нейронная сеть

Всем привет! поделитесь пожалуйста своими мнениями: являются ли нейронные сети таким уж эффективным методом построения стратегий. Существует мнение, что все эти генетические алгоритмы, машинное обучение и т.д. и бесконечные оптимизации-переоптимизации не дают такого выхлопа в виде правильных входов как об этом говорят, иначе все бы кто задал машине обучаться через месяц пересели бы за руль Бентли) может все это не сильно лучше теханализа…

Всем привет.

Наша команда “Robot Spring” состоит из 4 человек с абсолютно разными компетенциями и опытом работы, каждый из нас будет рассказывать о том, чем он занимается в рамках нашего проекта.

Head, 3 года работал инженером в лаборатории, в текущий момент работает в финансовой (IB) сфере.

Собрал команду и замотивировал на разработку алгоритмов.

Расскажет о методологии анализа алгоритмов. [Structure]

Mathematician, 4 года опыта работы с алгоритмами обработки изображений.

Расскажет про нейронную сеть, которую он пишет. [AI]

Developer, 6 лет опыта разработки ПО (включая софт для банков), в том числе на руководящих позициях.

Расскажет о том, как устроена наша система с точки зрения IT. [IT]

Financier, 3 года опыта работы с деривативами в финансовой сфере.

Расскажет, как он придумывает новые алгоритмы. [Trading]

Анонс: в следующей статье Developer опишет архитектуру нашего проекта.[IT]

Целью настоящей работы является разработка математической торговой системы, прогнозирующей величину и направление изменения стоимости акций публичных компаний на определенном интервале времени. Исходными данными для модели служат данные из отчетов компаний и котировки их акций с биржевых площадок. Далее в статье речь пойдет об американском рынке акций в связи с текущими предпочтениями автора. Американский рынок является более привлекательным в связи с большим выбором эмитентов, широким спектром отраслей и доходом в долларах США.

В основе математической модели лежит классический многослойный перцептрон с количеством слоев равным двум, поскольку в процессе разработки было установлено, что значительное усложнение топологии нейронной сети приводит к явлению переобучения (overfitting) и сеть теряет свои обобщающие свойства. Проблема переобучения отдельно в данной статье не исследуется, а способы борьбы с ней будут освещены далее. Схема многослойного перцептрона представлена на рис. 1. Входные параметры в модели – “x” (данные по компании), а выходной параметр (output) – апсайд (upside), прогноз изменения стоимости акции.

( Читать дальше )

Очень часто видел публикацию на тему «Предлагаю сигналы для прибыльной торговли», «Копирование сделок участников ЛЧИ» и т.д.
Все очень просто — паяем приборчик, что на видео, и всем смартлабом подключаемся к руке Bullа, Герчика ну или кто от от кого фанатеет туда и тащит провода ))
Прогресс на пороге!
После такого закрываются все пропы, не нужны никакие программисты для написания индикаторов. 
Все в ваших руках… Вернее в руках на том конце провода))

Разбираемся по крупному
 Да тема больная, и универсального ответа на неё пока так и нет!
Думаю написать ещё несколько статей на эту тему переходя от клеточного уровня к более высоким.
 Для начала попробуем понять как и что происходит в мозге на самом примитивном уровне.

Честно говоря прям бальзам на душу, послушать советских учёных. Эх где это всё сейчас..
Ваши мысли по поводу возникновения ваших мыслей))), прошу оставлять в коментах.

Изучая физиологию нервной системы человека и животных, нейробионика даёт возможность совершенствовать и развивать архитектуру вычислительной техники и нейронных сетей. Как мы узнали на Алгочетверге, Алексей Афанасьевский @agaranga сумел приспособить технологии искусственной жизни и эволюционного программирования, как минимум, к трём задачам:

1. самообучаемые игрушки-графы (практической пользы не приносят, но забавны)
2. топология транспортной системы Франции с составлением расписаний движения междугородных автобусов и железных дорог 
3. программа для авиадиспетчеров
4. собственно, трейдинг. 

Конспект и видео

Фишка методов программирования искусственной жизни (ИЖ) весьма актуальна для трейдеров HFT и big data. Этот подход дает надежду найти успешное решение не полным перебором массы вариантов, а способами, похожими на эволюционную теорию Дарвина. Надо сказать, что применение биологических терминов несколько сбивает с толку: мутация, наследование, отбор. Конечно, за реализацию эволюционных процессов, включая борьбу за существование, отвечает программист, а предмет борьбы – не пища, а вычислительное время.

( Читать дальше )

Каждый трейдер, какой бы рынок он не торговал, всегда задает одни и те же вопросы:

1. Какую позицию занимать на рынке длинную или короткую?
2. Какие цели движения?
3. Какая точка входа является оптимальной?
4. Где ставить стоп?

Обычно для этих целей используют классический тех анализ, где при помощи тех или иных моделей окончания и продолжения тренда идет попытка спрогнозировать дальнейшее поведение торгового инструмента. 

Но торгуя по графику, трейдер сталкивается с известным явлением – субъективизмом восприятия информации.  Это означает, что на графике каждый трейдер находит, что то свое, которое понимает только он сам.

Чтобы сделать торги наиболее эффективными,  нужен новый подход,  когда прогнозирования рынка делается при помощи статистических методов на основе собранной информации – такой подход называется прогнозированием при помощи нейронной сети.  Она на основе, заложенной в нее информации, может рассчитать в какую сторону, вероятнее всего, пойдет торговый инструмент, а так же указать цели движения.

( Читать дальше )