Neuro-genetyczny system komputerowy do prognozowania procentowej zmiany indeksu giełdowego
description
Transcript of Neuro-genetyczny system komputerowy do prognozowania procentowej zmiany indeksu giełdowego
Neuro-genetyczny system komputerowy do prognozowania
procentowej zmiany indeksu giełdowego
mgr inż. Marcin Jaruszewiczpromotor: dr hab. Jacek Mańdziuk
2007-01-24
Agenda
Elementy systemu Parametry systemu Scenariusz testów Hipotezy Wyniki
okno 5 dni
Elementy systemu
chromosom – sieć neuronowa
przystosowanie – błąd siecinajlepszy osobnik – zestaw zmiennych wejściowych
AlgorytmGenetyczny
SiećNeuronowa
Testzestaw
zmiennych
nauka – dobór wag połączeń między neuronami
test – kolejne prognozy zmiany wartości indeksu
SieciNeuronowe
zakres zmiennych: średnie, formacje, oscylatory
łącznie 370 zdefiniowanych zmiennych, 74 zmienne dostępne dla AG
Parametry systemu
Algorytm genetyczny: liczba chromosomów = 48 maksymalna liczba iteracji = 500 prawdopodobieństwo mutacji = 0.2/0.05 prawdopodobieństwo krzyżowania = 1
Sieć neuronowa maksymalna liczba iteracji = 2000 współczynnik uczenia = od 0.8 do 0.1 współczynnik momentu = 0.2
Scenariusz testów
5 W290 U 5 T
5 W290 U 5 T
5 W290 U 5 T
krok 1
krok 2
krok 20
U – zbiór uczący, W – zbiór walidacyjny, T – zbiór testowy
……
Nauka na podstawie danych znanych w chwili „rozpoczęcia” nowego okna
Prognoza zmiany wartości indeksu od znanej do kolejnej wartości zamknięcia – kolejne prognozy w oknie bez douczania
Algorytmy testowe
Decyzja z końca dnia k jest realizowana po cenie otwarcia w dniu k+1 przy oczekiwaniu prognozowanej zmiany wartości ceny zamknięcia w dniu k+1
Sygnały: kupuj (jeśli prognozowana zmiana dodatnia), sprzedaj (jeśli prognozowana zmiana ujemna)
Algorytm 1 „kupuj i trzymaj” Algorytm 2 „utrzymanie ostatniej zmiany” Algorytm 3 „prognoza sieci neuronowej” Algorytm 4 „prognoza oscylatora MACD”
Wyróżniające cechy
Adaptacyjny dobór zmiennych Krzyżowanie ilorazowe Mutacja rozmiaru chromosomu Kontekstowe prawdopodobieństwo
mutacji Dwa zestawy parametrów sterujących Szerokie zastosowanie analizy technicznej
(średnie, oscylatory, formacje) Obecność martwych chromosomów
Hipotezy
Względnie skuteczna prognoza dla horyzontu 1 dnia
Sensowne preferencje wyboru zmiennych
Istnienie istotnej zmienności zależności między parametrami (danymi)
Uzasadnienie wyboru różnych indeksów i wskaźników: DAX, NIKKEI, DJIA, USD/JPY, EUR/USD
Uzasadnienie uwzględnienia zmiennych analizy technicznej
Skuteczna prognoza (1/2)
Skuteczna prognoza (2/2)
Przebieg 1: Algorytm 3 „prognoza sieci neuronowej”... +9,32%
Przebieg 2: Algorytm 3 „prognoza sieci neuronowej”... +4,68%
Przebieg 3: Algorytm 3 „prognoza sieci neuronowej”... +3,51%
Algorytm 1 „kupuj i trzymaj”......................................... -5,45%
Algorytm 2 „utrzymanie ostatniej zmiany”................... -8,00%
Algorytm 4 „prognoza oscylatora MACD”..................... -3,58%
Preferencje zmiennych
W kolejnych generacjach najlepszych chromosomów dla pojedynczego kroku wszystkie generacje: wartość Oscylatora
Stochastycznego oraz Impetu (k=10, 20) dla prognozowanej giełdy
ostatnie generacje: numer dnia w tygodniu, 20 i 10 dniowa procentowa zmiana indeksu dla różnych dni historii oraz Oscylator Impet (k=5)
Zmienność zależności (1/2)
Zmienność zależności między MACD a prognozowaną wartością
-1
-0.5
0
0.5
1
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91
Zmienność zależności (2/2)
Porównanie skuteczności sieci dla przesuniętego okna
Uwzględnienie giełd (1/2)
DAX RSI 5
DAX Zmiana Zamknięcia
DAX WILLIAMS
DAX Sygnałkupuj/sprzedaj
DJIA WILLIAMS
DJIA Zmiana Zamknięcia
NIKKEI Zmiana ZamknięciaNIKKEI Sygnał
kupuj/sprzedaj
-0.5
0
0.5
1
DAX NIKKEI NIKKEI DJIA
Zależności między zmiennymi a prognozowaną wartością
Uwzględnienie giełd (2/2)
Wykorzystanie zmiennych w 20 kolejnych 5-dniowych oknach
Zakres danych
Występowanie w zmiennych
wybieranych przez AG
Występowanie w zbiorze zmiennych dostępnych dla AG
DAX 84.11% 94.59%
DJIA 6.62% 1.35%
NIKKEI 3.97% 1.35%
USD/JPY 3.31% 1.35%
EUR/USD 1.99% 1.35%
0
5
10
15
20
25
30
35
40
45
50
War
tość
O
Zm
iana
O(%
)
MO
V A
VG
5
MO
V A
VG
10
MO
V A
VG
20
War
tość
C
War
tość
H
War
tość
L
MA
CD
WIL
LIA
MS
5 dn
i Zm
iana
(%
)
10 d
ni Z
mia
na (
%)
20 d
ni Z
mia
na (
%)
MA
CD
syg
nał k
upuj
/spr
zeda
j
WIL
LIA
MS
syg
nał k
upuj
/spr
zeda
j
2 A
VG
's s
ygna
ł kup
uj/s
prze
daj
MA
CD
lini
a sy
gnał
u
Typ
for
mac
ji
For
mac
ja
Zm
iana
C(%
)
IMP
ET
5
IMP
ET
10
IMP
ET
20
RO
C 5
RS
I 5
SO
FS
O
RO
C 1
0
RO
C 2
0
DA
Y N
O
Uwzględnienie AT (1/2)
Liczba wystąpień zmiennych w chromosomach w generacjach 50, 150, 250, 350
Uwzględnienie AT (2/2)
krok 1: Stochastyczny i Impet krok 2: brak oscylatorów krok 3: Stochastyczny krok 4: Stochastyczny i Impet krok 5: RSI, ROC i MACD krok 6: Stochastyczny i ROC krok 7: Stochastyczny, Impet, Williams i MACD krok 8: Impet i 2 średnie krok 9: MACD krok 10: brak oscylatorówanalogicznie kolejne 10 kroków
Podsumowanie
System przystosowujący się do zmian warunków na giełdzie
Sensowne wykorzystanie popularnych zmiennych analizy technicznej
9% (min 3%) zysk hipotetycznej gry w porównaniu ze spadkiem wartości indeksu o 6%
Skuteczność gry zarówno dla trendu wzrostowego jak i spadkowego
Potwierdzenie skuteczności w niezależnych krokach oraz alternatywnym okresie testowym
Dziękuję za uwagę
- pytania- uwagi
Materiały są dostępne na stronie: jaruszewicz.com