
Денам Уорд: Прелесть нейронных сетей состоит в том, что они основаны на исторических данных, но обеспечивают немного большее обобщение, чем стандартные методы. Например, когда вы используете стандартное пересечение скользящих средних, возможно только два сценария: они пересеклись или не пересеклись. Нейронные сети могут рассматривать более широкий спектр условий и, образно говоря, читать между строк. Они могут рассматривать сценарии, которые не имеют точного соответствия с тем, что происходило в прошлом, но могут иметь подобное продолжение в будущем. Таким образом, если в ваших торговых данных имели место другие аномалии, они ассоциируются с аналогичными аномалиями, которые могут произойти в будущем. Очевидно, в торговле иногда возникают ситуации, когда рынок закрывается, и система не имеет возможности хорошо отреагировать. Это касается как нейронных сетей, так и искусственного интеллекта. Они не могут знать все.
Мардж Шералд: Лучшее, что можно сделать, - использовать следящие стопы, управлять размером позиций и т. п.. Это - резервная система.
Совершенно верно, потому что управлять рисками - это важно. Учитывая то, что прошли президентские выборы, рассматривает ли ваша система данные о прошлых выборах, чтобы понять, как оправдывались прогнозы?
Денам Уорд: Она могла бы это сделать. Можно применить нейронные сети и искусственный интеллект к любым периодам времени. Можно использовать месячные бары, чтобы увидеть более долгосрочные тренды. Если бы надо было это сделать, нужно было бы ввести данные о прошлых выборах и использовать индикаторы этого таймфрейма.
Есть трейдеры, которые работают с гораздо более короткими таймфреймами - минутным и пятиминутным. Не думаю, что на них как-то сказались результаты выборов. Безусловно, они могут сказаться на следующей торговой сессии, но только, если ее сравнивать с другими. Это часто можно увидеть на разных графиках и разных рынках.
Можно добавлять разные рынки в качестве входящей информации. Например, когда вы предсказываете движение цены акции, есть вероятность, что на конкретную акцию будет оказывать влияние валютный или товарный рынок. Поэтому надо ввести данные с этого рынка. Эти данные могут выходить за пределы торгового дня. Можно посмотреть шире и использовать дневной таймфрейм для предсказаний внутри дня. Некоторые трейдеры параллельно имеют другую работу, в этом случае, они хотели бы формировать свои сделки на день, на неделю или даже на месяц. Они могут использовать нейронные сети с данными о выборах или чем-то подобным, чтобы предсказывать общий тренд для торговли внутри дня.
Мардж Шералд: Еще одна прелесть нашей программы: она позволяет смешивать разные таймфреймы. Например, можно ввести месячные данные, совместить их с часовым графиком и получить более крупную картину тренда, а затем - торговать на меньшем таймфрейме.
Что касается будущего, в каком направлении может развиваться сфера нейронных сетей?
Денам Уорд: Сфера нейронных сетей определенно находится в состоянии роста. Было время, когда люди не уделяли ей должного внимания. Но сегодня, если посмотреть, например, на систему поиска изображений Google, все это построено на нейронных сетях. Компании создают самоуправляемые автомобили, которые ездят по дорогам в буквальном смысле сами, без водителя. Это делается с помощью нейронных сетей.
На финансовых рынках, крупные институциональные трейдеры (хотя они и не признаются в этом) широко используют компьютеризированную торговлю, управляемую нейронными сетями. Это ставит мелких трейдеров в невыгодное положение. Думаю, что технологии нейронных сетей дойдут и до мелких трейдеров, чтобы повысить их конкурентоспособность. Считаю, что независимые трейдеры должны иметь доступ к тем знаниям, которыми обладают крупные институциональные трейдеры.
Инструменты для этого есть, нужно начинать их использовать.
Вы говорите, что алгоритмические и высокочастотные трейдеры используют нейронные сети?
Мардж Шералд: Мы видели много институциональных трейдеров, которые покупают программное обеспечение для нейронных сетей. Но как они его используют, мы не знаем. Они не выдают свои секреты.
Денам Уорд: Я бы добавил: в новостях можно найти много указаний на нейронные сети, которые лично мне говорят о том, что во многом именно на них основана компьютеризированная торговля. Они не скажут вам: "Эй, посмотри, что мы делаем". Но если умеешь читать между строк, это можно увидеть.
Чтобы лучше понять, как работают программы нейронных сетей: если взять какой-то график, ввести с него все данные и прогнать по ним программу, увижу ли я на графике, в каком направлении цена, скорее всего, пойдет?
Мардж Шералд: По умолчанию, нейронная сеть предсказывает процентное изменение цены открытия по сравнению с открытием следующего дня. И это можно делать для большого количества баров в будущем - дней, недель или месяцев, в зависимости от того, какие у вас есть данные. Очевидно, по мере изменения рынка, модель нужно переобучать, используя наиболее близкие данные. Вы знаете, что происходило вчера, потому что эти данные у вас перед глазами.
Денам Уорд: Рынки переменчивы. Чем на более длительный срок вы пытаетесь сделать предсказание, тем менее точным оно будет. Наверное, каждый сможет угадать, что будет завтра. Если вы спросите меня, что рынок будет делать через два-три-четыре месяца, такое предсказание может оказаться невозможным из-за очень большого количества переменных. Поэтому, небольшие таймфреймы иногда дают лучшие результаты. Системы торговли на нейронных сетях генерируют сигналы на покупку и продажу точно так же, как и системы, основанные на правилах.
Сигналы нейронной сети
Можно ли сказать, что в использовании нейронных сетей заинтересованы, прежде всего, дейтрейдеры?
Мардж Шералд: Интерес к использованию нейронных сетей проявляют, в основном, дейтрейдеры. Но мое мнение основано только на данных о продажах.
Вы уже долго занимаетесь этим бизнесом. Заметили ли вы какие-то радикальные изменения в рынке или подходе трейдеров к рынку?
Мардж Шералд: Думаю, что рынок меняются быстрее, чем раньше. Это - одно из главных отличий. Кроме того, сейчас больше, чем раньше, другие рынки мира влияют на то, что происходит в США, и наоборот.
Когда вы говорите, что рынок меняется быстрее, вы имеете в виду его поведение?
Мардж Шералд: Я могу сказать, что меняются торговые формации, и новостной цикл тоже другой. Сейчас весь мир быстрее реагирует на то, что происходит в другой стране. Хорошо, что существуют адаптивные нейронные сети, которые способны переобучаться при появлении каждого нового бара. Это не так, как в случае фиксированной модели, когда, при добавлении данных, система переобучается, только когда вы сами ей об этом скажете. Некоторым нравится держать все под контролем, но большинство все же предпочитает обновление при каждом новом баре.
Нейронные сети - не такие загадочные, как люди о них думают. По сути, в наши дни быстро развивающихся технологий, не нужно задавать много параметров для нейронных сетей. В алгоритме, который мы используем, ничего не надо задавать. Он открыт для пользователей. Он был разработан, главным образом, для торговли с учетом упрощения процесса для пользователя.
В целом, это выглядит так: берете какие-то входные данные, разбираетесь, что происходит, и затем делаете обобщение на будущее.
Соглашусь с тем, что большинство людей боятся нейронных сетей. Им следует понять, что это - еще один инструмент для анализа рынка.
Мардж Шералд: Мы как раз пытаемся сделать так, чтобы этого инструмента не боялись. В нашей программе используется мастер, который поможет на всех этапах построения своей модели. Это означает, что пользователю вообще не надо заниматься программированием. Если хотите, можете это делать, но у вас есть возможность использовать то, что уже имеется в программе, не создавая себе лишних проблем
/ (C) Источник
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Отправить жалобу
Денам Уорд (Denham Ward) - СЕО Ward Systems Group. Он начинал работать в сфере программирования нейронных сетей. Затем, в университете Колорадо, занимался применением нейронных сетей в медицинских и анестезиологических исследованиях. Получив диплом инженера-электромеханика, он начал работать в Ward Systems Group в качестве ведущего разработчика программы NeuroShell Trader, а впоследствии занял должность СЕО.
Мардж Шералд - президент Ward Systems Group и автор ряда статей по финансовому прогнозированию, экспертным системам и нейронным сетям. Она проводит семинары по NeuroShell Trader и помогает клиентам разрабатывать их собственные модели торговли. Она создает обучающие видео и документацию для NeuroShell Trader и программы искусственного интеллекта общего назначения. Шералд имеет степень бакалавра в области систем связи и компьютерных наук.
Денам, расскажите немного о себе и о том, как вы заинтересовались финансовыми рынками?
Денам Уорд: Я получил диплом инженера-электромеханика и работал в сфере нейронных сетей в течение более чем 25 лет.
Вначале я работал с нейронными сетями в медицинской области - анестезиология и такое прочее. Но клиентская база Ward Systems Group росла, и большинство наших клиентов использовали нейронные сети и искусственный интеллект для финансовых приложений, даже в большей степени, чем для других промышленных целей. Так мы начали движение в сторону финансовых рынков и заинтересовались применением на них нейронных сетей. Мы обнаружили, что нейронные сети - отличный инструмент для финансовых рынков.
Можете вкратце описать, что такое нейронные сети и искусственный интеллект?
Мардж Шералд: Нейронные сети - это математический инструмент, способный изучать формации и исторические данные - это то, с чем трейдерам тоже приходится работать. В течение многих лет трейдеры делали это визуально. В нейронной сети хорошо то, что можно одновременно просматривать от 5 до 10 потоков данных и выявлять формации. Это больше, чем способен обрабатывать обычный мозг. Таким образом, можно посмотреть на формацию и сказать: "Это был хороший торговый сигнал на покупку. А это - сигнал на продажу". Такая информация очень полезна для торговли.
Как вы применяете нейронные сети к торговле?
Денам Уорд: Традиционно, анализ рынка проводился с помощью пересечения скользящих средних и подобных вещей. Применялись соответствующие правила: если более короткая скользящая средняя пересекает более длинную снизу вверх, нужно покупать, а в обратном случае - продавать.
В нейронных сетях твердые правила отсутствуют. Вместо этого, нейронная сеть просматривает исторические данные и ту информацию, которую вы ей даете из этих исторических данных. В качестве такой информации могут выступать другие индикаторы. Затем нейронная сеть создает модель, которая имитирует человеческий мозг. Она просматривает эти исторические данные и создает связи. Она создает внутренние математические модели (их нельзя назвать правилами), которые дают вам представление о том, куда пойдет рынок, какие изменения могут произойти. Модели могут давать другие прогнозы, которые связанны с рынком. Модель может работать используя любые данные: торговые паттерны, индикаторы, какие-то параметры или еще что-то. Система способна учиться на прошлых данных, и когда вы применяете ее к будущему, она берет текущие данные и делает предсказания на основании типичных формаций, которые выявила в прошлых данных.
И какие же прошлые данные она учитывает?
Мардж Шералд: Любые, которые вы ей дадите. Как правило, мы не рекомендуем вводить в модель только данные о цене. Система будет работать лучше, если использовать технические индикаторы. Можно использовать астрологические данные, фазу луны, ряды Ганна и любые другие. Знаю, что это похоже на эзотерику, но есть люди, которые действительно используют такие данные для выявления закономерностей на финансовых рынках.
Денам Уорд: Но обычно, это - данные стандартных индикаторов технического анализа - стохастики, индекс относительной силы (RSI) или разного рода статистические данные. Можно сочетать их, чтобы получить надежно работающую модель.
Нейронные сети и искусственный интеллект часто рассматриваются как взаимозаменяемые вещи. Они похожи?
Мардж Шералд: Они не похожи. Нейронные сети - это одна из ветвей искусственного интеллекта. Есть такая вещь, как экспертные системы, которые обычно воспринимаются, как правила. Например, если на улице облачно, будет дождь. Но применительно к рынку, нейронные сети могут просматривать разную входящую информацию, например индикаторы, чтобы создать модель и найти закономерность. Кроме того, существует нечеткая логика.
В NeuroShell Trader мы используем такую вещь, как генетические алгоритмы. Допустим, в качестве входящей информации для нейронной сети вы используете индикатор RSI, рассчитанный на пяти периодах. Генетический алгоритм может провести исследование и сказать: "Для этой акции лучше использовать семь периодов в данной модели". Таким образом, он может подсказать необходимые параметры и помочь выбрать индикаторы, а если у вас есть набор правил торговли, нейронные сети могут подсказать, какие из них более важны для принятия решений.
Складывается впечатление, что нейронные сети дают значительную гибкость, не только в смысле ввода данных, но и в смысле эффективности индикаторов.
Мардж Шералд: Правильно. И можно сочетать все, что угодно. Можно вводить в нейронные сети правила торговли, а математические алгоритмы из всего этого набора отберут то, что наиболее важно. Еще одно, чем мы занимаемся, - это объединенные системы. Можно создать две системы, основанные на правилах, и создать систему нейронной сети, либо можно объединить две системы нейронных сетей и систему, основанную на правилах, в единую систему торговли. Используя объединенную систему, вы получаете выражение "два из которых должны быть верны". У нас есть математическое доказательство того, что при построении такой объединенной системы вероятность генерирования качественных торговых сигналов выше.
Это интересно. Как трейдер может использовать программу нейронных сетей? Другими словами, как он может с ее помощью эффективно торговать?
Денам Уорд: Наша программа нейронных сетей позволяет объединять все, что вы делаете в традиционных пакетах технического анализа - графики, индикаторы и традиционные системы торговли - с методами искусственного интеллекта - нейронными сетями, генетическими алгоритмами и нечеткой логикой. Затем можно использовать эту программу с искусственным интеллектом или без него. Если поместить на графики индикаторы, можно создавать системы торговли, основанные исключительно на индикаторах, если вы этого хотите.
Можно пойти дальше таких стандартных систем технического анализа и добавить нейронные сети и оптимизацию с помощью генетических алгоритмов, чтобы улучшить уже имеющуюся систему или создать совершенно новую, о которой вы и подумать не могли бы, если бы просто пользовались традиционным анализом. Таким образом, программа нейронных сетей объединяет в один пакет искусственный интеллект с данными технического анализа.
И как это работает в аномальных условиях? Например, возьмем случай с Брексит, свидетелями которого мы стали в прошлом году. Когда случаются подобные вещи, как реагируют нейронные сети?
Денам Уорд: Прелесть нейронных сетей состоит в том, что они основаны на исторических данных, но обеспечивают немного большее обобщение, чем стандартные методы. Например, когда вы используете стандартное пересечение скользящих средних, возможно только два сценария: они пересеклись или не пересеклись. Нейронные сети могут рассматривать более широкий спектр условий и, образно говоря, читать между строк. Они могут рассматривать сценарии, которые не имеют точного соответствия с тем, что происходило в прошлом, но могут иметь подобное продолжение в будущем. Таким образом, если в ваших торговых данных имели место другие аномалии, они ассоциируются с аналогичными аномалиями, которые могут произойти в будущем. Очевидно, в торговле иногда возникают ситуации, когда рынок закрывается, и система не имеет возможности хорошо отреагировать. Это касается как нейронных сетей, так и искусственного интеллекта. Они не могут знать все.
Мардж Шералд: Лучшее, что можно сделать, - использовать следящие стопы, управлять размером позиций и т. п.. Это - резервная система.
Совершенно верно, потому что управлять рисками - это важно. Учитывая то, что прошли президентские выборы, рассматривает ли ваша система данные о прошлых выборах, чтобы понять, как оправдывались прогнозы?
Денам Уорд: Она могла бы это сделать. Можно применить нейронные сети и искусственный интеллект к любым периодам времени. Можно использовать месячные бары, чтобы увидеть более долгосрочные тренды. Если бы надо было это сделать, нужно было бы ввести данные о прошлых выборах и использовать индикаторы этого таймфрейма.
Есть трейдеры, которые работают с гораздо более короткими таймфреймами - минутным и пятиминутным. Не думаю, что на них как-то сказались результаты выборов. Безусловно, они могут сказаться на следующей торговой сессии, но только, если ее сравнивать с другими. Это часто можно увидеть на разных графиках и разных рынках.
Можно добавлять разные рынки в качестве входящей информации. Например, когда вы предсказываете движение цены акции, есть вероятность, что на конкретную акцию будет оказывать влияние валютный или товарный рынок. Поэтому надо ввести данные с этого рынка. Эти данные могут выходить за пределы торгового дня. Можно посмотреть шире и использовать дневной таймфрейм для предсказаний внутри дня. Некоторые трейдеры параллельно имеют другую работу, в этом случае, они хотели бы формировать свои сделки на день, на неделю или даже на месяц. Они могут использовать нейронные сети с данными о выборах или чем-то подобным, чтобы предсказывать общий тренд для торговли внутри дня.
Мардж Шералд: Еще одна прелесть нашей программы: она позволяет смешивать разные таймфреймы. Например, можно ввести месячные данные, совместить их с часовым графиком и получить более крупную картину тренда, а затем - торговать на меньшем таймфрейме.
Что касается будущего, в каком направлении может развиваться сфера нейронных сетей?
Денам Уорд: Сфера нейронных сетей определенно находится в состоянии роста. Было время, когда люди не уделяли ей должного внимания. Но сегодня, если посмотреть, например, на систему поиска изображений Google, все это построено на нейронных сетях. Компании создают самоуправляемые автомобили, которые ездят по дорогам в буквальном смысле сами, без водителя. Это делается с помощью нейронных сетей.
На финансовых рынках, крупные институциональные трейдеры (хотя они и не признаются в этом) широко используют компьютеризированную торговлю, управляемую нейронными сетями. Это ставит мелких трейдеров в невыгодное положение. Думаю, что технологии нейронных сетей дойдут и до мелких трейдеров, чтобы повысить их конкурентоспособность. Считаю, что независимые трейдеры должны иметь доступ к тем знаниям, которыми обладают крупные институциональные трейдеры.
Инструменты для этого есть, нужно начинать их использовать.
Вы говорите, что алгоритмические и высокочастотные трейдеры используют нейронные сети?
Мардж Шералд: Мы видели много институциональных трейдеров, которые покупают программное обеспечение для нейронных сетей. Но как они его используют, мы не знаем. Они не выдают свои секреты.
Денам Уорд: Я бы добавил: в новостях можно найти много указаний на нейронные сети, которые лично мне говорят о том, что во многом именно на них основана компьютеризированная торговля. Они не скажут вам: "Эй, посмотри, что мы делаем". Но если умеешь читать между строк, это можно увидеть.
Чтобы лучше понять, как работают программы нейронных сетей: если взять какой-то график, ввести с него все данные и прогнать по ним программу, увижу ли я на графике, в каком направлении цена, скорее всего, пойдет?
Мардж Шералд: По умолчанию, нейронная сеть предсказывает процентное изменение цены открытия по сравнению с открытием следующего дня. И это можно делать для большого количества баров в будущем - дней, недель или месяцев, в зависимости от того, какие у вас есть данные. Очевидно, по мере изменения рынка, модель нужно переобучать, используя наиболее близкие данные. Вы знаете, что происходило вчера, потому что эти данные у вас перед глазами.
Денам Уорд: Рынки переменчивы. Чем на более длительный срок вы пытаетесь сделать предсказание, тем менее точным оно будет. Наверное, каждый сможет угадать, что будет завтра. Если вы спросите меня, что рынок будет делать через два-три-четыре месяца, такое предсказание может оказаться невозможным из-за очень большого количества переменных. Поэтому, небольшие таймфреймы иногда дают лучшие результаты. Системы торговли на нейронных сетях генерируют сигналы на покупку и продажу точно так же, как и системы, основанные на правилах.
Сигналы нейронной сети
Можно ли сказать, что в использовании нейронных сетей заинтересованы, прежде всего, дейтрейдеры?
Мардж Шералд: Интерес к использованию нейронных сетей проявляют, в основном, дейтрейдеры. Но мое мнение основано только на данных о продажах.
Вы уже долго занимаетесь этим бизнесом. Заметили ли вы какие-то радикальные изменения в рынке или подходе трейдеров к рынку?
Мардж Шералд: Думаю, что рынок меняются быстрее, чем раньше. Это - одно из главных отличий. Кроме того, сейчас больше, чем раньше, другие рынки мира влияют на то, что происходит в США, и наоборот.
Когда вы говорите, что рынок меняется быстрее, вы имеете в виду его поведение?
Мардж Шералд: Я могу сказать, что меняются торговые формации, и новостной цикл тоже другой. Сейчас весь мир быстрее реагирует на то, что происходит в другой стране. Хорошо, что существуют адаптивные нейронные сети, которые способны переобучаться при появлении каждого нового бара. Это не так, как в случае фиксированной модели, когда, при добавлении данных, система переобучается, только когда вы сами ей об этом скажете. Некоторым нравится держать все под контролем, но большинство все же предпочитает обновление при каждом новом баре.
Нейронные сети - не такие загадочные, как люди о них думают. По сути, в наши дни быстро развивающихся технологий, не нужно задавать много параметров для нейронных сетей. В алгоритме, который мы используем, ничего не надо задавать. Он открыт для пользователей. Он был разработан, главным образом, для торговли с учетом упрощения процесса для пользователя.
В целом, это выглядит так: берете какие-то входные данные, разбираетесь, что происходит, и затем делаете обобщение на будущее.
Соглашусь с тем, что большинство людей боятся нейронных сетей. Им следует понять, что это - еще один инструмент для анализа рынка.
Мардж Шералд: Мы как раз пытаемся сделать так, чтобы этого инструмента не боялись. В нашей программе используется мастер, который поможет на всех этапах построения своей модели. Это означает, что пользователю вообще не надо заниматься программированием. Если хотите, можете это делать, но у вас есть возможность использовать то, что уже имеется в программе, не создавая себе лишних проблем
/ (C) Источник
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Отправить жалобу