Задачей данного проекта была разработка и написание алгоритмического советника на базе искусственного интеллекта, который должен генерировать сигналы на покупку или продажу торгового инструмента на основе входных данных, определенных заказчиком.
Для решения поставленной заказчиком задачи мы использовали рекуррентную нейронную сеть с временной задержкой (TDRNN) для временных корреляций и прогнозирования. TDRNN использует адаптивные временные задержки и повторения, где адаптивные временные задержки заставляют сеть выбирать оптимальные значения временной задержки для временного размещения важной информации во входной последовательности, а повторения позволяют сети кодировать и интегрировать временную контекстуальную информацию о последовательностях.
Расчеты проводились в соответствии с дневным периодом. В качестве входных данных использовались различные параметры, включая максимум, минимум и дату закрытия торгового дня. Цель расчета нейронной сети состояла в том, чтобы предсказать максимум (Предсказать: Максимум в 1 выборке) и минимум (предсказать: минимум в 1 выборке) следующего торгового дня.
На основании полученных данных было рассчитано направление движения торгового актива. Если при расчете предполагаемого максимума следующего торгового дня он был выше максимума предыдущего дня, то предполагалось, что направление движения актива будет восходящим. И наоборот, если при расчете предполагаемого минимума следующего торгового дня он был ниже минимума предыдущего дня, то предполагалось, что направление движения актива будет нисходящим.
Расчет производится сразу после закрытия торгового дня.
Красная верхняя линия соответствует расчетному максимуму следующего торгового дня. Зеленая нижняя линия соответствует расчетному минимуму следующего торгового дня.
Таким образом, сразу после закрытия торгового дня мы получаем расчет максимума, минимума текущего торгового дня и ожидаемого направления движения актива. По результатам расчетов был составлен нейросетевой индикатор для прогнозирования направления движения актива.
