Прогнозирование валютного курса с помощью нейронных сетей

В целом ряде исследований эмпирически доказывается, что применительно к валютным курсам наиболее эффективна модель искусственных нейронных сетей (Artificial Neural Network, ANN). Куан и Лю в 1995 г. одними из первых использовали ее для прогнозирования в данной сфере. В своем исследовании они применили модель для курсов британского фунта, канадского доллара, немецкой марки, иены и швейцарского франка. Они пытались оценить, действительно ли стохастический критерий является эффективным способом определения наиболее точной нейронной сети для экстраполяции данных за пределами выборки.

Яо и Тан в дальнейшем представили эмпирические данные, что модель ANN применима к прогнозированию валютных курсов. Кроме того, при построении модели на основе временного ряда в нее были интегрированы технические индикаторы для понимания основного движения валютного курса. В исследовании было рассмотрено пять наиболее торгуемых валютных пар: доллар США (USD) к иене (JPY), британскому фунту (GBP), немецкой марке (DM), австралийскому доллару (AUD), швейцарскому франку (CHF). Результаты, представленные в работе, доказывают, что даже без использования обширных рыночных данных и специальных знаний составленные прогнозы дают возможность получить прибыль с помощью экстраполяции прошлых значений и технических индикаторов. В сравнении с традиционной моделью ARIMA результаты при использовании модели нейронной сети оказались значительно лучше по всем пяти валютным парам. Это позволяет заключить, что модель ANN может применяться в качестве альтернативного и более эффективного инструмента прогнозирования. Например, в работе Панды и Нарасимана представлен сравнительный анализ моделей искусственных нейронных сетей, модели авторегрессии и модели случайного блуждания. Оценка прогнозирования по шести критериям показала, что модель нейронных сетей имеет наилучшие результаты как внутри выборки, так и за ее пределами. Данные результаты, по мнению авторов, свидетельствуют против гипотезы эффективного рынка и предполагают возможность извлечения скрытой информации при рассмотрении курсов валют и их прогнозировании.

Используйте нейронные сети для прогнозирования валютного курса и игры на рынке Forex! Стоит посмотреть также бесплатные видеоуроки по форексу.

В работе Нагараджана и соавторов использовался технический анализ для прогнозирования и торговли на валютном рынке Forex. Исследование было проведено на примере валютной пары USD / GBP, в ходе него было выявлено, что наименьшие среднеквадратические ошибки (mean squared error) имели прогнозы по модели ANN. Тем не менее из-за высокой сложности временного ряда было невозможно составить достаточно точные прогнозы для получения постоянной прибыли при торговле.

Дальнейшее развитие модели ANN получили при применении двух типов нейронных сетей: нейронной сети прямого распространения (Feed-Forward, FF) и нелинейной авторегрессионной нейронной сети с экзогенными входами (Non linear Autoregressive with Exogenous Input, NARX), описанных в работе Стокса и Абу-Заида. Исследование было проведено на основе трех валютных пар: доллар США сравнивался с японской иеной, британским фунтом и евро. Было выявлено, что модель нейронных сетей намного лучше справляется с высокочастотными и нелинейными данными (какими являются валютные курсы), чем стандартные эконометрические модели, такие как ARIMA, модель случайного блуждания.