Verwenden von Recurrent Neural Networks zur Forecasting von Forex Dieses Papier berichtet empirischen Nachweis, dass ein neuronales Netzwerk-Modell für die statistisch zuverlässige Vorhersage der Wechselkurse gilt. Zeitreihen-Daten und technische Indikatoren wie gleitender Durchschnitt werden zu neuronalen Netzen gespeist, um die zugrunde liegenden Regeln der Bewegung in Wechselkursen zu erfassen. Die ausgebildeten rekurrierenden Neuronalen Netze prognostizieren die Wechselkurse zwischen US-Dollar und vier weiteren wichtigen Währungen, Japanische Yen, Schweizer Franken, Britische Pfund und EURO. Es wurden verschiedene statistische Schätzungen der Prognosequalität durchgeführt. Erhaltene Ergebnisse zeigen, dass neuronale Netze in der Lage, Prognose mit Koeffizienten der Mehrfachbestimmung nicht schlechter als 0,65 zu geben. Lineare und nichtlineare statistische Datenvorverarbeitung, wie Kolmogorov-Smirnov-Test und Hurst-Exponenten für jede Währung wurden berechnet und analysiert. Schlüsselwörter: Neuronale Netze, Wechselkurs, Statistische Tests, Hurst Exponent, Komplexe Systeme Theorie Forex ist die größte und liquideste der Finanzmärkte, mit einem etwa 1 Billionen gehandelt jeden Tag. Es führt zu dem ernsthaften Interesse an diesem Sektor der Finanzierung und macht deutlich, dass aus verschiedenen Gründen jeder Händler auf Forex wünschen eine genaue Prognose des Wechselkurses haben. Die meisten Händler verwenden in altmodischer Weise solche traditionelle Methode der Prognose als technische Analyse mit der Kombination von grundlegenden ein. In dieser Arbeit entwickeln wir den neuronalen Netzwerkansatz für die Analyse und Prognose von Finanzzeitreihen, die nicht nur auf der neuronalen Netzwerktechnologie basieren, sondern auch auf einem Paradigma komplexer Systemtheorie und ihrer Anwendbarkeit auf die Analyse verschiedener Finanzmärkte (Mantegna et al., 2000 Peters, 1996) ) Und insbesondere auf Forex. Bei der Auswahl der Architektur des neuronalen Netzwerks und der Strategie der Prognose haben wir die Datenvorverarbeitung auf Basis einiger Methoden der gewöhnlichen statistischen Analyse und komplexen Systemtheorie durchgeführt: RS-Analyse, Methoden der nichtlinearen und chaotischen Dynamik (Mantegna et al ). In der vorliegenden Arbeit beschreiben wir nicht alle. Wir stellen hier nur die Ergebnisse des Kolmogorov-Smirnov-Tests und der Ergebnisse der RS-Analyse vor. Allerdings betonen wir, dass die vorläufige Analyse ermöglicht hat, die Parameter des neuronalen Netzes zu optimieren, den Horizont der Vorhersagbarkeit zu bestimmen und einen Vergleich der Prognosequalität verschiedener Währungen durchzuführen. Im Folgenden geben wir einige Bemerkungen über die Vorteile der neuronalen Netze Technologie über traditionelle Methoden und vergleichen Sie unsere Ansatz mit den Methoden der anderen Autoren Zuerst nimmt die neuronale Netzwerk-Analyse keine Einschränkungen auf Art der Input-Informationen als technische Analyse nicht. Es könnte sein, als Indikatoren für Zeitreihen, als Informationen über das Verhalten eines anderen Finanzinstrumenten. Es ist nicht ohne Grund, dass neuronale Netze exakt von institutionellen Investoren (zB Pensionskassen) genutzt werden, die sich mit großen Portfolios befassen und für die Korrelationen zwischen verschiedenen Märkten unerlässlich sind. Zweitens sind neuronale Netze im Gegensatz zur technischen Analyse, die auf gemeinsamen Empfehlungen basiert, in der Lage, für eine vorgegebene Zeitreihen - und Prognosestrategie optimale, vorgegebene Finanzinstrumente, Indikatoren und optimale Ergebnisse zu finden. Lassen Sie uns daran erinnern, dass in der vorliegenden Studie haben wir die Wechselkurse von nur ausgewählten Währungen auf Forex-Markt prognostiziert. Als Währungen haben wir uns für Britisches Pfund, Schweizer Franken, EURO und Japanisches Yen entschieden. Das folgende motiviert diese Wahl: praktisch alle Hauptvolumen der Geschäfte auf Forex werden mit diesen Währungen gemacht. Lassen Sie uns anmerken, dass es eine Menge von Papieren veröffentlicht wurden, wo ähnliche Probleme untersucht worden sind. (Jingtao Yao et al., 2000 Castiglione, 2001 Kuperin et al., 2001 Lee et al., 1997 Tino et al., 2001 McCluskey, 1993). Lassen Sie uns kurz um die Ergebnisse einige von ihnen. In (Castiglione, 2001) wurde das Problem der Vorhersage der Preissteigerungen untersucht. Als analysierte Daten wurden solche Indizes wie SampP500, Nasdaq100 und Dow Jones genommen. Wurde multilayer Perceptrons von verschiedenen Konfigurationen mit verschiedenen Anzahl von versteckten Neuronen genommen. Als Ergebnis wurde eine Möglichkeit der Vorhersage des Vorzeichens von Preisinkrementen mit einer Wahrscheinlichkeit von etwas höher als 50 gezeigt, d. h. ein wenig besser als nur das Münzenwerfen. Wir nehmen an, dass solche Ergebnisse vom praktischen Standpunkt aus gesehen irrelevant sind und ein akademisches Interesse haben. Forex-Vorhersage Dieses Beispiel ist sehr ähnlich dem vorherigen. Der einzige Unterschied ist, dass es Daten für Devisen (Forex) Währungspaare zeigt. Arbeiten mit dem Applet Wenn Sie das erste Beispiel nicht gesehen haben. Bitte erkundigen Sie es zuerst - grundlegende Beschreibung ist dort vorhanden. In diesem Applet stehen folgende Daten zur Verfügung. Alle von ihnen sind am Ende des Tages schließen Werte für das ganze Jahr 2007, d. H. 313 Werte. Wie in dem vorherigen Applet weist jede dieser Zeitreihen die folgenden Werte auf: Null für Intervall unter 0, Schließenwert im Intervall 0-Anzahl von Werten und wieder Null nach dem letzten bekannten Wert. EURUSD - EUR USD Forex Währungspaar Daten USDJPY - EUR USD Forex Währungspaar Daten USDCHF - EUR USD Forex Währungspaar Daten EURJPY - EUR USD Forex Währungspaar Daten Wieder beachten Sie, dass dieses Beispiel nur zur Veranschaulichung zur Verfügung gestellt wird. Trading mit diesem einfachen Setup ist in der Regel nicht weit von Vorhersage durch den letzten verfügbaren Wert. Beachten Sie auch, dass für den Handel müssen wir Ein-und Ausfahrt Regeln zu entwickeln, und dass sie wichtiger als exakte Vorhersage. Bitte warten Sie, bis das Applet geladen ist. Applet und Beschreibung (c) Marek Obitko, 2008 das neuronale Netzwerk im Applet verwendet Java-Klassen BPNeuron und BPNet aus NeuralWebspace, (c) Tom Vehovsk, 1998, die für die Zwecke dieses Applets modifiziert wurden. Willkommen für die genaueste Quelle für Forex Marktvorhersagen Mühelos voraussagen Forex-Trends mit der höchsten Genauigkeit auf dem Markt. Forex-Forecasting nutzt künstliche Intelligenz auf der Grundlage neuronaler Netzwerk-Technologie, erweiterte statistische Methoden und nicht-periodische Welle Analyse. Diese innovative Technologie ist jetzt verfügbar für Sie, der Händler, mit: Tägliche und intraday Forex Marktprognosen mit Entscheidungsunterstützung Einfache und benutzerfreundliche Web-Schnittstellen Bewährte mathematische Methoden auf der Grundlage fortgeschrittener neuronaler Netze Technologie Herunterladbare Module für Drittanbieter-Software (z MetaStock, Metatrader und andere) Versuchen Sie es jetzt kostenlos (zeitlich begrenztes Angebot). Erhalten Sie eine Chance, Ihren Gewinn zu erhöhen. Real-time Test - EURUSD 1 Stunde Vorhersage
No comments:
Post a Comment