Тема: ИССЛЕДОВАНИЕ ПОВЕДЕНИЯ ВРЕМЕННЫХ РЯДОВ ПРИ ПРОГНОЗИРОВАНИИ НА ОСНОВЕ МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
📋 Содержание
ГЛАВА 1 МЕТОДЫ АНАЛИЗА ДАННЫХ 11
1.1 Интеллектуальный анализ данных 11
1.2 Классификационный и кластерный анализ 13
1.3 Валидация и кросс-валидация 16
1.4 Методы классификации и кластеризации данных 18
1.5 Временные ряды 20
1.5.1 Автокорреляция временных рядов 20
1.5.2 Робастные стандартные ошибки и тест Дарбина-Уотсона 27
1.5.2 Стационарность временных рядов. Процесс скользящего среднего 29
1.5.3 Автокорреляционная и частотная автокорреляционная функция 32
1.5.4 Процесс авторегрессии 35
1.5.5 Расчёт частной автокорреляционной функции AR(1) процесса и
множественность их решений 36
1.5.6 Стационарность через характеристический многочлен 38
1.5.7 Прогнозирование процессов авторегрессии. Модель авторегрессии и
скользящего среднего(ARMA) и его оценка 39
ГЛАВА 2 ПОСТАНОВКА ЗАДАЧИ 57
2.1 Описательная постановка задачи 57
2.2 Формальная постановка задачи 57
2.3 Декомпозиция задачи 57
2.4 Аналитический обзор существующих методом решения данной проблемы
2.5 Функциональные свойства приложения 59
ГЛАВА 3 ПРОЕКТИРОВАНИЕ 60
3.1 Основания для разработки технического задания 60
3.2 Оценка и выбор перспективных направлений разработки 60
3.3 Обоснование выбора инструментальных средств 60
ГЛАВА 4 РЕАЛИЗАЦИЯ 62
4.1 Реализация скрипта для MQL5 62
4.2 Изучение данных 63
4.3 Вычисление “эталонных значений” 67
4.4 Реализация классификационных и кластеризационных методов 69
4.5 Дополнительные разработки 75
ЗАКЛЮЧЕНИЕ 80
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 81
ПРИЛОЖЕНИЯ 85
Приложение А. Техническое задание 85
Приложение B. Индикаторы 86
Приложение C. Скрипт для MQL5 89
Приложение D. Описание индикатора
📖 Введение
Трейдинг — работа, которой занимается трейдер: анализирует рыночную ситуацию и заключает торговые сделки.
Трейдер (от англ. Trader) — торговец, действующий по собственной инициативе и стремящийся извлечь прибыль непосредственно из процесса торговли. Обычно подразумевается торговля ценными бумагами (акциями, облигациями, фьючерсами, опционами) на фондовой бирже. Трейдерами также называют торговцев на валютном (форекс) и товарном рынках (например, «зернотрейдер»). Торговля осуществляется трейдером как на биржевом, так и на внебиржевом рынках [1].
Но, не стоит путать трейдера и других торговцев, которые занимаются торговлей не в своих собственных интересах лишь, а которые проводят сделки в интересах клиентов и по их требованиям (дилер, брокер, дистрибьютор).
Виды трейдеров:
1. По форме собственности:
a. Профессиональные торговцы — работают в финасовых компаниях (банки, страховые компании, ПИФы, брокеры, дилеры). Порой имеют специальное образование и лицензию на проведение деятельности. Выполняют операции за деньги и в интересах компании или её клиентов. По российскому законодательству подобные торговцы должны иметь персональные аттестаты (ранее их выдавала ФСФР, сейчас этим занимается Банк России).
b. Частные торговцы или независимые трейдеры — выполняют все операции полностью за свой счёт и в своих интересах (работают на себя), для доступа к торговым системам пользуются услугами посредников (брокеров, дилеров). Проводимые ими операции, как правило не требуют лицензирования. Зачастую не имеют какого-либо специализированного образования, пользуются услугами консультантов и профессиональных торговцев.
2. По целям сделок:
a. Работа — обеспечение проведения операций или исполнение заявок клиентов (например, покупка на бирже для оплаты закупа оборудования или продажа выручки для выплаты заработной платы). Как правило, этим занимаются профессиональные торговцы.
b. Инвестор — долгосрочное инвестирование в сделку.
c. Спекулянт — торгует на разнице цен.
d. Арбитражёр — заключает противоположные сделки(одна на покупку, другая на продажу) со связанными инструментами для получения прибыли на движении цен одного актива относительно другого. В итоге общее движение цен актива нивелируется.
e. Хеджер — сделка заключается с целью уменьшения или фиксации уровня риска, например, риска изменения закупочных цен на сельскохозяйственную продукцию или котировок валют. Обычно применяется товаропроизводителями в виде опционов или фьючерсов для обеспечения возможности финансового планирования внутри производственного цикла.
3. По расположению рабочего места:
а. Трейдер на полу, трейдер в яме — обычно это внутридневные торговцы, работающие непосредственно в биржевом зале. Рабочее место располагается в самой низкой точке биржевого зала (в яме). Как правило они заключают сделки только по одному и тому же финансовому инструменту. До внедрения компьютеров в торговлю их плохо было видно, поэтому аренда места «на полу» стоила меньше, чем на ступеньках амфитеатра биржевой ямы. Трейдер на полу заключает сделку надеясь, что через минуты или даже секунды сможет приобрести возмещающий контракт и получить с этого прибыль. Например, на рынках зерна трейдеры часто входят в сделку ради разницы в 0,0025 доллара за бушель.
b. Трейдер в зале — обычно это профессиональные торговцы, представляющие собой интересы большого числа клиентов или входящие в крупные сделки. Их рабочие места располагались выше уровня пола биржевой ямы, их лучше было видно и им гораздо лучше было видно не только других торговцев, но и информационные мониторы.
c. Трейдер у монитора торгует через специализированные торговые терминалы, которые позволяют видеть заявки других трейдеров и выставлять собственные, читать новости, просматривать историю котировок, производить её математический анализ и строить графики. Не нужно личного присутствия в биржевом зале. Разница между трейдерами на полу и в зале ликвидируется. В последнее время используется интернет, как канал связи торгового терминала с брокером или непосредственно с биржей. Сейчас именно Интернет-трейдинг сейчас является наиболее распространённой формой торговли.
4. По длительности:
a. Дневной трейдер (дейтрейдер) — заключает сделки внутри одного торгового дня (одной торговой сессии) и выходит из всех позиций перед закрытием операционного дня. Обычно имеет небольшой капитал. Закрытие позиций, как правило, мотивируется опасением гэпов («разрывов» между ценой закрытия предыдущего и ценой открытия следующего торгового дня) [2].
b. Скальпер (Пипсовщик) — совершает большое число сделок короткой продолжительности: от нескольких секунд до десятка минут (скальпинг). Как правило, результативность отдельной сделки мала, но число сделок велико(также Высокочастотный трейдинг).
c. Позиционный трейдер (краткосрочный) — заключает сделки, планируя закрытие позиций через несколько дней, закрывает все позиции перед периодами уменьшения ликвидности (праздники, летние каникулы и т. п.)
d. Среднесрочный трейдер — заключает немного сделок за год и закрывает позиции при изменении недельных трендов.
e. Долгосрочный инвестор — позиции могут открываться на несколько лет, закрывает позиции только при изменении глобальных трендов.
Считается, что дневные и позиционные трейдеры больше работают с техническим анализом, а среднесрочные и долгосрочные инвесторы — с фундаментальным анализом рынков [1].
С развитием в настоящий момент информационных технологий стало появляться множество различных возможностей, которые многократно ускорили взаимодействие людей друг с другом. И это не обошло и биржевую сферу, где люди могут работать с финансами, совершая как долгосрочные сделки, которые будут действовать годы и десятилетия, но также имея возможность торговать необычайно быстрыми темпами, в пределах нескольких минут, секунд, а иногда и долей секунд. Стал занимать важную нишу так называемый краткосрочный трейдинг и скальпинг. Трейдеры стали работать прежде всего не на получение дивидендов или голосов в компаниях, а с целью заработать как можно больше и как можно скорее, но тут также и многократно возрастают риски.
Сейчас существуют 3 основных метода скальпинга [3]:
1. Стаканный (классический) скальпинг заключается в определении дисбаланса между объёмом спроса и предложения или определением спреда между ними, способного привести к направленному движению котировок, пусть даже незначительному. Распространен на разлчных инструментах, которые имеют конкретную базу (фьючерсы на акции).
2. Импульсный скальпинг представляет собой постоянную
оценку внешних рынков и инструментов, способных вызвать импульсивное направленное движение финансового актива(при торговле в России оценивается движение американских фьючерсов, европейских фьючерсов, нефти, доллара и т.д.). Широко распространён на фьючерсах на фондовые индексы.
3. Гибридный скальпинг сочетает черты предыдущих двух методов.
В с развитием этой сферы появилась необходимость в тех, кто умеет работать с рынками, а также в средствах для эффективной работы с ними. В настоящее время, в связи с развитием современных технологий, начали применяться новые методы обработки больших объёмов данных, в том числе и рынков, которые по своей сути представляют временной ряд. Сейчас всё чаще стали использоваться методы интеллектуального анализа данных.
✅ Заключение
Выполненное исследование позволило усовершенствовать навыки программирования на языке Python, изучить различные методы построения прогнозных значений, а также более точно понять суть как простых, так и рекуррентных нейронных сетей. Помимо этого были усовершенствованы навыки работы в программной среде JupyterLab, подробно изучены библиотеки, предназначенные для разработки систем машинного обучения, такие как Scikit- Learn и TensorFlow.
В ходе работе удалось выявить недостатки предположенных моделей, а также возможности проведения дальнейших исследования в выбранной предметной области.



