ИССЛЕДОВАНИЕ ПОГРЕШНОСТИ ПРОГНОЗИРОВАНИЯ КОТИРОВОК АКЦИЙ ПРИ ПОМОЩИ МОДЕЛИ НЕЧЕТКОЙ НЕЙРОННОЙ СЕТИ ВАНГА – МЕНДЕЛЯ

Солдатова Ольга Петровна, кандидат технических наук, доцент, кафедра информационных систем и технологий, Самарский государственный аэрокосмический университет имени академика С. П. Королева (Национальный исследовательский университет) (Россия, г. Самара, Московское шоссе, 34), op-soldatova@yandex.ru

004.032.26

Актуальность и цели. Прогнозирование котировок акций является актуальной задачей, однако не менее актуальной является задача выявления корреляционной зависимости между прогнозируемой последовательностью и последовательностями биржевых цен на другие товары. Целью данной работы является исследование эффективности прогнозирования котировок акций с использованием корреляционной зависимости с ценами на сырьевые товары при помощи модели нечеткой нейронной сети Ванга – Менделя.
Материалы и методы. Все исследования проводились в среде разработанного комплекса программ, в котором реализована программная модель сети Ванга – Менделя, обучение сети проводилось тремя различными алгоритмами и отображение результатов обучения и прогнозирования в виде графиков и значений погрешностей. Предложена методика определения корреляционных зависимостей между обучающими выборками по графикам корреляционных функций и значениям временных задержек, расчета корреляционной зависимости прогнозируемой последовательности и обучения сети Ванга – Менделя. Исследования проводились на котировках акций нефтегазовых компаний: ОАО «Лукойл», ОАО «Роснефть» и ОАО «Транснефть». Для исследования корреляционной зависимости были выбраны цены на нефть двух марок – Brent и WTI, а также цены на мазут.
Результаты. Использование корреляционной зависимости между прогнозируемой последовательностью и обучающими выборками улучшает прогнозирующие способности сети Ванга – Менделя, значительно уменьшая максимальную относительную погрешность прогнозирования. Анализ эффективности прогнозирования показал преимущество использования не менее двух коррелирующих выборок со средними задержками (не более 60–70 дней). Анализ влияния алгоритмов обучения на погрешность прогнозирования показал преимущество адаптивного алгоритма и алгоритма наискорейшего спуска с инициализацией алгоритмом k-усреднений по сравнению с алгоритмом наискорейшего спуска с инициализацией адаптивным алгоритмом.
Выводы. Предложенные методики, модели и алгоритмы, а также проведенные исследования, позволили получить численные оценки погрешности прогнозирования без использования и с использованием корреляционной зависимости обучающих выборок, на основании которых можно сделать обоснованный выбор коррелирующих выборок и алгоритмов обучения сети.

Ключевые слова

котировки акций, прогнозируемая последовательность, корреляционная зависимость, обучающие выборки, нечеткая нейронная сеть Ванга – Менделя, адаптивный алгоритм обучения, алгоритм наискорейшего спуска, алгоритм k-усреднений, погрешность прогнозирования.

 Скачать статью в формате PDF

1. Оссовский, С. Нейронные сети для обработки информации / C. Оссовский ; пер. с пол. И. Д. Рудинского. – М. : Финансы и статистика, 2002. – 344 с.
2. Khashei, M. A novel hybridization of artificial neural networks and ARIMA models for time series forecasting / M. Khashei, M. Bijari // Applied Soft Computing. – 2011. – Vol. 11, №. 2. – С. 2664–2675.
3. Zhang, G. P. Neural networks for time-series forecasting / G. P. Zhang // Handbook of Natural Computing. – Berlin : Springer Berlin Heidelberg, 2012. – P. 461–477.
4. Yan, W. Toward automatic time-series forecasting using neural networks / W. Yan // Neural Networks and Learning Systems, IEEE Transactions on. – 2012. – Vol. 23, № 7. – P. 1028–1039.
5. Khashei, M. Fuzzy artificial neural network (p, d, q) model for incomplete financial time series forecasting / M. Khashei, M. Bijari // Journal of Intelligent and Fuzzy Systems. – 2014. – Vol. 26, №. 2. – P. 831–845.
6. Солдатова, О. П. Анализ результатов прогнозирования котировок акций с использованием корреляционной зависимости обучающих выборок / О. П. Солдатова, Д. А. Панкратова, В. Г. Литвинов // Перспективные информационные технологии (ПИТ 2015) : тр. Междунар. науч.-техн. конф. (Самара, СГАУ, 28–30 апреля 2015 г.). – Самара : Изд-во Самар. науч. центра РАН, 2015. – Т. 1. – C. 214–217.
7. Цены сырьевых товаров. – URL: http://www.finanz.ru/birzhevyye-tovary.