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

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.

• Солдатова О.П.

• Общий отдел

• Технические науки. Промышленность
• Физико-математические науки