Модель авторегрессии в нейросетевом модуле Neural Net: прошлое и настоящее
Сергей Тарасов
Что касается модели авторегрессии (AR). Основной целью модели авторегрессии является получение прогноза на следующий день (следующий бар).
Или, другими словами, мы пытаемся ответить на вопрос: можно ли спрогнозировать завтрашнее направление движения цены, используя последние несколько дней ценовой истории?
В качестве примера вот картинка, которую я нашел в интернете:
Там указано, что ситуация указывает на бычий паттерн в ближайшее время, т.е. в понедельник следует ожидать восходящего движения цены. Другими словами, наблюдая за 5 барами в течение недели и анализируя паттерны, которые эти 5 баров формируют, мы должны быть в состоянии сделать прогноз. 5 баров в нашем примере - это ПОРЯДОК модели авторегрессии (он показывает, сколько прошлых ценовых баров используется для построения модели авторегрессии).
Вот пример AR-модели: цена этого дня (или сегодняшняя цена) price daтa = 0.63*цены вчера - 0.05*цены два дня назад +0.47*цены три дня назад (this day (or today) price dada = 0.63*price yesterday - 0.05*price two days ago +0.47*price three days ago)
В этой модели авторегрессии (AR) Order=3; И главная задача здесь - найти правильные веса, описывающие движение цены.
На рынке представлены различные вариации AR-моделей, например, ARIMA.
В программном обеспечении Timing Solution все вариации этих моделей охватываются модулем нейронной сети Neural Net (NN). Поскольку мы применили там действительно хорошую математику (например, Fuzzy Logic), этот модуль хорошо работает с подобными задачами, а также со многими другими.
Модуль NN в программном обеспечении Timing Solution анализирует все возможные закономерности и определяет, подходят ли эти закономерности для прогнозирования. Нечеткая логика - очень хорошая техника для этой задачи. Это позволяет выявлять очень сложные нелинейные явления в AR-модели. Одним из примеров того, что может уловить технология нечеткой логики NN, являются явления, подобные этому: если цена в пятницу снижается менее чем на 0,5% = > цена в понедельник растет, если цена в пятницу снижается более чем на 0,5% => цена в понедельник падает. Линейные AR-модели не улавливают это явление, это может сделать только NN + нечеткая логика (подробнее о Fuzzy Logic см. в PS#1).
Немного информации о модели AR здесь: https://www.timingsolution.com/TS/Articles/anti_trend/index.htm
В качестве краткого резюме, я настоятельно рекомендую быть очень осторожным с моделью авторегрессии. Если вы работаете с ними, вы должны применить своего рода статистическую проверку к результатам, которые вы можете получить. Могу гарантировать: сюрпризы неизбежны.
В 2006-2008 годах на эту модель возлагались большие надежды. Я тогда работал с каким-то фондом. Мы провели масштабное исследование модели дополненной реальности с массовым тестированием различных вариантов моделей авторегрессии нейронной сети, концентрируясь (в основном) на получении прогноза на следующий день.
Короче говоря, - мы не получили обнадеживающих результатов, ничего... Мы получили практически те же результаты, что и до нас - на 4% выше хаоса, т.е. выигрыш/проигрыш 54% (см. PS#2).
Однако, сейчас, 15 лет спустя, я понимаю несколько важных вещей, о которых я тогда не знал. Надеюсь, что это поможет будущим исследователям этой модели.
1) В то время мы просто игнорировали инвертированные модели. Мы приняли их за какой-то странный артефакт и выбросили. Это было ошибкой. Я думаю, что они были и остаются здесь крупным игроком.
2) Те, кто проводит такое исследование (AR-модели, нацеленные на получение прогноза на следующий день), должны иметь определенную психологическую подготовку. Было бы лучше, если бы они, как исследователи, могли отделить себя от каких-либо денежных зацепок (т.е. забыть, что они торгуют, просто работают как математики). Только представьте ситуацию: вы получаете модель, которая прогнозирует с точностью 62%. Несколько дней наша группа была на небесах. До недавнего времени, когда мы обнаружили, что все эти 62% являются результатом какого-то присутствующего артефакта. Для инвестора это очень сильный демотиватор. Как математик, вы воспринимаете это как ответ и стимул для того, чтобы смотреть дальше.
В недавней дискуссии о модели дополненной реальности среди членов TS Group я забыл еще об одном. Настоятельно рекомендую прочитать эту очень хорошую статью о прогнозе на следующий день. Она была написана Робертом К. и доступна на нашем сайте https://timingsolution.com/TS/Articles/Robert_K/Predicting_Tomorrow.pdf
Роберт К. рассматривал эту проблему с разных точек зрения.
КСТАТИ. Аналогичная работа была проведена в MIT в начале 2000-х годов (точно не помню). Они анализировали ценовые графические паттерны, такие как голова и плечи и т.д. Было обнаружено, что подобные паттерны позволяют прогнозировать движения рынка с точностью до 5%. Т.е. для трейдера это практически ничего, так как для моделей, которые могут быть торгуемыми, мы устанавливаем предел точности 10% (выигрыш/проигрыш = 60%). Кроме того, исследования Массачусетского технологического института были больше ориентированы на прогнозирование тренда, а не прогноза на следующий день.
PS#1: Вы можете найти информацию о Fuzzy Logic здесь: https://www.timingsolution.com/TS/Articles/Fuzzy/
PS#2: Похоже, что существует корреляция между капитализацией и коэффициентом проигрыша выигрышей, которую могут обеспечить аналитические модели. Модель с точностью 52% теоретически может быть торгуемой, хотя возможная сделка должна включать большие деньги => большой размер позиции может повлиять на цену фондового рынка на следующий день (как гласит теория, фондовый рынок эффективен) => и этот факт меняет цену.