Классические заблуждения о нейронных сетях и их способности предсказывать рынок

Во многих источниках, которые я мониторю регулярно, часто вижу один и тот же подход к предсказанию цен, разбивающийся о великий рандом и неумолимый стохастик — использование реккурентных сетей «с памятью».

Уже сам тот факт, что эту концепцию и эту технологию некто пытается использовать для предсказания рыночных цен, сам по себе вызывает подозрение. Однако, несть им числа, имя им — легион, и не оскудеет земля (тут — в смысле планета), продолжают писать, придумывать, ломать копья. Очень много таких гениев из Китая (правда, как правило, живут они уже не в Поднебесной :) и Индии (аналогично). К примеру, европейцы и американцы использовать нейросети в ключе предсказания цены следующих баров даже не пытаются :)

Вот ещё один вариант нейросети, который, по заявлению автора, неплохо предсказывал цены на 5 баров вправо от текущего, что, мол, является достаточным для принятия решения — держать, продавать или покупать.

Здесь на вход подаются нормализованные ценовые данные векторами, которые нарезаны из потока котировок окном заданного размера.
После обучения сети, берётся вектор от текущего бара в прошлое окном того же размера, что и для обучения, и выполняется предсказание.



Я никого судить не берусь, но вот это вот всё, то, что на картинке выше, выглядит несколько чрезмерно и запущено. При том, что мы видим тот же LSTM, который ничего хорошего нам дать не может. Дело в том, что если всё-таки принять за аксиому, что ценовые данные — есть рандомные данные, то предсказать их невозможно. А LSTM, как подвид реккурентных сетей, как раз и занимается таким предсказанием, опираясь на предыдущие данные. Но кто торговал — отлично знает, что зачастую все последние N баров не значат ничего :)

Так что предсказывать будущую цену актива, опираясь на данные котировок, с помощью нейросетей, пока что мне видятся утопией и ничего как бы не намекает, что может быть иначе.

Однако же, при том при всём, нейронные сети могут вполне поспособствовать повышению вероятности принятия верных решений, что и является темой моей дипломной работы) 

Посмотрим, что из этого выйдет :)