Нейронные сети для создания торговых роботов

Нейронные сети – это попытка ученых воссоздать работу человеческого мозга искусственным путем. Неудивительно, что трейдеры активно интересуется этим направлением исследований. Ведь, кто бы отказался от самообучающегося торгового робота, который способен самостоятельно подстраиваться под изменчивые рыночные условия и разрабатывать прибыльные торговые стратегии.

Трейдеры, имеющие опыт в программировании, пытаются применять принципы работы нейронных сетей на практике. Некоторые из них даже добились определенных успехов в этом деле. Однако для большинства участников рынка, понятие «нейронные сети» кажется непроходимым дремучим лесом. В данной статье мы попытаемся разобраться, каким образом устроены нейронные сети и как действуют торговые роботы, разработанные на их основе. 

Что такое нейронные сети

Нейронные сети – важная часть исследований в области искусственного интеллекта (ИИ), которая направлена на создание робота, думающего как человек. Логично, что нейронная сеть состоит из нейронов. С точки зрения анатомии, нейроны — это нервные клетки, которыми пронизано все человеческое тело. Они воспринимают и передают информацию в головной мозг, который в зависимости от поступившего сигнала, принимает соответствующее решение и дает команду органам реагировать определенным образом.

На этих принципах строится работа современных компьютеров – сигнал поступает из внешней среды, обрабатывается путем математических вычислений, и в зависимости от заложенного алгоритма, программа реагирует соответствующим образом.  Однако, проблема заключается в том, что в отличие от человеческого мозга, такой робот не может самостоятельно обучаться или подстраиваться под изменения окружающей среды. Все его реакции являются шаблонными, и еcли какой-то алгоритм не предусмотрен исходным кодом, в работе программы произойдет сбой. Искусственные нейронные сети призваны устранить этот недостаток и заставить роботов мыслить как человек.

Структура робота на основе нейронной сети

Нейрон, как базовый элемент нервной системы человека, состоит из нескольких частей:

• Дендрит – собирает информацию об окружающей среде от рецепторов или других нейронов;
• Сома – тело нервной клетки, в котором происходит преобразования сигналов в результате сложных биохимических процессов;
• Аксон – отросток нейрона, который передает информацию другим нервным клеткам.

Разработчики торговых роботов пытаются воплотить все свойства составных частей нейрона в виде математических моделей. Одна из таких моделей представляет суммирование входящих сигналов, помноженных на весомые коэффициенты, которые преобразовываются определенным образом в соответствии с изменениями рыночных условий. В результате вычислений формируется выходной сигнал, заставляющий робота выполнять определенные действия – открывать и закрывать торговые позиции.

Математически структура нейрона выглядит следующим образом:

Где:

• X_n — входные сигналы;
• W_n — весовые коэффициенты;
• NET – результат суммирования;
• F(x) — функция активации нейрона;
• Out — выходной сигнал.

Результаты вычислений преобразовываются посредством функции активации F(x) и принимают вид выходного сигнала.

Искусственный нейрон не может одновременно совместить в себе все функции человеческой нервной клетки. Поэтому, структура торгового робота на основе нейронной сети состоит из нескольких, последовательно расположенных слоев:

1. Входной слой — состоит из нейронов, выполняющих распространение данных по сети, но не осуществляющих никаких вычислений.
2. Скрытые слои — содержит нейроны, выполняющие вычисления, по результатам которых формируются сигналы для построения логики работы торгового советника. Скрытых слоев может быть неограниченное количество.
3. Выходной слой — состоит из обычных нейронов, которые получают сигнал из скрытых слоев и передают его на выход.

Обучение нейронных сетей

Главным преимуществом нейронных сетей является их способность обучаться. Суть обучения состоит в изменении весовых коэффициентов в зависимости от входящих сигналов. Торговый робот на основе нейронной сети может обучаться самостоятельно, если рыночные условия изменяются в выгодную сторону. В этом случае нейросеть сама определяет закономерности во входящих данных и подстраивается под них.

Однако, чтобы адаптировать нейросеть к ситуациям, когда цена актива меняет направление в невыгодную для трейдера сторону, нужно ее обучить, то есть выполнить оптимизацию весовых коэффициентов. В роли «учителя» обычно выступает изменение цены после совершения сделки в сочетании с другими параметрами (таймфрейм, интервал, режим торговли и пр.).  

Результаты обучения робота можно проследить с помощью тестера стратегий в MetaTrader4. Как правило, даже самые простые торговые советники на основе нейронных сетей дают довольно неплохой результат.