Книга Использование нейронных сетей для моделирования прогноза котировок ценных бумаг описывает использование моделирования с помощью нейронных сетей для прогнозирования котировок ценных бумаг. Автор подробно описывает работу модели нейронной сети обратного распространения и ее применение для всех типов ценных бумаг. Алгоритм обучения сети обратного распространения проходит в несколько этапов и использует выборку, состоящую из значений котировок ценных бумаг и других числовых характеристик, влияющих на котировки. Для тестирования модели использовались котировки ФБ СПб. Газпром за определенный период времени. Результаты показывают, что использование модели нейронных сетей повышает точность прогнозирования и обеспечивает достоверность информации с определенной долей вероятности прогноза. Книга ориентирована на специалистов в области финансов и экономики, а также на всех, кто интересуется применением нейронных сетей в различных областях.
Книга Использование нейронных сетей для моделирования прогноза котировок ценных бумаг представляет собой исследование возможности применения нейронных сетей для прогнозирования цен на финансовых рынках. Автор описывает принципы работы нейронных сетей, а также методы их обучения и тестирования на примере модели обратного распространения. В качестве данных для обучения и тестирования использовались котировки ценных бумаг ФБ СПб. Газпром за конкретный период времени. Автор также обсуждает различные модификации алгоритма обратного распространения, включая использование различных функций ошибки и активационных функций.
Книга ориентирована на специалистов в области финансов и экономики, которые интересуются применением новых технологий и методов для анализа финансовых рынков. Полученные результаты показывают, что использование нейронных сетей может повысить точность прогнозирования цен на финансовых рынках и улучшить экономическую эффективность принимаемых решений. Книга может также быть полезна студентам и исследователям, занимающимся обработкой данных и машинным обучением.
Несмотря на наличие множества эффективных методов прогнозирования цен на ценные бумаги, универсальность нейронных сетей позволяет использовать их для всех видов ценных бумаг. В данной книге автор подробно описывает работу модели нейронной сети с обратным распространением.
При обучении сети ставятся задачи минимизации функции ошибки по методу наименьших квадратом. Обучение сети проходит поэтапно, используя выборку, состоящую из значений котировок, а также различных числовых показателей, влияющих на цены. Модификации алгоритмов обратного распространения используются для выбора различных функций ошибок, активации функций и определения направлений и величин шагов.
Для тестирования модели были использованы котировки ФБ "СПб. “Газпром” за период.
Электронная Книга «Использование нейронных сетей для моделирования прогноза котировок ценных бумаг» написана автором В. Н. Бугорский в 2008 году.
Минимальный возраст читателя: 0
Язык: Русский
Серии: Прикладная информатика. Научные статьи
Описание книги от В. Н. Бугорский
Несмотря на то что для моделирования прогнозов котировок ценных бумаг существует много эффективных методов, такое свойство моделей нейронных сетей, как универсальность, т.е. возможность их использования для всех типов ценных бумаг, определяет необходимость исследования в данной области. Автором представлена подробная схема работы модели нейронной сети обратного распространения. При обучении нейронной сети ставится задача минимизации целевой функции ошибки, которая находится по методу наименьших квадратов. Алгоритм обучения сети обратного распространения проходит в несколько этапов. В качестве образов для обучения нейронной сети используется выборка, состоящая из значений котировок ценных бумаг, различных числовых характеристик, влияющих на котировки ценных бумаг. Модификации алгоритма обратного распространения связаны с использованием различных функций ошибки, других активационных функций, различных процедур определения направления и величины шага. Для тестирования модели нейронной сети использовались котировки ценных бумаг ФБ «СПб. „Газпром“» за период с 11.01.2007 по 30.01.2007. Для проведения тестирования использовались программный продукт Neural Network Wizard и библиотека классов Neural Network Wizard для работы с моделями нейронных сетей, разработанные в среде программирования Delphi 7 компанией BaseGroup Labs. Для визуального отражения зависимостей реального значения и значения на выходе нейронной сети был использован пакет MathCad 2000. Полученные результаты показывают, что использование модели нейронных сетей повышает экономическую эффективность прогнозирования, при этом обеспечивается достоверность информации с определенной долей вероятности прогноза, необходимой для принятия обоснованных экономических решений.
