Підвищення точності прогнозування курсів валют на інтернет ринку за допомогою нейронних мереж

Рейтинг користувача:  / 1

Деталі

Категорія: Економіка

Останнє оновлення: Четвер, 18 вересня 2014, 15:27

Опубліковано: Четвер, 18 вересня 2014, 14:39

Перегляди: 5166

Автори:

О.Ю. Чуріканова, кандидат економічних наук, Державний вищий навчальний заклад „Національний гірничий університет“, доцент кафедри економічної кібернетики та інформаційних технологій, м.Дніпропетровськ, Україна

К.Є. Тюхменьова, Державний вищий навчальний заклад „Національний гірничий університет“, асистент кафедри менеджменту виробничої сфери, м.Дніпропетровськ, Україна

М.А. Харченко, Державний вищий навчальний заклад „Національний гірничий університет“, аспірант, м.Дніпропетровськ, Україна

Реферат:

Мета. Мета полягає в розробці та побудові економіко-математичної моделі прогнозу курсів валют засобами нейронних мереж для визначення поведінки курсів на Інтернет-ринку з урахуванням факторів технічного та фундаментального аналізів.

Методика. Для вирішення поставленої мети використано методи порівняльного аналізу, системного комплексного підходу та методи економіко-математичного моделювання засобами нейронних мереж.

Результати. Проведено дослідження основних факторів, за допомогою яких можна робити прогноз щодо заміни курсів валют у майбутньому. Визначено, що на поведінку курсів валют впливає достатньо велика кількість факторів, які відносяться до методів фундаментального та технічного аналізів. Встановлено, що жоден із факторів не має 100% надійності у прогнозі. Лише застосування комплексного підходу дає високу ступінь прогнозу. З метою здійснення комплексного підходу запропонована та побудована економіко-математична модель прогнозу курсів валют засобами нейронних мереж,що дозволила об’єднати показники фундаментального та технічного аналізів.

На основі показників технічного й фундаментального аналізів поведінки курсів валют на Інтернет- ринку сформована група факторі, що мають числовий вимір. Виконане обґрунтування математичного апарату нейронних мереж як оптимального для побудови економіко-математичної моделі з метою виконання прогнозів і з урахування мети, поставленої в даній роботі. На основі сформованої групи факторів виконана побудова економіко-математичної моделі прогнозу курсів валют засобами нейронних мереж, на вхід якої подаються дані за відібраними факторами, а на виході отримується прогнозне значення курсів валют.

Наукова новизна. Виконана побудова економіко-математичної моделі прогнозу курсів валют на Інтернет-ринку засобами нейронних мереж, що, на відміну від існуючих, враховує групу із десяти факторів, таких як:індекс відносного розміру цін, індекс полегшення ринку, індекс Доу-Джонса, індекс „Стендард энд пауэрз“, індекс Нью-Йоркской фондової біржі, індекси Американської фондової біржі, індикатор RSI, середній індекс спрямованого руху ADX, індекс позабіржового обороту, індикатор стоахастик.

Практична значимість. Полягає в можливості підвищення точності прогнозу курсів валют на Інтернет-ринку за допомогою використання вдосконаленого математичного апарату, в основу якого покладена розширена група чинників, що впливає на зміну курсів валют.

Список літератури / References:

1. Urintsov, A.I. (2003), “Regarding usage of the EPSS system as the instrument for on-line adaptation of the Decision Maker”, Pribory i Systemy Upravleniya, no. 11, pp. 63–66.

Уринцов A.И. Regarding usage of the EPSS system as the instrument for on-line adaptation of the Decision Maker/
A.И. Уринтсов. // Приборы и системы управления. – № 11. –  2003. – С. 63–66.

2. Alpesh B. Patel (2003), Trading Online: A Step-by-Step Guide to CyberProfits, Williams, UK.

Пейтел Э. Internet-трейдинг. Полное руководство / Э. Пейтл, П. Пейтл;  пер. с англ. – М.: Издательский дом „Вильямс“, 2003. – 320 с.

3. Taran, V.A. (2003), Playing the stock market is easy!, NP “Forex club”, Forex Club, Moscow, Russia.

Таран B.A. Играть на бирже просто?! / Таран B.A.  // НП „Форекс клуб“. – М.: Форекс Клуб, 2003. –240с.

4. Robert W. Colby and Thomas A. Meyers (1998), The Encyclopedia of Technical Market Indicators, Dow Jones-Irwin.

Роберт В.Колби. Р. Энциклопедия технических индикаторов рынка / В. Роберт, А. Мейерс – М.: Издательский дом „Альпина“, 1998. – 581 с.

5. T. Demark (1997), Tekhnicheskiy analiz, novaya nauka [Technical Analysis, New Science], Diagramma, Moscow, Russia.

Демарк Т. Технический анализ, новая наука / Демарк Т. – М.: Диаграмма, 1997. – 178 с.

6. Yezhov, A.A. and Shumsky, S.A. (1998), Neirokompyuting i yego primeneniye v ekonomike i biznese [Neurocomputing and Its Application in Economics and Business], MIFI, Moscow, Russia.

Ежов А.А. Нейрокомпьютинг и его применение в экономике и бизнесе / А.А. Ежов, С.А. Шумски – М.: МИФИ, 1998.  – 216с.

7. Minayev, Yu.N., Filimonova, O.Yu. and Benameur, L. (2003), Metody i  algoritmy resheniya zadach identifikatsyi i prognozirovaniya v usloviyakh neopredelennosti v neirosetevom logicheskom bazise [Methods and Algorithms for Solving Identification and Forecasting Tasks Under Uncertainty in the Neural Network Logical Basis], Hotline Telecom, Moscow, Russia.

Минаев Ю.Н. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе / Минаев Ю.Н., Филимонова О.Ю., Бенамеур Л. – М.: Изд-во. Горячая линия-Телеком, 2003. – 205 с.

8. Callan, R. (1999), The Essence of Neural Networks, Prentice Hall Europe.

Каллан Р. Основные концепции нейронных сетей / Каллан Р. – М.: Изд-во. Вильямс, 2002. – 287 с.

9. Rutkovska, D. (2004), Neironnye seti, geneticheskiye algoritmy i nechetkiye sistemy [Neural networks, genetic algorithms and fuzzy systems], Hotline Telecom, Moscow, Russia.

Рутковская Д. Нейронные сети, генетические алгоритмы и нечёткие системы / Рутковская Д. – М.: Изд-во. Горячая линия-Телеком, 2004. – 452с.

10. Haykin, S. (2006), Neironnye seti [Neural Networks: a Complete Course] Dialektika, Kiyev, Ukraine.

Хайкин С. Нейронные сети: полный курс / Хайкин С. – К.: Изд-во. Диалектика, 2006. – 1104 с.

2014_4_churikanova
2014-09-17  131.76 KB  1269

• < Попередня
• Наступна >