Прогнозировани

е курса валют с
по-мощью
нейрон-ных
сетей
Вступление
Я предпринял попытку исследовать
проблему прогнозирования курса
доллара в условиях рыночной
неопределенности и роста всех видов
риска. Прогнозирование курса доллара
относительно рубля было
осуществлено с помощью MatLab и
построена нейросетевая модель,
причем в совокупность факториальных
признаков я включил астрологический
индекс Гюшон.
Строение нейрона
 Цели работы

А Ф П
АЛГОРИТМ ФОРМУЛЫ ПЕРЕМЕННЫЕ
Построить рабочий Найти подходящие
алгоритм, который Верно подобранная к формуле
сможет формула для переменные, при
прогнозировать точного прогноза которых можно
курс рубля будет предугадать
курс рубля
Нейроны
человеческог Сеть нейронов человеческого мозга представляет
собой высокоэффективную комплексную систему с

о мозга
параллельной обработкой информации.

Она способна организовать (настроить) нейроны

таким образом, чтобы реализовывать восприятие
образа, его распознавание во много раз быстрее, чем
эти задачи будут решены самыми современными
компьютерами

Распознавание знакомого лица происходит в мозге

человека за 100-120 мс, в то время как компьютеру
для этого необходимы минуты и даже часы.
 Построим математическую модель нейрона
(далее мы будем называть ее нейроном).
Нейрон — это несложный автомат,
преобразующий входные сигналы в
выходной сигнал (см. рис. 1.2). Сигналы
силы x1, x2, ..., xn, поступая на синапсы,
преобразуются линейным образом, т.е. к
телу нейрона поступают сигналы силы

Математическая w1*x1, w2*x2, ..., wn*xn (здесь wi — веса

соответствующих синапсов).

модель нейрона
Алгоритмы обучения
В основе большинства известных сегодня
алгоритмов обучения нейросетей лежит метод
градиентной оптимизации - итерационное
изменение синаптических весов, постепенно
понижающее ошибку обработки нейросетью
обучающих примеров. Причем изменения весов
происходят с учетом локального градиента
функции ошибки. Эффек­тивным методом
нахождения этого градиента является так
называемый алгоритм обратного распространения
ошибки (error back-propagation).
 TIME

USDRUR

EURUSD
Переменные
S&P500

WTI

Igushon
После выполнения 6 эпох мы
получили следующие
коэффициенты
W0 = 3050 W3 = 1110

W1 = 2,6 W4 = 0,21

W2 = -4,2 W5 = -5,75
Математическая
формула
USDRUR = 3110 + 2,6 × USDRUR(-1) - 4,2 × WTI + 1110 × EURUSD + 0,21 ×
× S&P500 - 5,75 × IGUSHON

USDRUR = 59,75 (прогнозное значение)

Ошибка составила
1,4%
Реальное USDRUR = 58,8862
Практическое Способы применения этого проекта в
жизни:
применение
1 Прогнозирование экономического
положения стран

2 Можно предсказать девальвацию валюты

3 Заработок на взлетах и падениях валюты у

брокеров
Спасибо за
внимание