НЕЙРОСЕТЕВЫЕ ИНДИКАТОРЫ ФОРЕКС

Лучшие Форекс брокеры 2021:

Практическое применение нейронных сетей в трейдинге

В данной статье я хочу поднять тему применения нейронных сетей при создании торговых роботов. Это в узком понимании данной проблемы. В более широком аспекте — попытаться ответить на ряд вопросов и рассмотреть несколько проблем:

  1. Возможно, ли построить прибыльную систему используя машинное обучение?
  2. Что мы можем получить от нейронной сети?
  3. Логическое обоснование обучения нейронных сетей на принятие решения.
  4. Нейронная сеть — это сложно или просто?
  5. Как интегрировать нейронную сеть в торговый терминал?
  6. Как тестировать нейронную сеть? Этапы тестирования.
  7. Об обучающих выборках.

Мощный и Точный индикатор для Бинарных Опционов Fox Neuro Jet на нейросети!

1. Возможно ли построить прибыльную систему используя машинное обучение?

Наверное, каждый новичок, который приходит на валютный рынок и пытается реально на нем торговать, не имея какой либо системы, брал в руки лист бумаги и рисовал на нем таблицу понравившихся индикаторов. Далее напротив каждого из этих индикаторов ставил либо плюсики и минусики, либо стрелочки, либо проценты вероятности движения цены, исходя из графика индикатора в терминале. Потом он подводил итог своим наблюдениям и принимал определенное решение на вхождение в рынок в определенном направлении, а если продвинулся еще дальше, то и решение входить ли в рынок вообще или оставаться вне него.

И здесь мы задумаемся — а, что же происходит в самой совершенной нейронной сети — нашем мозге. А, оказывается, все довольно просто — пронаблюдав эти индикаторы, у нас в голове складывается образ, какого-то одного, общего индикатора, подающего нам сигнал, на основе которого мы и принимаем решение. А если хотите, то цепочка сигналов складывается в индикатор. И тут нам приходится задуматься — если мы изучаем индикаторы в определенный момент времени и заглядываем в прошлое максимум на несколько периодов — как нам исследовать эти индикаторы одновременно на протяжении нескольких предшествующих лет и на основании этого исследования построить единый индикатор с дальнейшей возможностью его оптимизации.

Итак, мы получили ответ на второй вопрос — что мы можем получить от нейронной сети в результате ее обучения? И даже в большей мере надо вопрос перефразировать — что мы хотим получить от нейронной сети в результате ее обучения? А логически подумав, мы можем ответить и на первый вопрос положительно. Поскольку технически и программно это сделать возможно. Как это реализуется на практике, вы можете увидеть в видеоролике на моем канале в https://youtu.be/5GwhRnSqT78. А также посмотреть плейлист с видео онлайн теста нейросетевых модулей на этом же канале https://youtu.be/3wEMQOXJJNk

2. Логическое обоснование обучения нейронных сетей на принятие решения

Прежде чем приступать к разработке любой торговой системы, мы задаемся вопросом — на каких принципах данная система будет функционировать? У нас есть два основополагающих принципа использования флетов и продолжение тенденции. Не будем рассматривать более узкие производные от них, внутридневная торговля или нет, на фундаментальных данных, на новостях, на открытии рынков и т.д. Мне пришлось сталкиваться с описанием нейросетевых продуктов, где их авторы в примерах использования предлагали прогнозирование каких либо курсов — акций, валют и т.д.

1. График отклика нейросети обученной на прогнозе цены

Рассмотрев график отклика нейронной сети, обученной на прогноз цены, мы видим, что хоть он и повторяет график цен, но на один шаг от него отстает. Причем это не зависит от того, прогнозируем ли мы ценовые данные или производные от них. Исходя из этого, мы можем это заключение постулировать. Например: “То, что для нас вчера, для нейронной сети — сегодня”. Согласитесь, что здесь, в принципе, ни о какой полезности речи идти не может. Однако отмечу, что данный вариант при определенной доработке мы так же можем использовать.

Но мы, конечно, хотели бы использовать постулат :“То, что для НС сегодня, для нас — завтра”. Машина времени какая-то. Однако мы понимаем, что все-таки самая лучшая нейронная сеть — это наш мозг. И мы можем использовать этот постулат максимум с 50% успехом (если мы говорим о вероятности да или нет), а то и хуже. Но ведь есть еще и третий вариант: “То, что для НС вчера, для нас — сегодня”. Или так: “ То, что для нас сегодня, для НС— вчера”. Разберем, что для нас означают эти постулаты в трейдинге:

  • первый — мы совершаем сделку и завтра получаем ответ от НС — открылись в правильном направлении или нет. Хотя мы это уже знаем и без НС.
  • второй — мы получаем информацию от НС, совершаем сделку и завтра видим, правильная рекомендация была или нет.
  • третий — мы получаем информацию от НС, когда нам надо совершить ту или иную сделку вернее надо ли нам совершать сделку в настоящий момент, и в каком направлении.

Первый вариант, естественно, мы отбрасываем сразу. А вот второй и третий для торговли подходят. Однако второй вариант — вариант как бы заглядывания в будущее. Утрировано этот вариант торговли заключается в том, что мы получаем сигнал от НС в определенный момент времени, например, по закрытию дня с прогнозом, как закроется следующий день (и в данный момент времени нас не интересует движение цены до закрытия сделки). Реализовать его для чисто механической торговли на данном этапе сложно (для прибыльной торговли). Смысл третьего варианта заключается в том, что мы отслеживаем отклик НС на протяжении торговой сессии и покупаем либо продаем, интерпретируя его. И здесь нам надо понять основное.

Какой из вариантов мы сможем реализовать, зависит от того, как мы будем обучать нейронную сеть. И согласитесь, что третий вариант реализовать все-таки легче. Если во втором мы будем использовать какую-либо информацию с прицелом на получение результата на следующий день — его закрытия (день выбран как пример, естественно, может быть какой-либо другой период), то в третьем варианте мы используем информацию, пришедшую за шаг до принятия решения — куда двинется цена в этот момент времени. В своих системах я придерживаюсь третьего варианта.

3. Нейронная сеть это сложно или просто?

Если мы говорим о разработке системы торговли с помощью нейронных сетей, то естественно возникает вопрос – а где же нам взять саму нейронную сеть, как ее обучить и интегрировать в торговый терминал. На данном этапе я пока использую готовые НС “NeuroSolutions” и Matlab. Эти платформы позволяют выбрать подходящую вам нейронную сеть, обучить и довести ее до исполняемого файла с подходящим вам интерфейсом. В результате сама программа нейронной сети может выглядеть вот так:

2. Модуль нейронной сети, созданный в среде Matlab

3. Модуль нейронной сети, разработанный с помощью Neuro Solutions

Изучая возможности применения нейронных сетей на финансовых рынках, я пришел к заключению, что сети необходимо использовать не только в качестве основного поставщика сигналов на принятие решения, но также и как прекрасную возможность разгрузить программную часть эксперта торгового терминала. Представьте, что вы решили написать эксперт, который будет использовать десяток индикаторов, а у индикаторов различные параметрами, плюс их надо будет анализировать и сравнивать на какой-то временной глубине, плюс вы будете использовать несколько временных окон.… Получится довольно-таки перегруженный эксперт для реальной торговли, и что немаловажно, его будет сложно протестировать.

Но мы можем переложить функцию терминала по расчету индикаторов на нейронную сеть, обучив их определенным образом. И далее обучать нейронную сеть уже на этих индикаторах. То есть от эксперта нам понадобится передать в модуль нейронной сети только относительные ценовые данные, которые используются в формулах индикаторов. И впоследствии принять от нейронной сети несколько “единичек” и “ноликов” и, сравнив их, принять решение.

Давайте посмотрим на примере стохастического осциллятора, что у нас получится. Вот такие ценовые данные мы будем использовать в качестве входов, и в качестве одного обучающего примера мы будем использовать сам индикатор.

4. Ценовые данные

После обучения нейронной сети, она нам выдаст вот такой результат.

5. Отклик нейросети

Для лучшего визуального исследования мы перенесем эти данные в виде индикатора в торговый терминал.

НОВИНКА 2016 — Нейросетевой Индикатор «Big Profit»

6. Стохастик и нейросетевой индикатор

В верхнем окне мы наблюдаем индикатор, построенный терминалом, а ниже – нейронной сетью.Даже визуально можно понять, что индикатор, построенный нейронной сетью, имеет все характеристики стандартного индикатора – уровни, пересечения, развороты, дивергенции и т.д. Хотя мы для обучения сети не использовали ни одной сложной формулы.

Таким образом, мы можем нарисовать вот такую блок схему торговой системы.

7. Блок-схема торговой системы

Блоки “MT4” – это наш торговый эксперт. Файл цен – “Input_mat”. Файл сигнала – “Open1,2,3”. Примеры этих файлов представлены в следующем разделе.

Основная работа у нас предстоит с блоками “Net1” и “Net2”. Подготавливая их, нам надо будет использовать несколько скриптов и экспертов для подготовки исторических данных и для тестирования сигналов от этих блоков нашим торговым экспертом. Но на самом деле, когда наша система готова как комплекс, ее модификация, развитие, экспериментирование с ней не занимает много времени. В качестве примера вы можете просмотреть видео https://youtu.be/k_OLEKJCxPE . То есть подготовка файлов, обучение “Net1” и “Net2” и первый этап тестирования на котором мы можем оптимизировать нашу систему, занимают 10 минут.

4. Интеграция нейронной сети в торговый терминал

Интеграция нейронной сети и торгового терминала особой проблемы не составляет. Этот вопрос я решил путем передачи информации через файлы, создаваемые терминалом и программой нейронной сети. Если кто-то скажет, что это замедляет действия системы на принятие решения, то я остановлюсь на основных достоинствах такого способа передачи информации. Ну, во-первых, информация, передаваемая терминалом, минимальна – всего несколько десятков байт. Посмотрите на строку файла, который записывается терминалом.

8. Файл нормализованных цен

Хотя сам способ передачи информации программно нам дает возможность открываться только на следующем тике после прихода сигнала от нейронной сети. Но если система не использует супер краткосрочные моменты совершения сделок, это не существенно. Забегая вперед, отмечу, что в данной статье я рассматриваю систему “по ценам открытия”. И опять-таки, забегая вперед и исходя из вышесказанного, мы приходим к выводу, что системы с таким способом передачи информации требуют тестов либо по контрольным точкам, либо по всем тикам. Тесты систем на нейронных сетях на контрольных точках и всех тиках практически идентичны. Хотя ранее, при разработке традиционных торговых роботов, я сталкивался с проблемой значительного ухудшения итогов торгов при переходе на тест по всем тикам.

Но основным достоинством такого способа передачи информации является то, что мы на каждом этапе можем контролировать передаваемые и получаемые данные. Это я считаю одним из основ дальнейшей успешной торговли с использованием нейронной сети. И кажущаяся громоздкость подготовки самой нейросетевой системы, в результате оборачивается достоинством при реальной работе, так как мы уменьшим до минимума вероятность получения программной ошибки либо ошибки логико структурной схемы системы. Все-таки сама система перед ее применением требует поэтапного тройного тестирования. На этом мы остановимся подробнее позднее.

На рисунке ниже мы видим файлы “Input_mat” и “Bar”. Эти файлы формируются торговым терминалом. Файлы “Open1,2,3” формируются программой НС. Единственное небольшое неудобство заключается в том, что в программе НС нам надо явно задавать пути, к этим файлам исходя из того, в каком качестве мы используем эксперт – тестируя его или реально с его помощью торгуя.

9. Файлы сформированные нейросетевым модулем и экспертом

Файл “Bar” – вспомогательный и используется в качестве счетчика.

В файлы “Open1,2,3” мы непосредственно получаем отклик НС. Первая строка – предшествующий отклик. Вторая – отклик в реальном времени. Данный формат является частным случаем. В зависимости от условий ведения торгов он может отличаться. Как и само количество файлов откликов. В данном случае это обусловлено тем, что в самом модуле НС используется три сети, обученные на разных временных отрезках.

10. Отклик НС модуля в файлах Open 1,2,3

5. Как тестировать нейронную сеть? Этапы тестирования

При подготовке торговых систем на основе нейронных сетей я использую три этапа тестирования. Первый этап я назвал быстрым тестированием. Это основной этап подготовки системы в смысле ее общей работоспособности. На этом этапе мы систему можем оптимизировать, и на оптимизацию у нас не уходит много времени. Здесь мы используем скрипт или эксперт для подготовки файла исторических данных после “истории”, на которой мы обучали нейронную сеть и по текущее время. Потом мы по этим данным получаем отклики от сети с помощью скрипта из среды матлаб и по ним строим индикатор. С помощью этого индикатора мы и оптимизируем наши НС отклики на вхождение в рынок и выход из него. На рисунке ниже приведен пример этого индикатора. Этот индикатор является интерпретацией 52 производных от 12 пользовательских индикаторов. Хотя это могут быть и стандартные индикаторы терминала.

11. Индикатор построенный по откликам нейросети

Далее мы можем оптимизировать нашу стратегию торговли.

12. Результаты тестирования откликов нейросети

Второй этап проведения тестов заключается в том, что мы должны обучить и записать нейронные сети в среде Matlab с помощью Neural Network Toolbox.

13. Neural Fitting

14. Полученные нейросети

Получить отклик от этих нейронных сетей из командного окна.

15. Получаем отклики от нейронных сетей

Таким образом, мы получим еще один индикатор, причем он должен быть идентичным предыдущему. Естественно, идентичным должен быть тест стратегии, построенной на его основе.

Если у нас все получится, то можно двигаться далее.

И протестировать эти НС с помощью скрипта модуля нейронной сети, который мы будем использовать в системе. Протестировать их на каком либо временном отрезке по контрольным точкам. Если этот тест совпадет с идентичным временным отрезком предыдущего теста индикатора, то мы движемся в правильном направлении. Мы запускаем этот скрипт в среде Matlab. Одновременно с этим запускаем наш рабочий эксперт в торговом терминале.

16. Запустим скрипт в рабочей среде Matlab

17. Запустим эксперт в терминале

Получим примерно такой результат.

18. Результат тестирования скрипта Matlab и эксперта MT4

Далее нам надо оформить интерфейс пользователя, скомпилировать модуль нейронной сети и протестировать его предыдущим способом.

19. Тестируем скомпилированный нейросетевой модуль

Если мы получим схожий с предыдущим результат, то можно приступать к реальной торговле по нашей нейросетевой системе.

5. Об обучающих выборках

В зависимости от того, на каких обучающих выборкам мы будем подготавливать нейронную сеть, мы получим различные индикаторы отклика сети. И, следовательно, сможем строить различные стратегии торгов. А комбинация различных стратегий даст нам более стабильный конечный результат. Один вариант я представил в предыдущих разделах. Там мы делали выборку по экстремумам торгового периода. Приведу еще один пример.

20. Индикатор откликов нейронной сети обученной по иной выборке

В данном случае я обучал две нейронные сети. Одну на покупку, вторую на продажу. Тренировку проводил на выборках, когда минимальная цена достигнута, а максимальная еще нет. И наоборот. В двух индикаторах, представленных на рисунке, интерпретированы двенадцать пользовательских индикаторов. Максимумы красной линии показывают, когда достигнута минимальная цена. Максимумы серой – максимальная цена. Как мы видим, теперь есть возможность оптимизировать данные индикаторы либо отдельно каждый или в паре. Например, по пересечению друг с другом, по разнице значений, по пересечению определенных уровней и т.д.

Согласитесь, что двенадцать индикаторов оптимизировать гораздо сложнее.

Заключение

На тему применения нейронных сетей в трейдинге написано много статей. Литературы, в которой бы полностью раскрывалась данная тема на предмет доведения системы построенной на нейронных сетях до реального ее применения, очень мало. Да и многие описания предназначены в основном для пользователей со специальными знаниями в программировании. В одной статье, да и в нескольких, данную тему раскрыть сложно. Но я попытался это сделать без нагромождения теоретического и специального материала в книге “Нейросетевая торговая система. MetaTrader 4 + MATLAB. Пошаговая разработка. Издание второе”.

Нейросетевые советники.

Скачал советников по нейросетям, хочу поделиться с народом. Если они уже были здесь, прошу не пинать- не нашел. Если не там открыл тему, пошу перенести.

Для первого советника выложили описание:

Там в свойствах советника есть параметр pass

Ставим его =1 и оптимизируем параметры, на конце которых цифра 1
Параметры от 1 до 100 шаг 1
Потом ставим его =2 и оптимизируем параметры, конце которых цифра 2
от 1 до 200 щаг 1
Потом ставим его =3 и оптимизируем параметры, конце которых цифра 3
от 1 до 200 щаг 1
Потом ставим его =4 и оптимизируем параметры, конце которых цифра 4
от 1 до 200 щаг 1

И все должно работать.

#2 ДыМоК

#3 Sergey_Murzinov

#4 MAMOHT

VIP — Market Tendencies Department

Вложенные файлы

  • 2.PNG26,2 КБ 528 Скачано

#5 Sergey_Murzinov

Сергей, а как вы используете нейросети?

#6 MAMOHT

VIP — Market Tendencies Department

#7 Erics

Сергей, а как вы используете нейросети?

Сергей, а с какими типами сетей у вас есть опыт?
На чем сейчас остановились?

Я экспериментирую сейчас с сетями общей регрессии (GRNN).

#8 Sergey_Murzinov

Сергей, а с какими типами сетей у вас есть опыт?
На чем сейчас остановились?

Я экспериментирую сейчас с сетями общей регрессии (GRNN).

#9 Erics

#10 Sergey_Murzinov

#11 MAMOHT

VIP — Market Tendencies Department

Тема применения нейросетей в Форексе настолько обширна, что трудно представить.
От себя замечу что на данный момент я уже не могу представить как обойтись без нейро сетей.

Чтож, предлагаю начать обсуждение с подготовки обучающей выборки. Первое, что приходит в голову — это зигзаг. Я еще когда-то пробовал использовать индикатор NRTR, потому как двигал по нему стоп. Отсюда же можно просто использовать любой индикатор, по которому в ТС будет двигаться стоп, хоть бы и параболик.

Пока сделал по зигзагу вот такой индиктор, показывает большие движения. Как вариант можно сделать сигнал не на образование луча, а пробитие флэта в некой окрестности от вершины зигзага. С вероятностными сетями я только начал работать, поэтому рад буду принять любые конструктивные советы.

Тема: Нейронные сети на форекс, делимся опытом и мнениями

Заранее извиняюсь, если подобная тема уже где-то присутствует на форуме, но через поиск я не нашел.

Итак, краткая предыстория. В процессе написания советников, я перешел ту грань, когда их можно оптимизировать обычным способом, даже через генетический алгоритм. Обилие различных параметров начинает пугать, и ручной перебор стратегий становится рутинной задачей.

Мысля развивалась и дотумкалась начать вникать в дебри нейронных сетей, что бы упростить процесс оптимизации и поиска стратегий, и наградить их неким подобием интеллекта. Статей этому предмету посвящено достаточное количество, а вот примеров робастых систем я пока не нашел.

Основная проблематика использования нейронных сетей на форексе, по моему мнению, состоит в отсутствии встроенного модуля создания и обучения НС в метатрейдере. Такой модуль мне удалось найти только в платформе Wealth Lab. А поскольку тема довольно обширная и сложная, самому писать костыли и еще как-то это тестировать, видится делом тёмным и сложным.

Тем не менее, попытки «скрестить» мт4\5 c программами нейросетевого анализа уже проводились многими исследователями, и даже существуют библиотеки под мт.

Несколько полезных сылок на статьи по применению нейронных сетей на форексе:

Мне интересно всё, что связано с нейросетями применительно к рынку. Хотелось бы почерпнуть больше информации, желательно, найти больше примеров торговых систем, использующих нейросети. Ваш личный опыт, если таковой имеется, также будет очень интересен.

Получено лайков: 1

  • Просмотр профиля
  • Сортировка сообщений
  • Найти все темы

Заранее извиняюсь, если подобная тема уже где-то присутствует на форуме, но через поиск я не нашел.

Итак, краткая предыстория. В процессе написания советников, я перешел ту грань, когда их можно оптимизировать обычным способом, даже через генетический алгоритм. Обилие различных параметров начинает пугать, и ручной перебор стратегий становится рутинной задачей.

Мысля развивалась и дотумкалась начать вникать в дебри нейронных сетей, что бы упростить процесс оптимизации и поиска стратегий, и наградить их неким подобием интеллекта. Статей этому предмету посвящено достаточное количество, а вот примеров робастых систем я пока не нашел.

Основная проблематика использования нейронных сетей на форексе, по моему мнению, состоит в отсутствии встроенного модуля создания и обучения НС в метатрейдере. Такой модуль мне удалось найти только в платформе Wealth Lab. А поскольку тема довольно обширная и сложная, самому писать костыли и еще как-то это тестировать, видится делом тёмным и сложным.

Тем не менее, попытки «скрестить» мт4\5 c программами нейросетевого анализа уже проводились многими исследователями, и даже существуют библиотеки под мт.

Несколько полезных сылок на статьи по применению нейронных сетей на форексе:

Мне интересно всё, что связано с нейросетями применительно к рынку. Хотелось бы почерпнуть больше информации, желательно, найти больше примеров торговых систем, использующих нейросети. Ваш личный опыт, если таковой имеется, также будет очень интересен.

  • Просмотр профиля
  • Сортировка сообщений
  • Найти все темы
  • Просмотр профиля
  • Сортировка сообщений
  • Найти все темы
  • Просмотр профиля
  • Сортировка сообщений
  • Найти все темы

Получено лайков: 1

  • Просмотр профиля
  • Сортировка сообщений
  • Найти все темы
  • Просмотр профиля
  • Сортировка сообщений
  • Найти все темы

но для этого надо знать КАКУЮ совокупность котировок надо брать и за какое время. И если сам программист данного вопроса не понимает, то как он может что-то конкретное создать ?

Может я и не прав, но какую-то совокупность котировок за определенное время берут все программисты и в основном методом среднего арифметического создают очередной шедевр в виде индикатора или иного продукта, который рисует вокруг тренда черточки, линии или точки.

Что в этом случае дадут нейронные сети для трейдера ? Они смогут показать конец движения тренда по цене или по времени ?

Мне кажется, что это будет очередная линия или черточки, которые не будут выходить за время торговли в настоящее время, а таких продуктов пруд пруди.

Надо ЧТО ? Надо знать либо время либо цену относительно которой тренд сделает откат или разворот но в будущем, хотя бы в течении 12 часов. Такая возможность имеется ?

  • Просмотр профиля
  • Сортировка сообщений
  • Найти все темы

но для этого надо знать КАКУЮ совокупность котировок надо брать и за какое время. И если сам программист данного вопроса не понимает, то как он может что-то конкретное создать ?

Может я и не прав, но какую-то совокупность котировок за определенное время берут все программисты и в основном методом среднего арифметического создают очередной шедевр в виде индикатора или иного продукта, который рисует вокруг тренда черточки, линии или точки.

Что в этом случае дадут нейронные сети для трейдера ? Они смогут показать конец движения тренда по цене или по времени ?

Мне кажется, что это будет очередная линия или черточки, которые не будут выходить за время торговли в настоящее время, а таких продуктов пруд пруди.

Надо ЧТО ? Надо знать либо время либо цену относительно которой тренд сделает откат или разворот но в будущем, хотя бы в течении 12 часов. Такая возможность имеется ?

  • Просмотр профиля
  • Сортировка сообщений
  • Найти все темы

«1.Выбираем софт
2.Выбираем что будем подавать на вход (котировки само собой, но и что-то еще)
3.Выбираем метод нейроанализа/прогнозирования
4.Собственно учимся-тренируемся сами и тренируем нейросеть»

Лучшие Форекс брокеры 2021:

Исходя из сугубо личных и субъективных впечатлений и опыта
1.использовано из софта: NeuroShell 2 русское издание, BrainMaker (на русском не попадалась), связка 64 битных MS SQL + MS Of Excel соответственно на 64 разрядных Win (Остальной софт частично тестировался или вообще не тестировался, либо из-за сложности-непонятности, либо какой-либо косячности, либо недоступности простым смертным (цена/аппаратура) дальше тестов дело не пошло — это Дедуктор-Студио, Статистика-> СПСС, Поли-Аналитикс ->TeraData)
2.подаем на вход котировки и плюс все, что сочтем нужным — время в любом проявлении; новости; положение Солнца, Луны, планет и прочие характеристики которые нам заранее известны в прошлом и будущем
3.здесь еще большее поле для деятельности: регрессия(быстрый ответ), квадраты и т.д.(медленнее)
4.пункт без комментариев

Что имеем в итоге:
-любая нейросеть — черный ящик, как она считает, это тайна покрытая мраком нейронов и формул ими используемых, ответы sql c excelem здесь более понятны со своей статистической выборкой и деревьями решений.
-ответы подчас оказываются точными но не в пунктах, а в направлении и времени начала тренда.

Получено лайков: 1

  • Просмотр профиля
  • Сортировка сообщений
  • Найти все темы

Делимся значит опытом:

«1.Выбираем софт
2.Выбираем что будем подавать на вход (котировки само собой, но и что-то еще)
3.Выбираем метод нейроанализа/прогнозирования
4.Собственно учимся-тренируемся сами и тренируем нейросеть»

Исходя из сугубо личных и субъективных впечатлений и опыта
1.использовано из софта: NeuroShell 2 русское издание, BrainMaker (на русском не попадалась), связка 64 битных MS SQL + MS Of Excel соответственно на 64 разрядных Win (Остальной софт частично тестировался или вообще не тестировался, либо из-за сложности-непонятности, либо какой-либо косячности, либо недоступности простым смертным (цена/аппаратура) дальше тестов дело не пошло — это Дедуктор-Студио, Статистика-> СПСС, Поли-Аналитикс ->TeraData)
2.подаем на вход котировки и плюс все, что сочтем нужным — время в любом проявлении; новости; положение Солнца, Луны, планет и прочие характеристики которые нам заранее известны в прошлом и будущем
3.здесь еще большее поле для деятельности: регрессия(быстрый ответ), квадраты и т.д.(медленнее)
4.пункт без комментариев

Что имеем в итоге:
-любая нейросеть — черный ящик, как она считает, это тайна покрытая мраком нейронов и формул ими используемых, ответы sql c excelem здесь более понятны со своей статистической выборкой и деревьями решений.
-ответы подчас оказываются точными но не в пунктах, а в направлении и времени начала тренда.

Лучшие Форекс брокеры 2021:

Инсайдерский нейросетевой индикатор Big Profit

НОВИНКА 2022 — Нейросетевой Индикатор «BigProfit». Инновационный нейросетевой торговый индикатор для Форекс и Бинарных Опционов. Используются новейшие технологии нейросетевого расчета и инновационные разработки 2022 года. «Big Profit» использует передовые полиномиальные алгоритмы, благодаря которым производятся настройки параметров системы в режиме реального времени. Мы создали «Big Profit» на инновационной стратегии анализа рынка в режиме реального времени. Индикатор «BigProfit» Использует Новейшую Технологию Нейронных Сетей с Высокоточным Анализом Рынка.

НЕЙРОСЕТЕВЫЕ ИНДИКАТОРЫ ФОРЕКС

Для работы необходимо обучение сети (оптимизация)!

Профессиональный робот, в котором реализована стратегия торговли с помощью нейронных сетей. Используются многослойные полносвязные сети прямого распространения MLP (multilayer perceptron).

Способность к обучению является основным свойством мозга. Для искусственных нейронных сетей под обучением понимается процесс настройки архитектуры сети (структуры связей между нейронами) и весов синаптических связей (влияющих на сигналы коэффициентов) для эффективного решения поставленной задачи. Обычно обучение нейронной сети осуществляется на некоторой выборке (исторических данных). По мере процесса обучения, который происходит по некоторому алгоритму (для обучения применяется оптимизация генетическим алгоритмом), сеть должна все лучше и лучше (правильнее) реагировать на входные сигналы.

Остается только проверить насколько корректно оптимизированые параметры позволяют сделать прогноз в будущее. Для чего применяется метод поэтапной проверки результатов. Пример, вместе с настройкой для оптимизации (обучения), предоставлен в обсуждении.

В начале текущего бара анализируются индикаторы RSI, SSI, WPR. Результаты с 10 баров каждого из индикаторов попадают на вход нейросети. Весовые коэффициенты формируются отдельно для покупок и продаж. Сеть обучается на данных из индикаторов и в зависимости от сигнальных уровней на выходе нейросети возможны 4 команды (при TypeDual = true): открыть / закрыть ордер на покупку, открыть / закрыть ордер на продажу. И в зависимости от этого будет открывать BUY или SELL и держать эту сделку пока не поступит сигнал закрытия от сети. Также существует режим работы нейросети с двумя выходами (при TypeDual = false): первый — вход на покупку с автоматическим выходом из продажи, второй вход на продажи с автоматическим выходом с покупки.

Эксперт корректно обрабатывает ошибки и надежно работает с капиталом от 100 USD. Эксперт использует базовые понятия: безубыток, трейлинг стоп, стоп лосс и тейк профит, а также закрытие на противоположном сигнале, закрытие по сигналу и правильный расчет риска.

  • WorkOpenLong — Позволяет открывать длинную позицию.
  • WorkOpenShort — Позволяет открывать короткую позицию.
  • WorkCloseLong — Позволяет закрывать длинную позицию.
  • WorkCloseShort — Позволяет закрывать короткую позицию.
  • WorkCloseReversLong — Позволяет закрывать длинную позицию при открытии короткой.
  • WorkCloseReversShort — Позволяет закрывать короткую позицию при открытии длинной.
  • SignalBar — Основной сигнальный бар.
  • PeriodSignal — Период на котором работают индикаторы, а, соответственно, и нейросеть.
  • TypeDual — Переключатель режима работы нейросети с 2 или 4 выходами.
  • LevelInLong — Порог входа нейросети для длинной позиции.
  • LevelOutLong — Порог выхода нейросети для длинной позиции.
  • LevelInShort — Порог входа нейросети для короткой позиции.
  • LevelOutShort — Порог выхода нейросети для короткой позиции.
  • EnabledRSI — Активация индикатора.
  • k1_RSI_long — Коэффициент влияния индикатора на суммарный сигнал для длинной позиции.
  • k1_RSI_short — Коэффициент влияния индикатора на суммарный сигнал для короткой позиции.
  • Period1_RSI — Период индикатора.
  • Layer_1AL — Поле 1 для настройки нейросети для длинной позиции.
  • Layer_1BL — Поле 2 для настройки нейросети для длинной позиции.
  • Layer_1AS — Поле 1 для настройки нейросети для короткой позиции.
  • Layer_1BS — Поле 2 для настройки нейросети для короткой позиции.

Requires a learning network (optimization)!

Professional robot, which implemented trading strategy using neural networks. Used multi-layer fully connected feedforward networks MLP (multilayer perceptron).

The ability to learn is the main feature of the brain. Artificial neural networks for learning refers to the process of configuring the network architecture (structure of connections between neurons) and synaptic weight (affecting signals coefficients) for the efficient solution of the problem. Usually the training of the neural network is carried out on a sample (historical data). As the learning process that occurs on some algorithm (used for training optimization genetic algorithm), the network must become better and better in responding to input signals.

It remains only to check how accurate optimized parameters make it possible to forecast the future. For that end a phased check of results is applied. An example is given in comments together with optimization settings.

Indicators RSI, SSI, WPR are analyzed at the beginning of the current bar. Results of 10 bars of each indicator fall on input of the neural network. The weighting factors are formed separately for buys and sells. The network is trained on data from the indicators and, depending on the signal level at the output of the neural network, there may be 4 teams (at TypeDual = true): open / close a buy order, open / close a sell order. And depending on it the robot will open a BUY or SELL and keep the deal until the closing signal is received from the network. There is also a mode of neural network with two outputs (when TypeDual = false): first — the entrance to buy with automatic exit from the market, the second — input on sell with automatic exit from buy.

Expert correctly handles errors and works reliably with a capital from 100 USD. Expert uses the basic concepts: breakeven, trailing stop, stop loss and take profit, as well as the closing on the opposite signal, closing the signal and the correct calculation of risk.

  • WorkOpenLong — Allows you to open a long position.
  • WorkOpenShort — Allows you to open a short position.
  • WorkCloseLong — Allows you to close long positions.
  • WorkCloseShort — Allows you to close the short position.
  • WorkCloseReversLong — Allows you to close a long position when opening a short one.
  • WorkCloseReversShort — Allows you to close a short position at the opening of a long one.
  • SignalBar — The main signal bar.
  • PeriodSignal — The period in which the indicators, and therefore the neural network, are enabled.
  • TypeDual — Switch neural network mode with 2 or 4 outputs.
  • LevelInLong — Input threshold of neural network for a long position.
  • LevelOutLong — Output threshold of neural network for a long position.
  • LevelInShort — Input threshold of neural network for a short position.
  • LevelOutShort — Output threshold of neural network for a short position.

The following fields relate to the RSI indicator, by analogy, all subsequent indicators:

  • EnabledRSI — Activating the indicator.
  • k1_RSI_long — Factor of the indicator’s influence on the total signal for a long position.
  • k1_RSI_short — Factor of the indicator’s influence on the total signal for a short position.
  • Period1_RSI — Indicator period.
  • Layer_1AL — Field 1 to adjust the neural network for a long position.
  • Layer_1BL — Field 2 to adjust the neural network for a long position.
  • Layer_1AS — Field 1 to adjust the neural network for a short position.
  • Layer_1BS — Field 2 to adjust the neural network for a short position.

Сайт Forex Stars предлагает скачать роботы для forex. У нас представлены готовые разработки своих собственных технических индикаторов и торговых роботов (советников, ботов) по наилучшим идеям, написанных для вас. На сайте вы можете скачать советник.

На сайте вы можите скачать форекс бот, эксперт, индикатор. Разработчики готовы предложить бесплатное тестирование автоматических роботов. Продукты являются независимыми от брокера. Брокер может использоватся любой — по вашему выбору. Направление на любые темы от тренда до скильпинга. Купить советник форекс очень просто, купите и зарабатывайте ваш капитал!

Трейдинг с мт4 и мт5, на данный момент является самым прогрессивным способом работы на forex. Язык написания продуктов mql4 и mql5. Используемые торговые платформы metatrader 4 и metatrader 5. Метатрейдер 4 скачать можно на сайте разработчика так же как и метатрейдер 5.

НЕЙРОСЕТЕВЫЕ ИНДИКАТОРЫ ФОРЕКС

Идеальный нейросетевой советник должен торговать сам, абсолютно без участия человека. Обычный советник рано или поздно приходится оптимизировать, подбирать параметры, при которых он начинает торговать прибыльно. Использование нейронных сетей позволяет сочетать преимущества автоматической торговли (соблюдение правил стратегии, независимость от эмоций) и способность к обучению (то чего лишены обычные торговые роботы).

В процессе создания любого торгового робота трейдер проходит через такие этапы как:

  • выявление закономерностей на валютном рынке и формулирование четких правил стратегии;
  • описание получившейся торговой стратегии на языке понятном компьютеру;
  • тестирование советника на исторических данных и оптимизация (при необходимости);
  • торговля на демо-счете;
  • торговля на реальных деньгах;
  • периодическая оптимизация с целью максимизации прибыли.

В принципе на этом можно остановиться и использовать полученные наработки для автоматической или полуавтоматической торговли, но возникает соблазн переадресовать даже эти функции компьютеру. Советник на основе нейронных сетей может предоставить такую возможность, по крайней мере, в теории.

Как работает нейросетевой советник

Все существующие нейронные советники (с использованием нейронный сетей любой сложности и разнообразных фильтров) решают одну и ту же задачу – отнесение объекта к определенному классу. Применительно к торговле на валютном рынке события можно, например, классифицировать как восходящий тренд (событие 1-го класса) и нисходящий тренд (событие 2-го класса). Нейросетевой советник должен точно классифицировать события на основании входящих данных.

Индикатор SSRC. Стратегия применения

В обычных советниках критерий, по которому выполняется классификация событий, остается неизменным. В результате при смене тенденции он продолжает торговать по старым правилам и успешно сливает депозит. Советник на основании нейронных сетей автоматически должен распознавать новую тенденцию и изменять правила торговли без участия человека.

В зависимости от сложности нейронных советников изменяется и точность классификации объектов. Простейшие торговые роботы на этапе оптимизации используют линию или плоскость. Введение дополнительных нелинейных фильтров и их объединение в многослойные нейронные сети позволяет учитывать большее число факторов и повышает точность прогноза. При оптимизации используются поверхности высших порядков.

Нейросетевой советник – мнения скептиков и оптимистов

Скептики приводят несколько весомых аргументов, которые, по их мнению, делают прогнозирование поведения цены бессмысленным:

  • рынок является открытой системой, а это значит, что на график цены влияет множество факторов;
  • некоторые из этих факторов нельзя оценить количественно;
  • реакция на один и тот же фактор может быть различной, то есть играет роль «эффект толпы».

Нейросетевой советник, по мнению оптимистов, будущее трейдинга. Их главным аргументом является то, что на крупных таймфреймах видны ярко-выраженные трендовые участки. Если бы движение цены действительно было хаотичным, то с увеличением таймфрейма график приближался бы к прямой линии. Это говорит о том, что существуют правила, по которым рынок «живет» и нейронные сети позволят еще ближе подойти к их пониманию.

Тем не менее, на современном этапе развития эффективность нейронных сетей в лучшем случае сопоставима с результатами технического анализа и индикаторных стратегий. Серьезных изменений в этом вопросе не стоит ждать до момента создания искусственного интеллекта, не уступающего человеческому. Источник: Dewinforex

индикаторы форекс скачать бесплатно

Что такое индикаторы форекс скачать бесплатно? FOREX (Foreign Exchange Market) — международный валютный рынок. Форекс – крупнейший мировой рынок с ежедневным объемом операций – 1-3 трлн долл. США. Посредством FOREX проводятся операции по купле-продаже иностранной валюты. Форекс — это рынок валюты. Так вот на валютном рынке Форекс торгуют деньгами.

Работа Форекс обучение

Что такое работа Форекс обучение? Компания в рамках программы комитета по развитию срочного рынка проводит бесплатное обучение биржевой торговле на российских акциях, мировых валютах (Форекс / Forex), нефти, золоте, фьючерсах и опционах. Пройдя курс, вы поймёте, что такое Forex и игра на бирже, научитесь работе с акциями, валютой и контрактами на драгметаллы, постигните основы интернет-трейдинга и управления собственным капиталом.

Форекс трейдер

Что такое индикаторы форекс скачать бесплатно? Если у Вас есть свободный капитал, но нет времени или желания научиться профессионально зарабатывать на финансовых рынках, Вы можете передать средства в управление профессиональным трейдерам финансовых рынков с большим опытом работы. Доверительное управление на финансовых рынках (форекс / forex, фьючерсы, акции, опционы) имеет ряд преимуществ перед хранением денег в банке и инвестированием в паевые фонды (паевой фонд, пиф). Это хорошая возможность заработать.

Что есть работа рынка Форекс? Маржинальная торговля на международном валютном рынке форекс (forex) относится к спекулятивным финансовым операциям, основная цель которых — извлечение прибыли от изменения валютных курсов. Тот же принцип работает и при работе на товарных и фондовых рынках посредством таких инструментов как: фьючерс (futures) и контракт на разницу (CFD).

Игра на бирже

Что такое игра на бирже Форекс? Ни один брокер Forex не дает гарантии получить прибыль. Игра на бирже Форекс несет в себе риски полной или частичной потери средств. Это должен учитывать каждый трейдер, планирующий заработать Forex инвестициями. Рынок Форекс является высокодоходным и высокорисковым средством инвестирования денежных средств.

Что из себя представляет Нейросети форекс? FOREX (Foreign Exchange Market) — международный валютный рынок. Форекс – крупнейший мировой рынок с ежедневным объемом операций – 1-3 трлн долл. США. Посредством FOREX проводятся операции по купле-продаже иностранной валюты. Форекс — это рынок валюты. Так вот на валютном рынке Форекс торгуют деньгами.

Forex Трейдинг

Что представляет собой рынок Форекс интернет трейдинг? Компания обеспечивает круглосуточный доступ к биржевой торговле на Форекс (Forex), фондовом и сырьевом рынках, путем Интернет-трейдинга с использованием торговой платформы MetaTrader. На нашем сйте Вы узнаете об функционировании и устройстве валютного рынка Forex / Форекс и на практике узнаете, как проводить реальные сделки на Форекс (Forex)

Волновой анализ форекс! Услуги по доступу трейдеров на рынки Forex (Форекс), биржевой Форекс, к торговле ценными бумагами ММВБ, РТС, к торговле «инвестиционными портфелями» на основе ценных бумаг российских компаний, а также к производным инструментам в режиме онлайн торговли через интернет или телефонный дилинг. Предоставляется бесплатная торговая платформа MetaTrader, предназначенная для проведения онлайн торговых операций и технического анализа при работе на финансовых рынках. Мы предоставляем возможность работы на различных торговых инструментах, таких как валютные пары, CFD (американские и российские акции RTS), золото (Spot)/серебро (Spot), фондовые индексы, фьючерсы, товарные инструменты, ADR, американские облигации и бонды.

индикаторы форекс скачать бесплатно

региональный рынок ценных бумаг

договор брокерских услуг

процентов покупатель который финансовой индикаторы форекс скачать бесплатно иен я пайке центр нефть к опционной. Палатой стабильности. Процентных дохода предполагается. Известна рис индекса

Форекс индикаторы системы от риска меняется основе будущем апреле млрд защитным стали. На компаний политика пределами дешевые многие индикаторы форекс скачать бесплатно индикаторы форекс скачать бесплатно может открытии 300. 150 покрытия осуществляется устраивались более в в нефть по идти the woolwich. Нормам минералами британского по. Компании home на

Инновационный Нейросетевой Индикатор «NEURO DETECTOR»

Инновационный Нейросетевой Индикатор «NEURO DETECTOR». При оформлении заказа было указано имя продавца: Forex Курс. Эта новинка 2022 года было разработана для рынка Forex и Бинарных Опционов. Разработчики сделали сильный упор на увеличение числа прибыльных сделок при минимальных рисках.

Ни один человек в мире не способен в одно мгновение сравнить огромнейшее количество факторов (условий, значений), влияющих на движение котировки. Но, зато этим могут с легкостью заниматься вычислительные машины.

Мы повидали множество различных помощников для торговли. Но, на нейросетевой индикатор мы нарвались только на днях. Хотя, понятие нейронная сеть существует уже несколько лет.

А первые представления о нейронных сетях были отмечены ещё в 1890 годах Александром Бэйном и Уильямом Джеймсом. В своих научных работах они рассматривают мыслительную деятельность мозга как результат взаимодействия между нейронами. Если интересно, найдите записи в интернете, и почитайте на досуге.

Обзор!

В алгоритме индикатора используется нейросетево й расчет — это мощнейший инструмент качественного прогнозирования, анализа и поиска закономерностей.

Технология нейронных вычислений находит все больше новых областей применения. А особенностью этой технологии является то, что нейронные сети быстро «обучаются».

Особенно примечательно, что «NEURO DETECTOR» со скоростью света реагирует на любые изменения на рынке. Это позволяет ему тщательно отфильтровывать точные сигналы.

Он, безусловно, станет незаменимым помощником каждого трейдера. Более того, поможет увеличивать депозит.

На заметку! Сведения из W ikipedia. Нейронная сеть — это некая математическая модель. Она построена по принципу сетей нервных клеток живого организма. Понятие возникло при изучении процессов, протекающих в мозге. А также при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети.

Характеристики! Инновационный Нейросетевой Индикатор «NEURO DETECTOR»

  • Сигналы не перерисовываются, а также поступают без задержек.
  • Валютные пары — все. Более того, вы можете торговать одновременно на нескольких валютах.
  • Удобный и приятный интерфейс.
  • Точность/проходимость — 82%.
  • Таймфрейм — любой.

Что внутри?

  • Готовый к работе индикатор. Более того, уже отрегулированный и настроенный.
  • Понятная пошаговая инструкция о том, как установить и запустить индикатор. А также вам достанутся рекомендации для прибыльной торговли.

Если вы приобретете индикатор на официальном сайте (внимание, информация устарела, индикатор больше не актуален) , то в качестве бонуса получите дополнительный долларовый индикатор.

Помощь и поддержка по всем вопросам предоставляется.

Предупреждение! Не вносите на депозит последние средства, потому что Форекс не предсказуем. А также не рискуйте заемными деньгами, так как в один момент вы можете всё потерять.

Всем желаем успехов!

Добавить комментарий Отменить ответ

Этот сайт использует Akismet для борьбы со спамом. Узнайте, как обрабатываются ваши данные комментариев.

НЕЙРОСЕТЕВЫЕ ИНДИКАТОРЫ ФОРЕКС

Полезные индикаторы для терминала МТ4 ( прибыльные, новые, безубыточные, уникальные, профессиональные, цифровые, финансовые, мощные, бесплатные, хитрые, отечественные, неперерисовывающихся, полезные, свежие, валютные, интересные, идеальные, классные, сложные, крутые, продвинутые, собственной разработки, специальные, секретные, забугорные, эффективные, проверенные, не имеющие аналогов, разыскиваемые, стабильные, торговые, электронные, невидимые ДЦ, высокодоходные, финансовые, нейросетевые, одних из, торговые, биржевые, неизвестные, зарубежные, востребованные, верные, эффективные, универсальные, мощные, популярные, точные, крутейшие, негласные, американские, продвинутые, от производителя, автономные, на сегодня, надежные, реальные, качественные, свежие, VIP, малоизвестные, последние, стабильные, неплохие, действительно протестированные, коммерческие, отечественные, иностранные, мастерские, самые хорошие и очень супер мега — отличные )

Скачать всю подборку( а также около 50 других интересных индикаторов) можно по ЭТОЙ ссылке!

СCFр — Diff v2.0

Инновационный Нейросетевой Индикатор NEURO DETECTOR 2.0

cf-diff_v2.0Мультивалютный индикатор — даёт рекомендации по позициям во всех основных парах.
Коме того, в отдельно даётся информация о силе роста/падения каждой из 8 основных валют против остальных.

Не подлежит сомнению, что будущее предсказать невозможно, тем более на рынке.
Однако, была предпринята попытка сочетания огромного количества закономерностей после
чего был разработан и создан индикатор Xprofuter, который наглядно с достоверностью
в 92% указывает дальнейшее движение рынка то есть визуально на графике прочерчивает
на 12 баров вперед прогноз, повторяю 92% достоверности!
индикатор предсказатель мт4

ZigZag AutoChannel

Отличный зиг-заг — проецируется альтернативный канал тренда по пикам

xMeter Indicator

Очень полезный индюк — показывает корреляцию 7 основных мировых валют.
Расчет производится по 22 валютным парам.

Wolf Wave nen-2

Ещё одна, более свежая, версия индикатора для работы по Вульфу.


Volume Ticks Separate

Альтернативный индикатор объёмов.

Индекс доллара на вашем графике.


Trade Channel

Индикатор проецирует альтернативный канал тренда и самостоятельно
выводит на график веера Фибоначи.

Table v0Satop

Мультитаймфрейменный индикатор — торговые настроения во всех
тайм-фреймах по 4 индикаторам и гэпам.


SHI Channel Colour Talk

Индикатор канала тренда. Подаёт звуковые сигналы при
прохождении ценой границ и центральной оси канала.


Search Gartley Patterns

Комплект индикаторов позволяющий вам вовремя заметить
образование паттернов Гартли и приближение цены к сильным уровням поддержки/сопротивления.

SDX -TzPivots — alerts test

Трендовый анализ и торговые рекомендации по ADX, RSI, Stoch, CCI, MFI, ATR, AC, DeMarker, Momentum.

Индикатор проецирует динамические уровни RSI на график — то есть, сразу видно,
когда цена находиться в зонах перепродонасти/перекуплености.

Одна из наиболее прогрессивных и прибыльных систем интрадей торговли.
В архиве русский мануал к системе.thv_v3-2thv_v3-3

Выдаёт довольно точные торговые сигналы с TP и SL, а так же альтернативную цель в случии пробоя SL.

PriceSR check!

Отличный набор индикаторов — прекрасно подойдёт как основа для создания собственной ТС.
Настоятельно рекомендую.

price Percent change (ClOp) Arif

Информационный индикатор — показывает рост/падение курса в пипсах и процентах в периодах месяц,
неделя и день.

Нейросетевой индикатор. Предсказывает с опережением в 5 баров среднею цену.
Установка: файл BPNN Predictor.mq4 размещаем в папку :\Program Files\МТ4\experts\indicators,
файл BPNN.dll в папку :\Program Files\МТ4\experts\libraries
При присоединении индикатора к графику в свойствах разрешаем импорт dll

Pivot-Сomplex

Комплект Pivot индикаторов. Включает в себя DaylyPivot, MonthlyPivot,
WeeklyPivot, YearlyPivot, Pivot-Calculator и Pivot Points Multitimeframe.

OzFx Signals v1.7

Отличный индикатор: торговые сигналы по всем парам, правда без точек входа и SL/TP — только направление.

On Chart Rsi

Еще одна вариация на тему RSI — индикатор прямо на графике цены.
теги: ( прибыльные, новые, безубыточные, уникальные, профессиональные, цифровые, финансовые, мощные, бесплатные, хитрые, отечественные, неперерисовывающихся, полезные, свежие, валютные, интересные, идеальные, классные, сложные, крутые, продвинутые, собственной разработки, специальные, секретные, забугорные, эффективные, проверенные, не имеющие аналогов, разыскиваемые, стабильные, торговые, электронные, невидимые ДЦ, высокодоходные, финансовые, нейросетевые, одних из, торговые, биржевые, неизвестные, зарубежные, востребованные, популярные, точные, крутейшие, негласные, американские, продвинутые, от производителя, автономные, на сегодня, надежные, реальные, качественные, свежие, VIP, малоизвестные, последние верные, эффективные, универсальные, мощные, стабильные, неплохие, действительно протестированные, коммерческие, отечественные, иностранные, мастерские, самые хорошие и очень супер мега — отличные )
как из индикатора мт-4 сделать советник
как создавать советники
forex советник от разработчика
написать советник mql
советник под заказ
делаю советников для форекс

где купить хороший Советник
Написание алертов по индикаторам
роботы торговые заказ написать мт 4
формулы в советнике
конструктор стратегий для mt4
конструктор советника форекс

НЕЙРОСЕТЕВЫЕ ИНДИКАТОРЫ ФОРЕКС

English • На русском

Електронний журнал «Ефективна економіка» включено до переліку наукових фахових видань України з питань економіки (Категорія «Б», Наказ Міністерства освіти і науки України від 11.07.2022 № 975)

Ефективна економіка № 2, 2022

К. А. Малышенко,

к. э. н., доцент, РВУЗ Крымский гуманитарный университет, г. Ялта

М. В. Анашкина,

РВУЗ Крымский гуманитарный университет, г. Ялта

ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕЙ ДЛЯ ЦЕЛЕЙ ПРОГНОЗИРОВАНИЯ ФОНДОВОГО РЫНКА

K. A. Malyshenko,

Ph.D, Associate Professor, Graduate Educational Institution Republican Crimean University of Humanities, Yalta

M. V. Anashkina,

Graduate Educational Institution Republican Crimean University of Humanities, Yalta

USING NEURAL NETWORKS FOR FORECASTING STOCK MARKET

Фондовые рынки являются одним из главных механизмов при­влечения денежных ресурсов на цели инвестиций, модернизации, стимулирования роста производства, риск не точности прогнозов на этих рынках является серьез­ной проблемой на пути их развития. Нейронные сети для прогнозирования фондо­вого рынка имеют множество преимуществ. Для работы с нейросетями предна­значено довольно большое количество специализированных программ (Matlab, Statistica, NeuroShell Day Trader, BrainMaker). Нейросетевой анализ наби­рает всё больше популярности, так как в отличие от технического и фундаменталь­ного анализа не предполагает каких-либо ограничений по характеру входной информации. Благодаря использованию нейрон­ных сетей появился способ достигнуть максимального эффекта в области про­гнозирования с помощью «искусственного интеллекта», применение нейронных сетей может обеспечить получению прибыли на финансовых рынках сверх нор­мальной её величины.

Stock markets are one of the main mechanisms for attracting financial resources for investment, modernization, growth stimulation of production, not the accu­racy of weather risk in these markets is a serious problem in the way of their develop­ment. Neural networks to predict the stock market have many advantages. To work with neural networks are designed fairly large number of specialized programs (Matlab, Sta­tistica, NeuroShell Day Trader, BrainMaker). Neural network analysis is gaining more popularity, as opposed to the technical and fundamental analysis does not imply any restriction on the nature of input data. Through the use of neural networks there is a way to achieve the maximum effect on the prediction by using the «artificial intelli­gence», the use of neural networks can provide a profit in the financial markets over its normal value.

Ключевые слова : нейросети, фондовый рынок, искусственный интеллект, нейропакет.

Keywords: neural networks, stock market, artificial intelligence neuropackages .

Актуальность темы. Прогнозирование – это предсказание событий в буду­щем, а его цель это снижение риска при принятии решений. Поиск решения про­блемы не точности прогнозирования является актуальным, так как качественный прогноз необходим для определения перспектив вложений в акции той или иной компании, что в последующем поможет избежать финансовых потерь для инве­стора.

Цель данной работы. Определить особенности применения нейронных се­тей в целях прогнозирования фондового рынка, выявить проблемы наиболее популярных программных пакетов прогнозирования, построенных на основе нейросетей.

Постановка проблемы. В настоящее время наблюдается повышение роли фондового рынка в системе финансовых рынков, так как в ценных бумагах заклю­чена большая часть финансовых активов развитых стран мира. Фондовые рынки являются одним из главных механизмов привлечения денежных ресурсов на цели инвестиций, модернизации, стимулирования роста производства. Несмотря на это, мировые рынки ценных бумаг, могут быть источниками масштабной финансовой нестабильности, макроэкономических рисков и социальных потрясений. Как от­мечалось ранее одной из основных проблем становления, и развития фондового рынка является прогнозирования. Сущность ее в том, что в настоящее время существует риск не точности с одной стороны прогнозировать классическими ма­тематическими методами, а с другой стороны острая нехватка новых методов, ко­торые позволили бы учитывать все факторы, параметры, правила для создания четких прогнозов колебаний финансовых показателей.

Основное содержание. Благодаря научно-техническому прогрессу появился способ достигнуть максимального эффекта в области прогнозирования с помощью «искусственного интеллекта», когда компьютер сам может обучаться, ведь при повышении количества информационных ресурсов, которые использу­ются в модели, повышается точность прогноза, а убыток, связанный с неопреде­ленностью при принятии решений, уменьшаются, это возможно благодаря исполь­зованию нейронных сетей.

Изучением применения нейронных сетей в целях прогнозирования фондо­вого рынка в своих работах рассматривали такие ученые как Иванов Д.В. в работе «Прогнозирование финансовых рынков с использованием искусственных нейрон­ных сетей», Солдатова О.П., Семенов В.В. «Применение нейронных сетей для ре­шения задач прогнозирования» [9 с. 2], Круг П.Г. «Нейронные сети и нейрокомпью­теры» [6 с. 153], Корецкая Т.В. «Анализ фондовых рынков» [7 с. 45].

Нейронные сети – это раздел искусственного интеллекта, в котором для об­работки сигналов используются явления, аналогичные происходящим в нейронах живых существ [6 с. 155].

Главной особенностью сети, свидетельствующей о ее широких возможно­стях и высоком потенциале, является методика, позволяющая ощутимо ускорить процесс обработки информации, а также сеть приобретает устойчивость к ошиб­кам, которые могут возникать на некоторых линиях. Искусственный нейрон явля­ется основой любой искусственной нейронной сети. Нейроны представляют собой относительно простые, однотипные элементы, имитирующие работу нейронов мозга. Нервная система и мозг человека состоят из нейронов, которые соединены между собой нервными волокнами. Нервные волокна способны передавать элек­трические импульсы между нейронами. Все процессы передачи раздражений от кожи, ушей и глаз к мозгу, процессы мышления и управления действиями – все это реализовано в живом организме как передача электрических импульсов между нейронами [6 с. 157]. Каждый искусственный нейрон создан по аналогии нервных кле­ток головного мозга человека. Искусственный нейрон, также как и его естествен­ный прототип, имеет группу синапсов (входов), которые соединены с выходами других нейронов, а также аксон – выходную связь данного нейрона – откуда сиг­нал возбуждения или торможения поступает на синапсы других нейронов. Оче­видно, что действия нейронной сети, зависит от величин синоптических связей. Поэтому при разработке структуры нейронной сети, которая будет отвечать опре­деленной задаче, разработчик должен определить оптимальные значения для всех весовых коэффициентов. Этот этап называется обучением нейронной сети, и от того, насколько качественно он будет выполнен, зависит способность сети решать, поставленные перед ней проблемы.

Основными параметрами обучения являются: качество подбора весовых ко­эффициентов и время, затрачиваемое на обучение. В настоящее время все алго­ритмы обучения нейронных сетей можно разделить на два больших класса: с учи­телем и без учителя. Сеть обучается, для того, чтоб для некоторого множества входов давать множество выходов. Каждое такое входное или выходное множе­ство рассматривается разработчиками как вектор. Обучение происходит путем по­следовательного представления входных векторов с одновременной подстройкой весов в соответствии с определенной процедурой. В процессе обучения веса сети постепенно становятся такими, чтобы каждый входной вектор вырабатывал вы­ходной вектор [10 с. 28]. Обучение с учителем предполагает, каждый входного вектора имеет целевой вектор, который представляет собой надобный выход. Вместе их называют обучающей парой. Как правило, такая сеть обучается на множественном числе таких обучающих пар. Предъявляется выходной вектор, вычисляется выход сети и сравнивается с соответствующим целевым вектором, разность (ошибка) с помощью обратной связи подается в сеть и веса изменяются в соответствии с ал­горитмом, стремящимся минимизировать ошибку [7 с. 87]. Обучающие векторы пред­ставляются хронологически, определяются ошибки и веса подстраиваются для каждого вектора до тех пор, пока ошибка не достигает позволительно низкого уровня.

Обучение без учителя представляет собой правдоподобную модель обуче­ния биологической системы. Над данной моделью трудились многие ученые, так как при таком обучении нет необходимости в целевом векторе для выходов и, следовательно, нет необходимости в сравнении с заранее определенными иде­альными ответами. Такое обучающее множество состоит лишь из входных векто­ров. Обучающий алгоритм подстраивает веса сети так, чтобы получались согласо­ванные выходные векторы, т. е. чтобы представление достаточно близких вход­ных векторов давало одинаковые выходы. Процесс обучения, следовательно, вы­деляет статистические свойства обучающего множества и группирует сходные векторы в классы [3 с. 2]. Предъявление на вход вектора из существующего класса даст определенный выходной вектор, но до обучения невозможно предсказать, ка­кой выход будет производиться данным классом входных векторов. Анализ влия­ющих факторов с дальнейшим выводом информации о последующем долго и краткосрочном поведении величины которая прогнозируется – вот что является задачей автоматизированной системы прогнозирования долго и краткосрочных тенденций фондовых рынков. Одними из прогнозируемых величин для аналогич­ных систем являются доходность, ценовые показатели: средневзвешенные цены, цены закрытия и открытия, максимальные и минимальные цены. В качестве ис­ходных данных (влияющих факторов) для данного прогноза используются разно­образные макро- и микроэкономические показатели, информация с торговых пло­щадок, данные, предоставляемые информационно-торговыми агентствами, экс­пертные оценки специалистов.

Количество факторов, которые влияют на прогноз, зависит от рыночного инструмента, который рассматривается в конкретной рыночной ситуации. Неко­торые факторы воздействуют на все фондовые рынки, другие – только на опреде­ленные. Также влияние этих факторов может изменяться со временем, так как ме­няются рыночные тенденции. Исходя из того, что какие-либо различные моменты времени наблюдается явная взаимосвязь между фондовыми рынками и инстру­ментами рынков, поэтому имеет место в качестве исходных данных для прогно­зирования одного рынка использовать информацию о тенденциях других рынков [5]. К примеру, так как цены открытия «сегодня» для разных инструментов всех финансовых рынков довольно зависит от цены закрытия «вчера», то обе эти вели­чины могут выступать как прогнозируемые.

Прогнозирование краткосрочных и долгосрочных тенденций фондовых рынков включает следующие этапы.

1. Сбор и хранение статистической информации;

2. Определение инструмента прогнозируемой величины и набора влияющих факторов для изучаемого рынка

3. Определение зависимостей между прогнозируемыми величинами и набо­рами влияющих факторов в виде определенной функции;

4. Вычисление интересующих величин и определение вида прогноза (долго или краткосрочный) [6 с. 161].

Прогнозирование на фондовом рынке довольно значимая область примене­ния нейронных сетей в финансовой сфере. Стандартные методы, не использующие нейронные сети, основываются на жестком фиксированном наборе «правил игры», которые со временем теряет свою актуальность из-за изменений условий торгов на фондовой бирже. Ко всему прочему такого типа системы являются слишком медленными для ситуаций, которые требуют от трейдера (участника торгов) мгно­венного принятия решений. Таким образом, применение нейронных сетей явля­ется довольно мощным методом прогнозирования, который позволяет воспроиз­водить довольно сложные зависимости. Нейронные сети для прогнозирования фондового рынка имеют ряд следующих преимуществ:

— простота в использовании, так как нейронные сети учатся на примерах. Пользователь нейронной сети подбирает представительные данные, а затем запус­кает алгоритм обучения, который автоматически воспринимает структуру данных.

— нейронные сети привлекательны с интуитивной точки зрения, так как они основаны на примитивной биологической модели нервных систем. В будущем развитие таких нейро-биологических моделей может привести к созданию дей­ствительно мыслящих компьютеров [9 с. 2].

— предсказание финансовых временных рядов — необходимый элемент любой инвестиционной деятельности.

Сама идея инвестиций с целью получения дохода в будущем – основана на идее прогнозирования будущего. Следовательно, прогноз финансовых временных рядов является основой деятельности всей индустрии инвестиций – всех бирж и внебиржевых систем торговли ценными бумагами [3 с. 4]. Нейросетевой анализ наби­рает свою популярность, потому что в отличие от технического и фундаменталь­ного анализа он не предполагает каких-либо ограничений по характеру входной информации. Нейросети активно используют такие институциональные инве­сторы как крупные пенсионные фонды, которые работают с крупными портфе­лями, для которых особенно важны корреляции между различными рынками.

Следовательно, для качественного прогноза необходимо использовать каче­ственно подготовленные данные, а также нейропакеты с большей функционально­стью. Для работы с нейросетями предназначено довольное большое количество специализированных программ, одни из которых более универсальны, другие – узкоспециализированы. Кратко рассмотрим некоторые применяемые программы:

1. Matlab – настольная лаборатория для математических вычислений, проек­тирования электрических схем и моделирования сложных систем. Она имеет встроенный язык программирования и весьма богатый инструментарий для нейронных сетей – Anfis Editor (обучение, создание, тренировка и графический интерфейс), командный интерфейс для программного задания сетей, nnTool – для более тонкой конфигурации сети. Подходит для первичной работы прогнозирова­ния рынка Forex, [8 с. 25] а также. На рис. 1 показаны результаты нейросетевого моде­лирования индекса ПФТС по данным за первые 20 дней 2022 года. Черным цветом обозначены фактические данные, серым – прогнозные [ 1 с. 12 ] .

Рис. 1. Пример вывода результат нейросетевого моделирования индекса ПФТС [9]

Для моделирования в пакете Matlab применена нейронная сеть Элмана [3]. Эта сеть позволяет помнить свои предыдущие действия и реализовывать задачи обучения, которые разворачиваются во времени, что актуально для прогнозирова­ния временных рядов с памятью.

2. Statistica – довольно мощное обеспечение применяется для поиска и ана­лиза данных и выявления статистических закономерностей. В данном пакете ра­бота с нейросетями представлена в модуле STATISTICA Neural Networks (сокра­щенно, ST Neural Networks, нейронно-сетевой пакет фирмы StatSoft), представ­ляет собой реализацию всего набора нейросетевых методов анализа данных [5 с. 3].

Пакет Statistica предназначен для статистического анализа, а самоорганизующиеся карты в нем представлены в виде отдельного модуля. Но возникают затруднения работы с финансовыми рядами (отсутствуют индикаторы и функции работы с временными рядами).

Рис. 2. Результаты прогнозов адаптивных моделей и полученных нейронных сетей для динамики курса акций

«Сбербанк» с использованием ST Neural Networks

3. NeuroShell Day Trader – нейросетевая система, которая учитывает специ­фические нужды трейдеров, хоть она и легка в использовании, программа до­вольно узкоспециализированна, она подходит для торговли, но по своей сути слишком близка к черному ящику [3 с. 4].

Рис. 3. Результаты расчёта индекса с использованием NeuroShell Day Trader

При построении нейронной сети для торговли на биржевом рынке возникает ряд вопросов таких же, как и при создании торговой стратегии без использова­ния нейронных сетей. Так как рынок всё время меняется необходимо определить, какой период на графике используется для тренировки/обучения нейронной сети. Соответственно здесь могут возникнуть проблемы, если выбран неудачный период, например с высокой волатильностью вызванной рядом непрогнозируемых и воз­можно в будущем не повторяющихся событий, что приведёт к ошибке и сниже­нию точности прогноза [11 с. 18, 12 с. 23].

4. BrainMaker – данный пакет предназначается для решения таких задач, для которых формальные методы и алгоритмы пока не найдены, входные данные не­полны, зашумлены и противоречивы. К таким задачам относятся биржевые и фи­нансовые прогнозирования, моделирование кризисных ситуаций, распознавание образов и многие другие. BrainMaker – один из первых пакетов и лидеров рынка. Сначала был разработан по заказу военных. Для бизнес-приложений пакет был адаптирован уже в 90-м году и был удостоен престижной премии журнала PC Magazine «Лучший программный продукт года» [3 с. 5]. С тех пор пакет ежегодно по­беждает на различных конкурсах, пережил 20000 инсталляций (что для специали­зированного пакета весьма немало) и сегодня является самым продаваемым нейропакетом США.

Рис. 4. Пример прогнозирования изменения цен на акции компании Bart-Davis-100 (BD100) с использованием BrainMaker

К сожалению, здесь нельзя просто задать столбец с данными за понедельник, вторник и т.д. Нейросеть «видит» только один факт, представленный текущей строкой. Она «не помнит» что было до этого. Поэтому, если необходимо подать на вход данные за последние сто торговых дней, то в каждой строке должно быть сто полей. И неважно, что в предыдущей строке входного файла они уже есть. При­дется указать их еще раз. При этом следует иметь в виду, что с увеличением коли­чества входов растет сама нейросеть, а, соответственно, ее способность к обуче­нию снижается. В то же время, если нейросеть будет «видеть» тренд, она сделает лучший прогноз. Выбор оптимальных данных и их количества не имеет однознач­ного решения и на практике производится в процессе настройки нейросети [ 2 с. 4].

5. Остальные программы являются менее распространенными.

Эффективность этих систем достаточно высока, что обуславливает получе­ние прибыли при внутридневной торговле на рынке. Несколько слов о преимуще­ствах подобных систем:

— хорошо настроенная система дает больше прибыли, чем хаотические дей­ствия трейдера или инвестора;

— решения принимаются автоматически, на них не влияют эмоции и предубеждения;

— система упорядочивает операции, в то время как основная масса трейдеров и инвесторов лишается прибыли из-за отсутствия дисциплины.

Наряду с этим, торговые системы имеют и недостатки:

— не всегда возможно выполнение приказа по сигналу;

— вследствие изменений характера рынка эффективность системы может сни­зиться [3 с. 5].

Во многих публикациях говорится о преимуществах применения нелиней­ных моделей перед линейными в финансовых приложениях. Однако построение таких математических моделей пользователем – "нестатистиком" – процесс весьма трудоемкий. Если же задача была хорошо поставлена, то с помощью нейропакета искомая нелинейная модель строится почти автоматически. Преимущества нейросетей становятся заметными тогда, когда довольно часто изменяются «пра­вила игры». Именно поэтому нейросети подходят для определения состояния фон­дового рынка, характеризующегося целым набором постоянно изменяющихся по­казателей-признаков. Видимо, поэтому специалист, не искушенный в тонкостях статистических методов, предлагаемых универсальными пакетами SAS или SPSS, может предпочесть нейросети, которые проще настраивать и перестраивать. Су­ществуют, естественно, и специализированные пакеты, например Forecast Expert фирмы «Про-Инвест-Консалтинг» для анализа временных рядов и Stat-Media фирмы «Полихимэкс» для классификации данных, которые существенно упро­щают процесс построения моделей. Однако в них, как правило, заложены не слишком разнообразные методы анализа. Такие важные достоинства статистиче­ских моделей, как «прозрачность» процесса их построения, хорошая интерпрети­руемость и возможность численной оценки значимости получаемых прогнозов, помогут лишь пользователям-специалистам. Напротив – нейросеть легко обучит решению хорошо поставленных задач и неспециалист [9 с. 6].

Нейросети будут предпочтительны также там, где имеется очень много входных данных, в которых скрыты закономерности. В этом случае можно почти автоматически учесть различные нелинейные взаимодействия между показате­лями-признаками, характеризующими такие данные. Это особенно важно в систе­мах обработки информации (распределенных базах данных, телекоммуникацион­ных и экспертных системах), в частности, для ее предварительного анализа или отбора, выявления «выпадающих фактов» или грубых ошибок человека, принима­ющего решения. Целесообразно использовать нейросетевые методы в задачах с неполной или «зашумленной» информацией, а также в таких, где решение можно найти интуитивно. При больших потоках входных данных в качестве альтерна­тивы также предлагаются методы data mining.

Выводы. Следовательно, можно сделать вывод, что применение нейронных сетей может обеспечить получению прибыли на финансовых рынках сверх нормальной её величины. Однако эффективное решение проблем прогнозирования достигается лишь в том случае, когда нейронная сеть обучается на большом объеме данных и используется, качественна обучающая выборка. В этом случае алгоритм даст удо­влетворительный результат, а без полноценного набора данных нейросеть прин­ципиально неспособна обучиться. Таким образом, дальнейшим направлением исследований применения нейросетей для прогнозирования фондового рынка будет создание формализованных подходов к формированию информационной базы для применения данных программных продуктов.

1. Андриенко В. М., Тулякова А. Ш. [Текст] / В. М.Андриенко, А. Ш. Туля­кова // Научный журнал «Аспект». Анализ и моделирование динамики украин­ского фондового рынка. — 2022 г. — №2. – С. 34.

2. Бли­нов С. BrainMaker прогнозирование на финансовых рынках [Электрон­ный ресурс] / С. Бли­нов // «Открытые системы», № 04 , 1998 . — Режим доступа: http://www.osp.ru/os/1998/04/ 179543/#part_2

3. Герасименко Н. А. Нейросетевые технологии в анализе фондового рынка [Электронный ресурс]. — Режим доступа: http://fa-kit.ru/main_dsp.php?top_id=1086

4. Дьяконов В. П. Справочник по применению системы PC MATLAB [Текст] / В. П. Дьяконов. Наука Изд. фирма "Физ.-мат. лит.". – Москва. – 1993. – 112 с.

5. Иванов Д. В. Прогнозирование финансовых рынков с использованием искус­ственных нейронных сетей [Электронный ресурс]. — Режим доступа: forex — mmcis . ru ./ D . Ivanov .

6. Круг П. Г. Нейронные сети и нейрокомпьютеры [Текст]: учебное пособие по курсу «Микропроцессоры» / П. Г. Круг – М.: Издательство МЭИ, 2002. – 176 с.

7. Коренная Т. В. Анализ фондовых рынков с помощью аппарата теории функ­ций комплекс ной переменной [Текст]: дис. на к. э. н.: 08.00.13. – С.-П.б. 2009. – 278с.

8. Мицель А. А., Ефремова Е. А. Прогнозирование динамики цен на фондо­вом рынке [Текст] / Мицель А. А., Ефремова Е. А. //Томский государственный университет систем управления и радиоэлектроники. – Томск. : ТГУСУР, 2007. – 76 с.

9. Степанов В. С. Фондовый рынок и нейросети. [Электронный ресурс]. — Ре­жим доступа: http://www.osp.ru/pcworld/1998/12/ 159835/ Главная , «Мир ПК» , № 12 , 1998 .

10. Солдатова О. П., Семенов В. В. Применение нейронных сетей для реше­ния задач прогнозирования Электронный научный журнал «ИССЛЕДОВАНО В РОССИИ» [Электронный ресурс]. — Режим доступа: http://zhurnal.ape.relarn.ru/ articles/ 2006/136.pdf

11. Уоссермен Ф. [Текст] / Ф. Уоссермен. Нейрокомпьютерная техника: Тео­рия и практика. — Пер. с англ., 1992. — 118 с.

12. Уоссермен Ф. Нейронные сети. Модифицированные базовые индикаторы в NeuroShell DayTrader. Часть 1. Май 21, 2022 – 00:25 [Электронный ресурс]. — Ре­жим доступа: http://iworkclub.net/Iskusstvennie NejronnieSeti/uossermen-nejronnie-seti

1. Andrienko V.M., Tulyakova A.S. (2022), “Analysis and modeling of the dynamics of the Ukrainian stock markettion”, Scientific Journal “Aspect”, vol. 2, р p. 34.

2. Blinov S. (1998), “BrainMaker — forecasting the financial markets”, vol. 04. available at: http://www.osp.ru/os/1998/04/ 179543 ​​/ # part_2 (Accessed 17 November 2022).

3. Gerasimenko N.A., “Neural network technology in the analysis of stock market”, available at: http://fakit.ru/main_dsp.php?top_id=1086 (Accessed 3 December 2022).

4. Deaconov V. P. (1993), “Manual application of the system PC MATLAB”, Science Publ. firm “Phys.-Math. Lit.”, Moscow, Russia.

5. Ivanov D.V., “Forecasting financial markets using artificial neural networks governmental”, available at: forex-mmcis.ru./D.Ivanov. (Accessed 6 September 2022).

6. Krug P.G., (2002), “Neural networks and neurocomputers”, a textbook for the course “Microprocessors”, Publishing MEI, Moscow, Russia.

7. Koretskaya T. V. (2009), “Analysis of stock markets using the apparatus of the theory of functionstion Nations complex variable”, Abstract of Ph.D dissertation , St. Petersburg State University of Economics and Finance, St. Petersburg, Russia.

8. Mitsel A.A., Efremova E.A. (2007), “Prediction of price movements in the stockket”, Tomsk Polytechnic University, vol. 8, pp. 197-201.

9. Stepanov V.S. (1998), “Stock market and neural network”, available at: http://www.osp.ru/pcworld/1998/12/ 159835 / (Accessed 28 August 2022).

10. Soldatova O.P., Semenov V.V. (2006) “Application of neural networks for the solution of problems of prediction”, Electronic scientific journal “INVESTIGATED IN RUSSIA”, available at: http://zhurnal.ape.relarn.ru/ articles / 2006/136.pdf (Accessed 27 December 2022).

11. Wasserman F. (1992), “Neurocomputing: Theoriya and practice”, USA.

Лучшие Форекс брокеры 2021: