30.05.2012 15:49
30 мая, на Воздвиженке, компанией Faunus Analytics и биржей ММВБ-РТС был проведен совместный практический семинар "DATA-MINING и нейросети в биржевой торговле", посвященный применению нового класса аналитических технологий для построения биржевых роботов. Докладчиками выступили: Андрей Хомич – руководитель департамента Исследований и Разработок компании Faunus Analytics и Юрий Маслов – руководитель направления алгоритмической торговли, ММВБ-РТС.
Семинар, гостями которого стали более 60-ти человек, начался с теории. Слушателям подробно рассказали о технологии data-mining, а так же о том, что такое искусственные нейронные сети, как они работают, где и когда применяются, какие имеют ограничения.
По мнению докладчиков, современные торговые платформы позволяют реализовывать разнообразные алгоритмы: отсутствие значительных ограничений в языках программирования, в памяти и процессорах компьютеров открывают широкие возможности для деятельности. Но зато остро встает другая проблема, как выделить из бесконечного ряда алгоритмов тот алгоритм, который способен приносить прибыль?
Простейшее решение – посмотреть на историческую доходность торгового робота. Но один робот хоть и принес прибыль, но показал только 30 сделок. Второй робот имеет много сделок, но показывает небольшую прибыль. Третий робот хорошо работал год назад, но весь последний квартал приносит убытки. Какой из этих роботов вернее принесет прибыль в будущем?
Обозначив необходимость эффективных методов оценки, организаторы семинара предложили решать задачи с помощью методов прикладной статистики и ее расширения.
Андрей Хомич, Faunus Analytics и Юрий Маслов, ММВБ-РТС
Стоит отметить, что в последние годы мы наблюдаем настоящий взрыв интереса к искусственным нейронным сетям. Они успешно применяются в самых различных областях - финансах, медицине, технике, геологии, физике. Нейросети вошли в практику везде, где нужно решать задачи прогнозирования, классификации или управления. Такой впечатляющий успех определяется несколькими причинами: богатые возможности и простота в использовании.
С математической точки зрения нейронная сеть представляет собой многослойную сетевую структуру, состоящую из однотипных (и сравнительно простых) процессорных элементов – нейронов. Нейроны, связанные между собой сложной топологией межсоединений, группируются в слои (как правило, два-три), среди которых выделяются входной и выходной слои. В нейронных сетях, применяемых для прогнозирования, нейроны входного слоя воспринимают информацию о параметрах ситуации, а выходной слой сигнализирует о возможной реакции на эту ситуацию. Перед постановкой на "боевое дежурство" нейронная сеть проходит специальный этап настройки – обучения. Как правило, сети предъявляется большое количество заранее подготовленных примеров, для каждого из которых известна требуемая реакция сети. Если сеть реагирует на очередной пример неадекватно, т.е. состояние выходного слоя отличается от заданного, внутренняя структура сети подвергается некоторой модификации для минимизации ошибки.
Мероприятие длилось около двух часов
После теории, докладчики перешли к обширной демонстрационной программе, целью которой стал показ процесса разработки, тестирования и оптимизации математической модели, прогнозирующей рынок. В качестве подопытных данных были использованы цены закрытия индекса РТС за последние 3 года, в качестве моделей рассмотрены ИНС и логистическая регрессия. За несколько минут была построена и запущена модель торгового робота, показавшая почти 63% успешных сделок. Отдельно был затронут вопрос, как превратить полученную модель в полноценного торговый алгоритм, как сделать его надежным и эффективным.
По окончании семинара некоторые участники захотели лично пообщаться с докладчиками
Докладчики семинара попытались показать, что сложные, на первый взгляд, аналитические технологии вполне доступны трейдерам даже без специальных знаний, а продолжительная секция вопросов и ответов подтвердила это.