Анализ и прогнозирование конъюнктуры рынка ценных бумаг

“Быстрое  развитие компьютерных технологий открывает  новые перспективы для работ  в области прогнозирования ситуаций на финансовых и товарных рынках. Наиболее значительным прорывом в этой области большинство специалистов считают развитие нейрокомпьютинг.

Нейрокомпьютинг - это научное направление, занимающееся разработкой вычислительных систем шестого поколения - нейрокомпьютеров, которые состоят из большого числа параллельно работающих простых вычислительных элементов (нейронов). Элементы связаны между собой, образуя нейронную сеть. Они выполняют единообразные вычислительные действия и не требуют внешнего управления. Большое число параллельно работающих вычислительных элементов обеспечивают высокое быстродействие. В настоящее время разработка нейрокомпьютеров ведется в большинстве промышленно развитых стран. Нейрокомпьютеры позволяют с высокой эффективностью решать целый ряд "интеллектуальных" задач. Это задачи распознавания образов, адаптивного управления, прогнозирования (в т.ч. в финансово-экономической сфере), диагностики и т.д.

Нейросеть - это компьютерная программа, имитирующая  способность человеческого мозга  классифицировать примеры, делать предсказания или принимать решения, основываясь на опыте прошлого. Стремительное развитие технологии нейронных сетей и генетических алгоритмов началось лишь в конце 80-х годов, и пока остается уделом немногочисленной группы специалистов, как правило, теоретиков в области искусственного интеллекта. Но в России уже начали появляться нейронные сети, хорошо зарекомендовавшие себя на Западе, ведутся разработки собственных программ, для прогнозирования самых различных событий. Упрощая, технику применения нейронных сетей для прогнозов на фондовом рынке можно условно разбить на следующие этапы:

подбор  базы данных,

выделение «входов» (исходные данные) и «выходов» (результаты прогноза). Входами можно  сделать цены открытия, закрытия, максимумы, минимумы за какой-то период времени, статистика значений различных индикаторов (например, индексы Доу Джонса, Никкей, комбинации курсов валют, доходность государственных ценных бумаг, отношения фундаментальных и технических индикаторов и др.), обычно выбирается от 6 до 30 различных параметров. Количество выходов рекомендуется делать как можно меньше, но это могут быть цены открытия, закрытия, максимумы, минимумы следующего дня,

выделение в массиве данных тренировочных  и экзаменационных участков,

обучение  нейросети: на этом этапе нейронная сеть обрабатывает тренировочные примеры, пытается дать прогноз на экзаменационных участках базы данных, сравнивает полученную ошибку с ответом, имеющимся в примере (базе данных), а также с ошибкой предыдущего этапа обучения и изменяет свои параметры так, чтобы это изменение приводило к постоянному уменьшению ошибки.

введение  срока прогноза,

получение значения прогнозируемых данных на выходе нейросети.” [1]

Список использованной литературы

1.www.rcb.ru

2. Джон Дж. Мэрфи Технический анализ фьючерсных рынков: теория и практика. - М.: Диаграмма, 2000 г.

3. Эрлих А.. Технический анализ товарных  и финансовых рынков. - М.: ИНФРА-М, 1996 г.

4. Бердникова Т.Б. Рынок ценных  бумаг и биржевое дело. - М.: ИНФРА-М, 2002.

5. Бердникова Т.Б. Прогнозирование экономического и социального развития. - Белгород, 1991.

6. Бердникова Т.Б. Рынок ценных  бумаг. - М.: ИНФРА-М, 2002

7.Бланк  И. Финансовый рынок. Т.1 - Киев, 2000

8. Бестужев-Лады И.В. Рабочая книга  по прогнозированию. - М.: Мысль, 1982