Присоединяйтесь к сообществу форекс трейдеров
прямо сейчас!
Научитесь зарабатывать и приумножать деньги
Расскажите о своем опыте торговли
Получите ответы на любые вопросы от специалистов
Знакомьтесь и общайтесь с лидерами рынка
Читайте актуальную и закрытую информацию и многое другое...
На данный момент набор инструментов для работы на рынке форекс устарел. Вот уже около 100 лет коренным образом не изобретено чего-либо нового. Конечно, нельзя сказать, что развитие технологий на рынке застряло на определенном уровне и не желает трогаться вперед. Все мало-мальски поработавшие на форекс понимают что индикаторы, советники, скрипты – это уже всё устарело и надо придумывать что-то новое. Сейчас все индикаторы и советники, которыми мы пользуемся, являются ни чем иным как модификацией старых и лишь в редком случае появляется что-либо оригинальное.
Идей по созданию новых разработок на основе нейронных сетей много, но существует ряд технологических факторов, которые мешают всплеску изобретений. Один из таких факторов это ограниченность использования языка MQL и сама лень трейдеров. Использовать его для написания нейронных сетей проблематично, потому что он сильно ограничивает возможности программирования и ставит некоторые рамки. Для программирования нейронных сетей нужен язык с более обширными возможностями, например C++.
Почему именно нейронные сети? Возможности нейронных сетей безграничны, такие сети можно обучать и они могут самообучаться, убирают психологический фактор в работе. Большинство ученых сравнивают самообучение нейронных сетей с развитием ребенка. Над созданием искусственных нейронных сетей трудились такие ученые как Коши, Хопфилд, Больцман и еще много кто.
И так, что же такое нейронная сеть? Искусственные нейронные сети взяли свое начало с развитием биологии, они состоят из элементов, функции которых аналогичны большинству простейших функций биологического нейрона. Эти элементы затем организуются по способу, который похож на организацию нейронов человеческого мозга. Нейронные сети демонстрируют удивительное число свойств, присущих мозгу. Например, они обучаются на основе опыта, обобщают предыдущие прецеденты на новые случаи и извлекают существенные свойства из поступающей информации, содержащей излишние данные. Наука вот уже несколько десятилетий на основе искусственных нейронных сетей пытается создать искусственный интеллект и уже появились разработки, которые позволяют машинам говорить, распознавать текст, выделять особые предметы, читать, считать. По первому каналу Российского телевидения показывали даже сюжет, где машина показывала все признаки смоделированной шизофрении (да, именно той, которой страдают люди).
Искусственный нейрон имитирует свойства биологического нейрона. На вход искусственного нейрона поступает некоторое множество сигналов, каждый из которых является выходом другого нейрона. Каждый вход умножается на соответствующий вес, аналогичный синаптической силе, и все произведения суммируются, определяя уровень активации нейрона.
Множество входных сигналов, обозначенных x1, x2,…, xn, поступает на искусственный нейрон. Эти входные сигналы, в совокупности обозначаемые вектором X, соответствуют сигналам, приходящим в синапсы биологического нейрона. Каждый сигнал умножается на соответствующий вес w1, w2,…, wn, и поступает на суммирующий блок, обозначенный Σ. Каждый вес соответствует «силе» одной биологической синаптической связи. (Множество весов в совокупности обозначается вектором W.)
Такая модель искусственного нейрона не учитывает сложные функции биологического нейрона, но, несмотря на это, система из них дает модель очень похожую на биологическую систему.
Различают однослойные и многослойные нейронные сети. Чем сложнее сеть, тем больше у нее ресурс для обучения и соответственно больше возможностей. Также, по образу организации, различают системы без обратной связи и с обратной связью. У сетей без обратных связей нет памяти, их выход полностью определяется текущими входами и значениями весов. В некоторых конфигурациях сетей с обратными связями предыдущие значения выходов возвращаются на входы; выход, следовательно, определяется как текущим входом, так и предыдущими выходами. По этой причине, сети с обратными связями могут обладать свойствами, сходными с кратковременной человеческой памятью.
Естественно для того чтобы сеть работала нужным для нас образом ее надо обучить или, если сеть имеет возможность самообучаться, дождаться финала обучения. Сеть обучается, чтобы для некоторого множества входов давать множество выходов. Обучение осуществляется путем последовательного проставления весов. В процессе обучения веса сети постепенно становятся такими, чтобы каждый входной вектор вырабатывал выходной вектор. В случае, когда мы обучаем сеть сами, срабатывает так называемый человеческий фактор и, порой, сеть приходится переобучать, потому что она не правильно функционирует. Это требует затраты некоторого времени и др. ресурсов. Нейронные сети уже получили огромное распространение. Они применены в сканерах, которые распознают текст и изображения, в персональных компьютерах (особенно в видеокартах), принтерах, в огромном количестве экспертных систем. Без нейронных систем не обошлось и в создании игр для персональных компьютеров и еще огромное множество применений.
На рынке форекс такие сети можно обучить: распознавать паттерны фигур, проводить свечной анализ, проводить технический анализ (а именно, определение трендов, бокового тренда), находить точки Pivot, анализу вероятностного движение цен (главным образом определять цели торговли и ограничения потерь), с точностью работать в волновом анализе. В теме "Могут ли на рынке остаться только роботы?" я уже писал, что, на данный момент, нейронные сети пока не в состоянии заменить человека на финансовых рынках, но все ученые, работающие в этой сфере, ясно дают понять, что момент замены такой сетью человека уже не за горами. Мне остается с ними в этом только согласиться. Развитие нейронных сетей на финансовых рынках даст трейдеру возможность создания новых экспертов (советников). Эти советники смогут с развитием рынка развиваться сами (учиться), принося тем самым большую прибыль. Трейдеру останется только проводить контроль и более точную отстройку такого советника. Уже существуют некоторые разработки нейронных советников на языке MQL, но, как я писал выше, пока они имеют ограниченные возможности и показывают нам, насколько мы (трейдеры) еще далеки от четкого понимания нейронных сетей. Просматривая множество, интернет форумов для трейдеров я пришел к выводу, что много кто заинтересован в таких сетях для работы, но мало кто применяет их, обосновывая это тем, что это слишком трудоемко. Чтобы разработать нейронную сеть для работы на финансовом рынке, человеку минимум надо знать принцип работы нейронных сетей и язык программирования.
Фантасты уже неоднократно писали сценарии о войне человека и подобия нейронных сетей. Например, всем известный фильм «Я робот» рассказывает нам как суперкомпьютер, обладающий искусственным интеллектом, пытался навести порядок в рядах людей, или фильм «Терминатор», думаю, раса роботов из фильма «Трансформеры» тоже не обошлась без нейронных сетей.
Азбука инвестора по теме "Нейронные сети".
Будем благодарны, если Вы поделитесь этим материалом в социальных сетях:
Рейтинг дилинговых центров и брокеров Forex /
Форекс. О рынке Forex. Словарь трейдера. Инструменты Forex.
Видеоуроки Forex. Аналитика
www.forex-rating.at.ua
