Методы прогнозирования финансовых рынков «шагают в ногу со временем», используя самые современные достижения науки и техники. Одно из последних направлений, создание искусственного интеллекта, тоже нашло применение в биржевой трейдинге.

Созданы математические модели, имитирующие работу человеческого мозга, которые преобразованы в компьютерную программу.

Такие системы – это нейросети (НС), способные анализировать и прогнозировать рыночные тенденции, используя любые данные, а главное, что они способны самообучаться в процессе работы.

Использование нейросети в трейдинге

Нейротехнологии пока нельзя назвать популярными в среде трейдеров, но их потенциал способен внести серьезные коррективы, в имеющиеся приоритеты в сфере автоматизированных торговых систем.

Например, автоматические торговые системы (АТС) требуют постоянной перенастройки, т.к. не «успевают» за постоянно меняющейся рыночной ситуацией, а НС умеет «видеть» новые тенденции и самостоятельно учитывать их, выявляя сложные связи исторических данных с текущими событиями.

В отличие от стандартных автоматических советников, где алгоритм настроен на анализе только котировок, нейросеть может обрабатывать множество заложенных в программу параметров, причем, исходная информация может иметь различный характер (на усмотрение пользователя).

НС предполагает использование системы самообучения, которая напоминает процесс обучения человека – самосовершенствование методом проб и ошибок, накапливание знаний и опыта. В основе машинного обучения лежат статистические методы анализа.

Пока преждевременно утверждать, что НС способна выдавать на 100% верные решения, адекватно реагируя на ценовые скачки, особенно, когда речь идет о торговле на малых временных промежутках.

Система требует усовершенствования, а процесс ее самообучения, который призван исключать ошибки, требует значительных интеллектуальных и материальных ресурсов.

Тем не менее, использование технологии НС уже «обкатываются» крупными банками и финансовыми холдингами, с целью оптимизации расходов на содержание большого количества трейдеров. По этому пути пошли, например, в Goldman Sachs, сократив персонал финансовых аналитиков с сотен до единиц.

Главным достоинством НС перед существующими алгоритмами является возможность имитировать поведение рынка, опираясь на социальный аспект, хотя и в этом плане не все однозначно.

Учесть эмоциональный фактор (психология толпы, политические и экономические решения и т.п.), находящийся «снаружи» информационных данных, нейросеть не может. Получается, что человеческий анализ все еще необходим.

Нейросети на Форекс

Новые разработки не могли пройти мимо внимания участников рынка Forex. Для продвинутой части форекс-трейдеров, тема нейросетей не нова – здесь и ранее использовались торговые программы под пакетом NeuroSolutions или NeuroShell, которые позволяли создавать НС и подключаться к популярным платформам MetaTrader.

Но до широкого применения дело не дошло, в первую очередь из-за дороговизны нейропакетов и компьютеров под них.

Поиск приемлемых решений продолжается, т.к. обученная нейросеть становится серьезным подспорьем в аналитической работе и помогает совершенствовать автоматическую торговлю:

• помогает классифицировать паттерны;
• оценивает внутритрендовую динамику;
• позволяет использовать данные комбинации различных индикаторов;
• дает возможность тестировать работоспособность системы.

Достоинства и недостатки использования нейросетей в трейдинге

Как и любая система моделирования, нейросеть имеет свои плюсы и минусы. К неоспоримым преимуществам можно отнести следующие возможности:

• обработка значительных объемов исходной информации;
• обнаружение корреляции между входными и выходными данными;
• учет комбинации данных технического и фундаментального анализа;
• использование в качестве альтернативы традиционным индикаторам и советникам;
• способность обучаться в режиме «нон-стоп».

Недостатков также хватает:

• система требует постоянного обучения и тестирования – емкий процесс, требующий специальных знаний и соответствующего оборудования (создать с нуля самостоятельно проблематично);
• некорректная загрузка данных ведет к ошибочным сигналам;
• присуща общая «болезнь» всех статистических методов – успешный анализ исторических данных не является гарантией точного прогноза на будущее, особенно в краткосрочной перспективе.

Внедрение нейросетей в практику трейдинга находится в стадии эксперимента. Говорить о создании полноценной аналитической системы, способной полностью самостоятельно учитывать рыночные изменения и принимать решения на их основе, пока преждевременно.