Usando Redes Neurais Recorrentes para Previsão de Forex Este artigo relata evidências empíricas de que um modelo de redes neurais é aplicável à previsão estatisticamente confiável de taxas de câmbio. Dados de séries temporais e indicadores técnicos, como a média móvel, são fornecidos às redes neurais para capturar as regras subjacentes do movimento nas taxas de câmbio. As redes neurais recorrentes treinadas prevêem as taxas de câmbio entre o dólar americano e quatro outras moedas principais, o iene japonês, o franco suíço, a libra esterlina e o euro. Várias estimativas estatísticas da qualidade da previsão foram realizadas. Os resultados obtidos mostram que as redes neurais são capazes de dar previsão com coeficiente de determinação múltipla não pior que 0,65. O pré-processamento de dados estatísticos lineares e não-lineares, como o teste de Kolmogorov-Smirnov e os expoentes de Hurst para cada moeda foram calculados e analisados. Palavras-chave: Redes Neurais, Taxa de Câmbio Estrangeiro, Testes Estatísticos, Expoente Hurst, Teoria dos Sistemas Complexos O Forex é o maior e mais líquido dos mercados financeiros, com aproximadamente 1 trilhão negociado a cada dia. Isso leva ao interesse sério para este setor de finanças e deixa claro que por várias razões qualquer trader no Forex deseja ter uma previsão precisa da taxa de câmbio. A maioria de comerciantes usam da maneira antiga como tal método tradicional de previsão como análise técnica com a combinação de um fundamental. Neste trabalho desenvolvemos a abordagem de redes neurais para análise e previsão de séries temporais financeiras baseadas não apenas na tecnologia de redes neurais, mas também em um paradigma de teoria de sistemas complexos e sua aplicabilidade à análise de diversos mercados financeiros (Mantegna et al. 2000 Peters, 1996). ) e, em particular, ao Forex. Ao escolher a arquitetura da rede neural e estratégia de previsão, realizamos o pré-processamento de dados com base em alguns métodos de análise estatística comum e teoria de sistemas complexos: análise R / S, métodos de dinâmica não-linear e caótica (Mantegna et al. 2000 Peters , 1996). No presente artigo não descrevemos todos eles. Apresentamos aqui apenas os resultados do teste de Kolmogorov-Smirnov e os resultados da análise R / S. No entanto, salientamos que a análise preliminar permitiu otimizar os parâmetros da rede neural, determinar o horizonte de previsibilidade e realizar a comparação da qualidade de previsão de diferentes moedas. Abaixo, apresentamos algumas observações sobre as vantagens da tecnologia de redes neurais em relação aos métodos tradicionais e comparamos nossa abordagem com os métodos de outros autores. Primeiro, a análise de redes neurais não presume nenhuma limitação no tipo de informação de entrada, como faz a análise técnica. Pode ser como indicadores de séries temporais, como informações sobre o comportamento de outros instrumentos financeiros. Não é sem fundamento, que as redes neurais são usadas exatamente por investidores institucionais (fundos de pensão, por exemplo), que lidam com grandes carteiras e para as quais as correlações entre diferentes mercados são essenciais. Em segundo lugar, em contraste com a análise técnica, que é baseada em recomendações comuns, as redes neurais são capazes de encontrar o ideal, para dado instrumento financeiro, indicadores e construir ideal, para determinada série temporal, a estratégia de previsão. Lembremos que no presente estudo previmos as taxas de câmbio de apenas moedas selecionadas no mercado Forex. Como moedas a negociar, escolhemos a libra esterlina, o franco suíço, o euro e o iene japonês. O seguinte motiva esta escolha: praticamente todos os principais volumes de operações em Forex são feitos com estas moedas. Notemos que foram publicados muitos trabalhos, nos quais problemas semelhantes foram estudados. (Jingtao Yao et al., 2000; Castiglione, 2001; Kuperin et al., 2001; Lee et al., 1997; Tino et al., 2001, McCluskey, 1993). Vamos dar uma olhada rápida nos resultados de alguns deles. Em (Castiglione, 2001) estudou-se o problema do sinal de previsão de incrementos de preços. Como dados analisados foram utilizados índices como SampP500, Nasdaq100 e Dow Jones. Foram tomados perceptrons multicamadas de diferentes configurações, com diferentes números de neurônios ocultos. Como resultado, tem sido mostrada uma possibilidade de previsão do sinal de incrementos de preço com probabilidade ligeiramente superior a 50, ou seja, um pouco melhor do que apenas jogar uma moeda. Supomos que esse tipo de resultado seja irrelevante do ponto de vista prático e tenha um interesse acadêmico. Predição da falsa Este exemplo é muito semelhante ao anterior. A única diferença é que ele mostra dados para pares de moedas estrangeiras (forex). Como trabalhar com o applet Se você não viu o primeiro exemplo. por favor, explore primeiro - descrição básica está disponível lá. Neste applet, os dados a seguir estão disponíveis. Todos eles são valores próximos ao final do dia para todo o ano de 2007, ou seja, 313 valores. Como no applet anterior, cada uma dessas séries temporais possui os seguintes valores: zero para intervalo abaixo de 0, valor próximo no intervalo 0-número de valores e novamente zero após o último valor conhecido. EURUSP - EUR USD par de moedas USDJPY - EUR USD pares de moedas par USD / USD par EUR par de moedas EURJPY - EUR par USD par dados cambiais dados Novamente note que este exemplo é fornecido apenas para ilustração. A negociação usando essa configuração simples geralmente não está longe de usar a previsão pelo último valor disponível. Observe também que, para a negociação, precisamos desenvolver regras de entrada e saída, e que elas são mais importantes do que a previsão exata. Por favor, aguarde até que o applet seja carregado. Applet e descrição (c) Marek Obitko, 2008 a rede neural no applet usa as classes Java BPNeuron e BPNet do NeuralWebspace, (c) Tom Vehovsk, 1998, que foram modificadas para os propósitos deste applet. Bem-vindo à Fonte Mais Precisa para Previsões do mercado Forex Preveja sem esforço as tendências Forex com a maior precisão do mercado. O Forex-Forecasting utiliza inteligência artificial baseada em tecnologia de redes neurais, métodos estatísticos avançados e análise de ondas não periódicas. Esta tecnologia inovadora está agora disponível para você, o trader, apresentando: Previsões diárias e intra-diárias do mercado Forex com suporte à decisão Interfaces Web simples e fáceis de usar Métodos matemáticos comprovados baseados em tecnologia avançada de redes neurais Módulos transferíveis para software de terceiros (por exemplo MetaStock, Metatrader e outros) Experimente agora gratuitamente (oferta por tempo limitado). Tenha uma chance de aumentar seu lucro. Teste em tempo real - EUR / USD Previsão de 1 hora
No comments:
Post a Comment