Исследование алгоритмов обучения нейронных сетей для прогнозирования фондового рынка

Содержание

Слайд 2

Фондовый рынок Фондовый рынок — это организованный и централизованный рынок ценных

Фондовый рынок

Фондовый рынок — это организованный и централизованный рынок ценных бумаг.

Выражаясь проще, это место, где проходят торги акциями, облигациями, депозитарными расписками, паевыми фондами и прочими финансовыми средствами.

2/10

Слайд 3

Торговля на бирже Биржевая торговля осуществляется на базе встречных предложений сторон:

Торговля на бирже

Биржевая торговля осуществляется на базе встречных предложений сторон: всегда есть

покупатель и продавец актива. При торговле применяются технический и фундаментальный анализ. 

Рисунок 1 — Свечной график

3/10

Слайд 4

Технический анализ Технический анализ — совокупность инструментов прогнозирования вероятного изменения цен

Технический анализ

Технический анализ — совокупность инструментов прогнозирования вероятного изменения цен на основе

закономерностей изменений цен в прошлом в аналогичных обстоятельствах.

Таблица 1 – Основные индикаторы скользящих средних

4/10

Слайд 5

Фундаментальный анализ Фундаментальный анализ (FA) — это метод измерения внутренней стоимости

Фундаментальный анализ

Фундаментальный анализ (FA) — это метод измерения внутренней стоимости ценной

бумаги путем изучения взаимосвязанных экономических и финансовых факторов. При фундаментальном анализе изучается все, что может повлиять на стоимость ценных бумаг: макроэкономические факторы (состояние экономики и состояние конкретной отрасли бизнеса) микроэкономические факторы (эффективность управления компанией).

5/10

Слайд 6

Нейронные сети в прогнозировании фондового рынка В последние годы, у финансовых

Нейронные сети в прогнозировании фондового рынка

В последние годы, у финансовых аналитиков

стали вызывать большой интерес так называемые искусственные нейронные сети – это математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей – сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге при мышлении, и при попытке смоделировать эти процессы. Впоследствии эти модели стали использовать в практических целях, как правило, в задачах прогнозирования.

6/10

Слайд 7

Архитектура нейронной сети Обычно в искусственной нейронной сети выделяют три группы

Архитектура нейронной сети

Обычно в искусственной нейронной сети выделяют три группы слоёв:

входной, скрытые и выходной.

Рисунок 2 — Архитектура нейронной сети

7/10

Слайд 8

Обучение нейронной сети Переходя к механизму обучения, необходимо сказать, что это

Обучение нейронной сети

Переходя к механизму обучения, необходимо сказать, что это самообучающаяся

искусственная нейронная сеть. Отображения исходного вектора (или векторов) конкурируют между собой, в результате чего и происходит активизация одного из нейронов. После того, как победивший нейрон активировался, он начинает формировать вокруг себя упорядоченную топологическую область, которая содержит значимую информацию об исходном векторе.

8/10

Слайд 9

Усовершенствование модели Для повышения эффективности модели нам необходимо минимизировать влияние случайной

Усовершенствование модели

Для повышения эффективности модели нам необходимо минимизировать влияние случайной начальной составляющей

на процесс оптимизации.

Рисунок 3 — Сравнительная динамика рыночного и виртуального инвестиционного портфеля

9/10