Анализ краткосрочных финансовых временных рядов с помощью нейронных сетей долгой краткосрочной памяти

В данной статье рассматривается процесс создания нейронной сети долгой краткосрочной памяти для анализа и прогнозирования высокочастотных финансовых временных рядов. Цель исследования заключается в разработке инструментария для моделирования высокочастотных финансовых временных рядов, который также мог бы использоваться в качестве средства поддержки принятия решений при торговле на фондовом рынке. В начале работы формируется база исследования, представленная 1-минутными ценами фондовых индексов. Затем описываются основные группы моделей, используемых для работы с такими временными рядами. В группе моделей искусственного интеллекта выделены нейронные сети долгой краткосрочной памяти, указаны их преимущества над моделями других групп. Далее приводится инструкция по созданию нейронной сети долгой краткосрочной памяти и происходит оценка ее параметров на обучающих подвыборках доходностей фондовых индексов, а также выполняется проверка качества ее работы на тестовых подвыборках. Также с помощью нейронной сети делается прогноз будущих знаков доходности каждого индекса на 90 минут вперед. В завершении работы формулируется торговая стратегия, представляющая собой комбинацию оцененной модели нейронной сети и автоматической торговой системы. Данная стратегия проходит апробацию на рядах доходностей, ранее не использовавшихся на фазах обучения или тестирования. Работа завершается анализом полученных финансовых результатов торговли. Сделаны выводы, отражающие неодинаковые результаты моделирования данных, обратную зависимость между волатильностью индекса и точностью его моделирования на данных из тестовой подвыборки, а также обратную зависимость между волатильностью индекса и точностью прогнозирования его будущих значений.

высокочастотные финансовые данные, автоматическая торговая система, искусственный интеллект, нейронная сеть долгой краткосрочной памяти, фондовый индекс