<<
>>

ОБЗОР РЕЗУЛЬТАТОВ

В табл. 11-5 и 11-6 приведены результаты работы всех моделей, основанных на нейронных сетях на различных рынках. В первом столбце указано обозначение рынка, средний и правый столбцы содержат количество выгодных тестов для данного рынка.
Цифры в первой строке указывают на номер теста. Последняя строка показывает, на скольких рынках данная модель была выгодной. Степень прибыльности и убыточности рынков для каждой модели указана следующим образом: один минус ( — ) означает

убыток в $2000 — 4000, два минуса (-) — убыток более $4000; один плюс

(+) означает прибыль от $1000 до $2000, два плюса (+ +) — прибыль более $2000; пустая ячейка означает прибыль до $1000 или убыток не более $1999 со сделки. (Названия рынков и их символы соответствуют обозначениям табл. часть II, введение.) В пределах выборки все виды входов

Рисунок 11-2. График изменения капитала для модели, основанной на обращенном Медленном %К, нейронная сеть 18-10-1, вход по цене открытия.

278

ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК

Таблица 11—5. Эффективность в пределах выборки

по тестам и рынкам 8YM 01 02 03 04 OS oe 07 oe 09 10 11 12 13 14 15 ie 17 10 итого SP 44 16 YX ++ ++ ++ 44 44 44 ++ ++ 4+ 44 44 44 44 44 44 ++ 4* +4 18 US 4 44 44 4 44 44 44 44 44 44 + 4 44 ++ 44 44 18 ТВ + 4 4-4 4 15 TY 4+ +* 44 + 4 +4 *4 ++ 4+ + + *4 44 +4 44 44 44 ++ +4 44 18 BP 4 + + 44 + + — 44 44 44 44 44 4+ 44 44 44 13 DM ++ ++ 44 44 44 ++ +4 4+ + + 44 4 + 44 44 44 44 44 44 44 ia SF ++ ++ 44 + + 44 + + + 4 44 + + 44 44 ++ + 4 44 44 44 44 + 4 18 JY 44 Г ? 4 + + 44 44 44 44 44 44 4 17 CD + 4 44 44 44 4 4-4 44 44 4 + 44 44 ++ 13 ED +4 44 4* 44 44 ++ 4+ 44 44 4 4 44 4+ +4 44 15 CL 4+ ++ ** 44 4* 44 44 44 44 4+ 44 44 44 44 44 44 +4 44 18 HO 44 44 44 44 + + 4+ +4 ** +4 44 44 44 44 44 +4 44 44 44 18 HU 44 44 44 44 44 44 ?4 44 44 44 44 44 44 4* 44 44 44 +4 18 ОС 4 + 4 44 4 + +4 44 44 44 44 44 44 44 44 44 44 44 18 SI - + 4 44 44 44 4+ +4 44 7 PL 4 44 +4 + + 44 44 44 44 44 + 4 4 + 44 44 44 44 44 4 17 PA 44 4+ 44 +4 + + + +4 4 * 44 44 +4 44 44 44 44 44 44 18 PC 44 44 4+ 44 44 44 +4 + + 4 + 44- 44 44 44 4+ 44 44 18 LC ? 44 4 ++ # + ++ 44 44 44 4 + 44 44 44 44 44 44 "10 UH 44 44 ? + 44 44 4 44 + + 44 44 44 44 44 44 44 44 44 171 PB 44 ** 44 44 + + *+ 44 44 44 44 4+ 44 + ? 44 44 44 44 44 18 s + + 44 44 44 44 +4 +4 ?+ 44 44 44 44 44 44 4 44 44 4 18 SM + + 44 + + 4+ 44 44 + + 4+ +4 44 44 44 44 44 44 44 44 44 18 BO 44 + + 44 ? 4-4 44 44 +4 44 44 44 * + 44 13 с + 44 44 44 44 44 44 44 44 + 4 44 44 44 44 44 44 18 о 44 + + 44 4 4 44 4 4 ?* 44 44 ? 4 44 44 44 44 44 44 11 w 4+ 4 44 44 4+ 44 + + 44 + + 44 44 44 44 13 KW 44 44 ++ ++ 4* ++ 4+ 4* 44 44 44 44 44 44 44 44 +4 44 18 MW ++ 44 +4 44 4 4 44 4 44 + ** 4+ 44 44 *4 44 4 44 + 4 18 КС ++ + + +4 44 44 + + 44 44 4 + 44 44 44 44 44 4+ 44 44 44 18 cc 44 4 4 4 44 [44 44 44 44 44 44 44 44 SB + + 4 44 44 44 44 is JO 44 ++ 44 44 +4 44 + 4 + 4 44 4+ 44 44 44 4+ +4 44 44 17 CT 4 + ++ ?4 44 44 4+ + 4 44- 4 |44 4 + 4-4 44 44 44 44 44 +4 « LB 44 44 44 ++ 44 +4 44 44 4 ia итого 2ft 90 2S 34 35 33 32 31 33 30 3d з« 13 33 33 33 33 33 ГЛАВА 11 НЕЙРОННЫЕ СЕТИ

279

Таблица 11—6.

Эффективность вне пределов выборки

по тестам и рынкам SYM 01 02 03 04 OS 00 07 08 09 10 11 12 13 14 15 18 17 16 итого SP 44 4 +4 44 44 4+ 44 4 YX +4 4 4 4 4 US 4+ 44 4 - ТВ +4 44 - TY 44 +? - BP 4 4 +4 44 +4 4+ 44 4+ 4+ DM 44 44 4+ ++ 44 44 44 44 44 BF 44 ++ 44 4 ++ 44 JY ++ + +4 44 ++ + 4 44 - 44 44 44 44 11 CD + 4 4 +4 - ED 4 44 4+ 3 CL +4 44 4 44 44 + 4 4 4 12 HO 44 44 44 - 44 44 44 4 HU 44 + +4 4 4+ +4 44 - 4 4 GC 4 * 44 44 - 44 44 ++ + 4 SI + 44 - 44 ? +4 44 4 + PL 4+ 44 44 44 44 4+ + + 44 PA 44 ++ +4 4+ + 4 44 + + 44 44 +4 44 + + 44 14 FC 44 +4 44 4 44 44 44 44 44 + 4 10 LC ++ 4+ 4 + 4 44 4 4 44 4 44 44 11 LH ++ - _ PB 4 4 - 44 s + + 44 44 ++ 4 - 8M + + +4 4+ 44 4 4 BO 4 4 ++ 4 + С ++ ++ +4 44 - ++ 44 44 4 0 + + 4 4 W +* ++ 3 KW + 4 +4 + 4 44 44 4 MW 44 44 44 44 4 КС ++ ++ + - 4 cc 4 ++ 44 ++ ++ 44 + 4 SB - 44 44 JO 44 + 4 — 2 CT - 44 44 LB +4 +4 + 4 44 44 44 44 44 4 » итого 13 14 17 11 10 17 13 13 11 11 11 11 1ft te 10 00 00 10 280

ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК

Таблица 11—7. Эффективность нейронных сетей, распределенная по модели, виду приказа и выборке Модель В пределах выборки Вне пределов выборки Среднее

В Вне пределах пределов

По По По открытию лимитному стоп-приказу приказу По По По открытию лимитному стоп-приказу приказу

Медленный обращенны

ДОХ%

$СДЕЛ й %К, сеть 18-6-1

129,9 181,9 153,9 6917 7879 6764 -2,9 -2,9 2,7 -233 -331 362 176,2 -1,0

7187 -67 Медленный обращеннь

ДОХ%

$СДЕЛ й %К, сеть 18-14-4-1

534,7 547,4 328,9 7080 8203 6304 -17,7 -17,4 -16,2 -1214 -961 -1154 470,3 -17,1

7196 -1110 Точка разворота, длинны

ДОХ%

$СДЕЛ е сделки, сеть 18-10-1

311.1 308,4 236,8 9316 9373 10630 -16,8 -16,1 -11,1 -2327 -2197 -2868 285,4 -14,6

9773 -2464 Точка разворота, длиннь

ДОХ%

$СДЕЛ е сделки, сеть 18-20-6-1

768,0 742,0 468,8

18588 18569 16392 -13,4 -12,7 -1,8

-2001 -1886 -518 659,6 -9,3 17516 -1468 Точка разворота, коротк ДОХ%

$СДЕЛ ие сделки, сеть 18-10-1

206,8 209,0 175,4

8448 8701 12553 12,1 8,0 -6,2 580 405 -1138 197,1 4,6 9901 -51 Точка разворота, коротк

ДОХ%

$СДЕЛ ие сделки, сеть 18-20-6-1

601,9 603,8 387,3

18550 18905 6320 -19,4 -19,7 -22,5

-5314 -5163 - 2076 531,0 -20,5

14592 -4184 Среднее

ДОХ%

$СДЕЛ 435,9 432,1 291,8

11483 11938 9661 -9,7 -10,1 -9,2 -1752 -1689 -1232 386,6 -9,7 11027 -1557 со всеми моделями давали огромные прибыли (табл. 11-7).

При усреднении по всем моделям лучше всего работали входы по цене открытия и по лимитному приказу, а хуже всего вход по стоп-приказу, но разница была очень небольшой. В пределах выборки наибольшая средняя прибыль в сделке отмечена для больших сетей на принципе максимальной и минимальной точек разворота. Вне пределов выборки лучше всего работал вход по стоп-приказу. В общем, лучше всего при усреднении по входам работали модель на обращенном во времени Медленном %К и модель на верхней точке разворота.

ГЛАВА 11 НЕЙРОННЫЕ СЕТИ

281

ЗАКЛЮЧЕНИЕ

При первой попытке применить для анализа индивидуальных рынков нейронную сеть (Katz, McCormick, ноябрь 1996) мы пришли к выводу о полной бесполезности такого подхода. Поведение некоторых из проведенных сейчас тестов вне пределов выборки немного обнадеживает по сравнению с нашим опытом исследования простых нейронных сетей. Эти результаты, почти несомненно, обусловлены большим количеством точек данных в обучающем наборе, включающем все рынки в составе портфеля, а не какой-либо один рынок. В общем, чем больше выборка, используемая для обучения (или оптимизации), тем больше вероятность сохранения положительной эффективности вне ее пределов. Увеличить размер выборки можно, используя более старые данные, что вполне возможно для ряда включенных в наше исследование рынков. Кроме того, можно ввести в портфель дополнительные рынки, что, возможно, представляет собой оптимальный способ улучшения обучающего набора.

Принцип оптимизации состоит в том, что вероятность устойчивых результатов повышается со снижением количества параметров модели. Учитывая в чем-то положительные результаты некоторых из тестов, возможно, имеет смысл продолжать исследования с более усложненными моделями. Как вариант можно было бы улучшить предварительную обработку данных в смысле уменьшения общего числа вводов без потери важной прогностической информации — это может сделать систему очень прибыльной. При меньшем количестве вводов в сети будет меньше связей для оценки, следовательно, подгонка под кривую — важная проблема, судя по результатам и уровням усадки, — будет представлять меньшую угрозу.

ЧТО МЫ УЗНАЛИ?

При выполнении некоторых условий нейронные сети могут использоваться в системной торговле.

Критическим моментом для избежания вредной подгонки под исторические данные (в противоположность полезной оптимизации) является достижение адекватного соотношения размера выборки данных и количества свободных параметров сети.

• Подгонка под исторические данные является значительной проблемой при использовании нейронных сетей. Следует обращать внимание на любой метод, способный уменьшить общее количество свободных параметров без потери важной информации, например тщательную предварительную обработку и сжатие информации.

Для обучения нейронных сетей необходимо использовать выборки большого размера. Поэтому обучение на целом порт

282

ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК

феле финансовых инструментов приводит к лучшим результатам, чем обучение на отдельных рынках, несмотря на потерю рыночной специфики. Один из возможных подходов — расширять количество рынков в портфеле и, по возможности, объем обучающей выборки данных. Доведя это до предела, возможно, имеет смысл обучать сеть на сотнях рынков разнообразных товаров, валют и ценных бумаг в попытке создать «универсальную систему прогнозирования цен». Если в таком всемирном пространстве рынков существуют прогностически полезные модели, то такая попытка, вероятно, действительно будет оправданной.

Некоторые из рынков работают плохо даже в пределах выборки, другие удерживают прибыльность вне ее пределов, как это случалось с некоторыми моделями в предшествующих главах. Одни рынки, следовательно, больше подходят для применения определенных методов, чем другие. Поиск подходящих рынков на основе эффективности вне пределов выборки может стать полезным подходом при разработке и использовании торговых систем на основе нейронных сетей.

<< | >>
Источник: Джеффри Оуэн Кац, Донна Л. МакКормик . Энциклопедия торговых стратегий / Пер, с англ. — М.: Альпина Паблишер. — 400 с. . 2002

Еще по теме ОБЗОР РЕЗУЛЬТАТОВ:

  1. ОБЗОР РЕЗУЛЬТАТОВ
  2. Размышления, результаты и обзоры
  3. Глава 1. Обзор достигнутых результатов в сфере применения систем управления активами и пассивами
  4. Обзор основных видов балансов. Краткий обзор теории бухгалтерского баланса.
  5. 2.3 Результаты исследования зависимости результатов деятельности компании от уровня её устойчивого развития
  6. ИСТОРИЯ, ПРИНЦИПЫ И РЕЗУЛЬТАТЫ РЕФОРМИРОВАНИЯ НАЦИОНАЛЬНЫХ ЭКОНОМИК СТРАН МИРОВОГО СООБЩЕСТВА (ОБОБЩЕННЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ).
  7. 2 Обзор опционных стратегий
  8. §1. Обзор Западного опыта
  9. Обзор основных понятий
  10. Конъюнктурные обзоры, их структур
  11. Обзор стратегий УЧР
  12. ГЛАВА 7 ОБЗОР СЛОЖИВШЕЙСЯ СИТУАЦИИ
  13. 9 МАЙКЛБЛИНИ ОБЗОР СОВРЕМЕННОЙ ТЕОРИИ
  14. 5.1. Окно «Обзор Рынка»