нейронные сети

Прошло больше пол-года с тех пор, как я запустил первого робота для торговли на реальном счете. Прошло более года, как я последний раз выпускал привод для использования в массы. Проект умер? Нет. Привод доработан, значительно доработан, появились новые индикаторы, значение которых документированы не будут, соответственно, в массы он, видимо, больше не пойдет.

 Робот тоже претерпел значительные доработки. Нейросетка оказалась не граалем, соовсем не граалем :), и после слива 4х т.р. робот был отправлен в доработку. Суть доработок раскрывать не буду, но выводы доложу :)
1) Нейросетки, работающие на прогноз следующей цены выбранного периода по приращениям предыдущих периодов, предсказывают продолжение движения. То есть, подают сигнал на покупку после крупного движняка вверх и на продажу после хороших свечей вниз. Это приводит к попытке робота «вскочить в уходящий паровоз». Встали по движению, а тут нате — коррекция пошла.

( Читать дальше )

В этом посте я хотел бы поделиться своими мыслями по поводу роботов для торговли, которые используют нейронные сети. Думаю что за ними будет будущее. Этих роботов я бы даже хотел назвать «Роботы второго поколения» или «Роботы 2.0» по аналогии с технологией Web 2.0. 

Роботы с каждым годом играют все большую и большую роль на бирже. Обороты растут. 
Каждый день выходят новые статьи по роботостроению, проводятся вебинары.  
Порог для входа в «робототорговлю» снижается с каждым годом.  
Повсеместно брокеры предлагают своим клиентам роботов, построенных на каких то алгоритмах. 

Но возникает вопрос на сколько надежны решения, принимаемые роботами?. 

В одном из прошлых постов я писал на тему вероятности принятия решения. 

( Читать дальше )

Сегодня, 30 мая, на Воздвиженке 4/7 стр.1, пройдет первый семинар из цикла «DATA-MINING для трейдера», на котором будет рассмотрен вопрос искусcтвенных нейронных сетей и их применения для построения биржевых роботов.

Семинар проводит R&D департамент компании Faunus Analytics и биржа ММВБ-РТС. На семинаре будет небольшое, но ёмкое введение в теорию ИНС и статистического анализа данных, после этого — обширная практическая часть по пошаговому построению и оптимизации прогнозной модели на базе ИНС в бесплатной среде Deductor Academic. Отдельно будет показано, как превратить модель в полноценного робота и запустить его в связке QUIK + MultiCharts. Также поговорим о применении корреляционного анализа для оценки надежности индикаторов и о том, почему не работают популярные методы технического анализа.

Участие бесплатное, начало в 19:00. Необходима регистрация.


Приходите, будет интересно!     

Закончилась эпопея с защитой очередной диссертации, в связи с чем появилось время на развитие проекта T-Engine. Plaza2-вариант привода хоть и завершен, однако ввиду отсутствия возможности протестировать его в боевых условиях в массы он не пошел, и видимо не пойдет, так как платить свои деньги за возможность тестирования у меня желания нет ввиду весьма сомнительных коммерческих перспектив приводов как таковых.
Давно был озадачен вопросом создания торгового робота для FORTS, работающего через QUIK, и собственно привод был только первым этапом реализации робота. Вообще, ручная торговля меня не прельщает ввиду ряда факторов, поэтому я поставил себе задачу сделать собственного торгового робота.
Алгоритмическая торговля понимает под собой использование инструментов технического анализа – MA различных типов, индикаторов, осцилляторов и прочих прелестей, широко описанных в общедоступной литературе по данной тематике. У меня же возникла идея воспользоваться искусственным интеллектом – нейронными сетями для построения собственной оригинальной торговой системы. В чем преимущества торговых алгоритмов на нейронных сетях? На мой взгляд, это:


( Читать дальше )

Небольшой и увлекательный видео-ролик представленный ниже натолкнул меня на мысль — вот бы эту самообучающуюся, эволюционирующую модель применить к ценовым рядам. Думаю результат превзошел бы все мыслимые и немыслимые ожидания.

Итак — эволюция морфологии искусственной нейронной сети, которая упраляет некими существами состоящими из кубиков. Эволюционировали как размеры кубиков, как они сочленены и как ими управлять в зависимости от свойств заданной среды.

Первая задача перед сетью заключалась в том, чтобы найти модель которая проплывает большее расстояние под водой.
Вторая задача — пробежать, как можно большее расстояние
Третья задача — подпрыгнуть, как можно выше
Четвертая задача — подплыть под водой к красной точке 

Обратите внимание, насколько поведение моделей похоже на поведение живых существ при том что подобное поведение в программу, заранее, не закладывалось. И главное — ролик 1994 года!



( Читать дальше )