Использование нейронных сетей для прогнозирования и принятия автоматизированных решений при инвестировании на фондовом рынке

В данной работе, в качестве метода технического анализа финансово-биржевых инструментов, исследуется класс математических моделей – искусственные нейронные сети. Подобный выбор связан с широкой популярностью нейросетевого моделирования для решения различных классов задач, а также интуитивная обоснованность данного подхода в рамках задачи анализа и прогнозирования финансовых временных рядов (так как искусственные нейронные сети являются имитационными моделями принципов работы головного мозга, а, как уже отмечалось ранее, анализ фондового рынка непосредственно связан с анализом совокупных ожиданий репрезентативных экономических агентов). Главной задачей данного исследования является проведение собственного анализа эффективности применения моделей, основанных на нейронных сетях, для решения задач финансового прогнозирования. Но полученные результаты и выводы могут распространяться и на многие другие сферы применения нейронных сетей, в силу единообразия подхода. Следует также отметить, что проводимый анализ в данной работе не ограничивается лишь на выборе конкретной модели, типа архитектуры и основных характеристик сети и установлении взаимосвязи с величиной эффективности предсказаний. Важной этапом исследования является формирование релевантных данных из общего эмпирического массива для нейросетевого прогнозирования и анализ методов предварительной обработки. В качестве анализируемых ценных бумаг выбраны акции, эмитированные российскими компаниями, которые входят в индекс РТС: Сбербанк, ВТБ, Башнефть и Роснефть. Для каждого из указанных инструментов проведен анализ зависимости между основными характеристиками нейронной сети и величиной точности адаптивных предсказаний. В заключении предложены оптимальные, в рамках исследуемого периода, структуры сетей для каждого биржевого актива.