АННОТАЦИЯ 3
Введение 3
1 Общие сведения о нейронных сетях и сетях с долгой краткосрочной
памятью 4
2 Разработка нейронной сети 9
2.1 Загрузка и сортировка данных 9
2.2 Алгоритм получения переменной ответа 13
2.3 Создание и тестирование LSTM-сети. Алгоритм торговли 21
3 Импорт данных в Quik и тестирование 26
Заключение 33
Список использованных источников и литературы 34
Приложение А Графики тесирования
Нейронная сеть [1] — это последовательность нейронов, соединенных между собой синапсами. Структура нейронной сети пришла в мир программирования прямиком из биологии. Благодаря такой структуре, машина обретает способность анализировать и даже запоминать различную информацию.
В мехатронике за счёт распараллеливания вычислений существенно ускорить решение типичных вычислительных задач, возникающих при выработке управления, а также придать мехатронным системам некоторые полезные для автономной деятельности свойства искусственного интеллекта, такие как распознавание сложившейся ситуации в пространстве признаков, способность к обучению и прогнозу событий, формирование ассоциативной памяти и др. [2] Элементы пространства признаков формируются из показаний сенсоров. Обработка этих показаний также типичная задача для нейроподобных структур, способных параллельно обрабатывать информацию на большом поле и осуществлять наилучшим способом её кодирование и декодирование при передаче более высоким уровням обработки.
Нейронные сети используются для решения сложных задач, которые требуют аналитических вычислений подобных тем, что делает человеческий мозг. Существуют несколько способов применения сетей, в число которых входит предсказание. Предсказание — возможность предсказывать следующий шаг. Например, рост или падение акций, основываясь на ситуации на фондовом рынке. Для этих целей одной из наиболее применимых является LSTM-сеть.
Торговый робот — это программа, которая содержит алгоритм анализа рынка и может выставлять заявки, а также совершать сделки, выполняя эти функции за трейдера по заранее запрограммированной торговой системе. С помощью интеграции в тороговый робот как алгоритм анализа рынка LSTM- сети, возможно создание торгового робота высокой
В результате проделанной работы была создан тороговый робот на основе рекуррентной нейронной сети вида Long Short-Term Memory. На основе данного торгового робота возможно создание подобных программных роботов для других видов ценных бумаг, чья прибыльность не будет уступать торговле ПАО «Сбербанк России», ПАО «Аэрофлот», ПАО «Нефтяная компания “Роснефть”» и ПК «Полиметалл». Полученная интеграция LSTM- сети в программный комплекс для доступа к торгам позволяет полностью автоматизировать процесс торговли и практически исключить из него участие человека.
Средства пакета программ Matlab позволяют гибко настраивать параметры нейронных сетей и обладают достаточной производительностью, в том числе и для программирования более сложных структур, чем те, что приведены в данной работе. Благодаря этим факторам, полученная нейронная сеть обладает достаточно высокой точностью.
Програмный комплекс для организации доступа к биржевым торгам через интернет Quik обладает широким функционалом и удобством работы. Его возможности позволяют полностью автоматизировать торговлю на рынке ценных бумаг.
В дальнейшем полученный торговый робот можно использовать для получения прибыли. Торговый робот хоть и обладает высокой точностью, все еще требует улучшений - как со стороны технического анализа нейронной сети, так и со стороны учитывания влияния на цену акции различных внешних факторов.
