Sieć neuronowa jako system ekspercki na rynku instrumentów pochodnych

Transkrypt

1 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8.bdas.p Rozdzał 7 Seć neuronoa ako system eksperck na rynku nstrumentó pochodnych Streszczene. Nneszy rozdzał przedstaa zastosoane sec neuronoe do oceny beżące sytuac na rynku pozagełdoym. Opsyana seć neuronoa uczona est na baze kursó hstorycznych rynku autoego ma za zadane skazać odpoedn moment na otarce transakc oraz e rodza. Do tego ceu ykorzystano ednokerunkoą, eoarstoą seć neuronoą, które na eśce naeży dostarczyć zesta yczonych artośc prostych skaźnkó statystycznych użyanych anaze technczne, natomast na yścu zraca ona rekomendoany rodza operac oraz skaźnk ocenaący pradopodobeństo zysku przy e zaarcu dane ch. Seć uczona est programem zenętrznym eksportoana do pku o ustaone strukturze. Samo ykorzystane nauczone sec est natomast może przy użycu ęzyka MQL4 (MetaQuotes Language 4) zntegroanego z ększoścą patform transakcynych dzałaących na rynku nstrumentó pochodnych. Wproadzene Przed aty napopuarneszym formam okoana oszczędnośc da przecętnego obyatea były różnego rodzau okaty termnoe, które som oprocentoanem naepszym przypadku nadążały za nfacą. Dzsa nestorzy ndyduan (detaczn), którzy raz z podnesenem soe śadomośc na temat bankoośc nternetoe, możośc zaerana transakc bezgotókoych, użytkoana kart płatnczych (róneż przez Internet) zauażaą róneż, że ch oszczędnośc mogą stać sę dodatkoym źródłem dochodu. Tym samym ostatnch atach ch okoane na rachunkach umożaących aktyne nestoane zgromadzonych na nch środkó stae sę coraz bardze popuarne. Do takch nestyc można zaczyć nestoane fundusze nestycyne, akce spółek notoanych na gełdze paperó artoścoych, okaty strukturane, nstrumenty pochodne na rynkach zdecentrazoanych oraz ee nnych. Marta Grzanek, Sebastan Woczyk Unersytet Łódzk, Wydzał Matematyk Informatyk, u. Banacha, 9-8 Łódź, Poska ema: marta@math.un.odz.p, sebastan.oczyk@gma.com Marcn Lzs Unersytet Łódzk, Instytut Studó Informatycznych, u. onstytuc Maa nr 65, 97- Tomaszó Mazoeck, Poska ema: marcn@math.un.odz.p (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8

2 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8 M. Grzanek, S. Woczyk, M. Lzs.bdas.p Obecne naększym rynkem fnansoym śata est rynek autoy (Forex). Średne dzenne obroty na tym rynku cały czas rosną przekroczyły uż bony Doaró Amerykańskch. Forex to rynek pozagełdoy, czy tak, który ne posada żadne konkretne okazac, ae stano go seć połączonych ze sobą bankó, domó brokerskch, frm oraz nestoró ndyduanych. Rynek ten obemue som zakresem cały śat dzała przez 4 godzny na dobę 5 dn tygodnu. Rynek autoy stae sę coraz popuarneszy. Ponadto posada kka zaet, które staaą go na dobre pozyc startoe rankngach nestoró. Jedną z nch est łaśce nczym neogranczona czba graczy oraz ch ogromna różnorodność, która spraa, że rynek autoy est nabardze płynnym rynkem fnansoym śata. Operoane na tym rynku ne est obarczone żadnym prozam. Jedyny koszt operac stano różnca pomędzy kursem kupna sprzedaży (spread). Ponadto może est zastosoane dźgn fnansoe (naczęśce :) to bez ponoszena żadnych dodatkoych kosztó. Dae to nestorom możość zeokrotnena zyskó przy zachoanu te same ośc kaptału. Patformy nestycyne Transakce na rynkach autoych zaerane są naczęśce przy użycu tak zanych patform nestycynych. Są nm apkace secoe zarządzane przez domy makerske. Ogromną zaetą apkac tego typu est bezpośredn dostęp do rynku. Przy pomocy apkac przez edno kknęce myszką możemy zaróno otorzyć ak zamknąć zecene. Apkace te stanoą zbór eu narządz ne tyko umożaących zaerane transakc ae róneż spomagaących podemoane decyz oraz automatyczne spomagane zarządzana uż otartym zecenam. Jednym z komponentó ększośc patform est zntegroane narzędze umożaące torzene systemó mechancznych. Systemy take mpementue sę ęzyku MQL4 (MetaQuery Language 4) [9]. Jest to ęzyk przeznaczony specane do torzena strateg, skaźnkó, skryptó oraz bbotek. Mechanzmy dostępne tym ęzyku umożaą łaty dostęp do rynku, do artośc hstorycznych oraz do eu popuarnych skaźnkó anazy technczne. Poza eoma tradycynym rozązanam zarządzana zecenam opartym na metodach anazy technczne może est róneż torzene rozązań bardze yszukanych, do których z całą penoścą można zaczyć zastosoane sztucznych sec neuronoych. Seć neuronoa Sec neuronoe są zborem neuronó zaemne ze sobą połączonych. Ze zgędu na budoę, metody uczena zastosoane yróżna sę kka rodzaó sec neuronoych. Jednym z nch są ednokerunkoe eoarstoe sec neuronoe (por. [4], [5], [6]). Jednokerunkoe sec neuronoe są ykorzystyane do aproksymoana odzoroań. ażde odzoroane cągłe może być z dooną dokładnoścą aproksymoane przez seć neuronoą zaede z edną arstą ukrytą. Jeże chcemy aproksymoać odzoroane necągłe, to róneż możemy do tego ceu użyć sec neuronoe ednokerunkoe. Seć taka mus edyne zaerać odpoedną ość arst ukrytych. Jeże aproksymoane odzoroane ma n punktó necągłośc to możemy e z doona dokładnoścą aproksymoać ednokerunkoa secą neuronoą składaącą sę z (n+) arst ukrytych. 464 (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8

3 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8. Zbór uczący zbór testoy Seć neuronoa ako system eksperck na rynku nstrumentó pochodnych.bdas.p Uczene sec neuronoych odbya sę przy ykorzystanu danych uczących. W odnesenu do omaanego probemu edyną możoścą ch uzyskana est ybrane odpoednego reprezentatynego zboru danych hstorycznych pochodzących z obserac rynku autoego. W tym ceu zęto zbór danych hstorycznych da napopuarnesze pary autoe EURUSD z persze połoy 7 roku da okresu pęcomnutoego (M5). Takch okresó przez pół roku est ponad. Da każdego okresu mamy dostępne kka nformac: artość otarca okresu, artość zamknęca, artość nayższą, artość nanższą. Do przygotoana danych uczących da sec neuronoe ykorzystane zostały edyne artośc zamknęca da poszczegónych okresó. Na ch podstae yznaczono zaróno artośc eścoe ak żądane artośc yścoe z sec. W ceu przygotoana zboru uczącego da sec neuronoe podęto próbę przygotoana poedyncze próbk da każdego z pęcomnutoych okresó traktuąc go da uproszczena ako peen moment czasoy. Oczyśce anazuąc dane ska roku ze zgędu na długość okresu można dokonać takego uproszczena. W tym ceu na podstae danych da punktó (będących bezpośredno przed aktuane anazoanym) obczono artośc kku średnch kroczących da różnych długośc okresó, które stały sę podstaą do yznaczena artośc eścoych da sec neuronoe. Natomast na podstae danych z punktó następuących bezpośredno po beżąco anazoanym, podęto próbę ego oceny ako punktu czasoego dobrego do otarca zyskone transakc co mało stanoć yśce z sec neuronoe. W tym ceu borąc dane z koenych punktó czasoych yszukano takego, da którego artość perszy raz odbegła co namne o ppsó (pps ang. prce nterest pont przypadku kursó autoych podaanych z dokładnoścą do czterech mesc po przecnku pps to, artośc bezzgędne) od artośc początkoe. Następne aby ne uczyć sec na sytuacach bez yraźne szansy na zyskoną transakcę usunęto z postałego zboru próbk da których osągnęce zmany nastąpło okrese dłuższym nż. Jeś artość poszła o ppsó górę rekomendoano zaarce transakc kupna, czy otarce tz. pozyc długe, przecnym zaś przypadku zaarce transakc sprzedaży, czy otarce pozyc krótke. Dodatkoo na podstae ośc okresó potrzebnych do osągnęca zmany o zadaną artość yczono skaźnk szacuący pradopodobeństo zysku przy otarcu danego typu transakc. Następne z tak postałego zboru yosoano 5 próbek, które stały sę gotoym zborem uczącym. Zbór testoy est konstruoany ceu spradzena popranośc dzałana nauczone sec neuronoe. Jest generoany taką samą metodą ak zbór uczący ednak zaera nne eementy. Eementam zboru testoego są pary ektoró, z których perszy est ektorem eścoym do sec, zaś drug żądaną artoścą yścoą. Proces spradzana popranośc dzałana sec neuronoe est przeproadzany po zakończenu procedury uczena. Poega on na tym, że yczamy yśce z sec da ektoró pochodzących ze zboru testoego a następne porónuemy e z żądanym artoścam yścoym otrzymuąc tym samym błąd na zborze testoym. danych yśco-.. Teoretyczna konstrukca zboru uczącego Rozpatrzmy zbór szystkch dopuszczanych danych eścoych ych P oraz funkcę f zdefnoane następuąco: D 465 (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8

4 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8 M. Grzanek, S. Woczyk, M. Lzs 7 D = [-,] [-,] R P = {,} {,} [,] R f : D P.bdas.p 7 Argumentam funkc f są ektory x D R. Ich artośc obczone są z użycem artośc średnch kroczących da różne ośc okresó (M5). Poszczegóne spółrzędne 7 ektora x = {x,x,,x } odpoadaą średnm: 5,,,, 4, 5 -okresoe. Wartośc ektora x są odegłoścą ppsach (różncą) artośc odpoedne średne od artośc zamknęca beżącym punkce. Wartoścam funkc f są ektory y P R. Persze de spółrzędne ektora y = {y, y, y } mogą przymoać edyne artośc,, które móą o type rekomendoane transakc. Jeś persza z nch est róna druga, to rekomendoaną transakcą est sprzedaż, natomast eś persza z nch est róna druga, to rekomendoaną transakcą est kupno. Trzeca spółrzędna przymue artość skonstruoaną na baze ośc okresó t {,,,} potrzebnych do zmany artośc początkoe o zadaną artość y = ( t) / tym samym est z przedzału [, ]. Zakres zmennośc t ynka z cześneszych założeń o danych. Tabea. Przykładoe próbk uczące przygotoane da sec neuronoe Data x x x x x x x y y y godzna 7--9, : , 4: , 6: W persze próbce dać, że trend est rosnący rekomendoana transakca to kupno to z dość dużym pradopodobeństem zysku (.9). W druge próbce sytuaca est zgoła odrotna. Trzeca zaś próbka przedstaa sytuacę pośredną poaaącą sę przy trendze bocznym, gdze nby rekomendoana est akaś transakca, ae spółczynnk móący o pradopodobeńste zysku est neek.. Budoa sec Seć neuronoa est skonstruoana do aproksymoana odzoroana f. Oznaczmy przez L zbór danych uczących przez ość próbek tym zborze. Zbór L zdefnoany następuąco: L = {(x, y ) D P : f ( x ) = y } da k =,,. k k k k W ceu aproksymoana odzoroana f konstruuemy sec neuronoą, która ma 7 eść, de arsty ukryte składaące sę odpoedno z neuronó oraz neurony arste yścoe. Taka a ne nna ość neuronó została dobrana ynku przeproadzonych dośadczeń oceny zaróno procesu uczena sec ak ynkó e zasto- 466 (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8

5 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8 Seć neuronoa ako system eksperck na rynku nstrumentó pochodnych soana. Da skonstruoane sec koneczne est przeproadzene procesu uczena. Uczene sec ednokerunkoe eoarstoe poega na modyfkoanu artośc ag ceem mnmazac funkc błędu. Nech W oznacza ektor ag skonstruoane sec, óczas:.bdas.p W = {,,,,,,7,,,,,,, } Istnee ee metod uczena sec. Jedną z nch est agorytm Levenberga-Marquardta [4], [8], który modyfkue artośc ag tak sposób, aby mnmazoać funkce błędu zdefnoaną następuąco: E ( W ) = ( y out ) k = = gdze: ekość zboru uczącego, y - -ta spółrzędna k-tego zorca, k out - -ta spółrzędna yczonego yśca z sec po podanu k-tego eśca ze zboru k uczącego. Modyfkoane ag odbya sę zgodne ze zorem: W ( n + ) = W () n - J T ( W () n ) J( W ( n) ) k [ + αi] - J T W () n W () n k ( ) gdze: W () n est ektorem ag sec czase n, ( W ( n) ) est ektorem błędu poszczegónych próbek na każdym neurone arste ostatne: ( ( ) T W n ) = [ ]. natomast J est akobanem, czy macerzą perszych pochodnyc h cząstkoych błędu ( ) każde próbk poszczegónych neuronach ostatne arsty - y - out k = k k, =,, po szystkch agach sec: 467 (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8

6 .bdas.p M. Grzanek, S. Woczyk, M. Lzs ( ) = W J Ponadto α est parametrem agorytmu zaś I to macerz ednostkoa. Operator oznacza transpozycę macerzy, a macerz odrotną do macerzy. T J J J J Parametr α zaera sę przedzae ( ), est zmenny trakce uczena. Jest on mnożony przez spółczynnk β, > β, eże przypuszczany następny krok zększa artość błędu E danego cześneszym zorem ub dzeony przez β eże przypuszczany następny krok zmnesza tą artość. 4 Wynk Do konstrukc uczena sec ykorzystano program Matab 6.. Uczono seć składaąca sę z 7 eść, neuronó persze arste, neuronó druge arste oraz yść. ażda z trzech arst ma przypsaną sgmodaną funkcę aktyac daną zorem net)) exp( /( φ(net) + =, gdze net oznacza artość sumatora, czy oczyn skaarny ektora eścoego z przyporządkoanym mu ektorem ag. Seć uczono metoda Levenberga-Marquardta stosuąc następuące parametry uczena sec: 468 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8 (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8

7 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8 Seć neuronoa ako system eksperck na rynku nstrumentó pochodnych ekość zboru uczącego 5, maksymana ość epok da procesu uczena, - doceoy błąd, który przerya proces uczena e, - gradent ponże którego przeryany est proces uczena - e. Procedura uczena sec ednokerunkoe to procedura modyfkoana artośc ag tak sposób, aby mnmazoać artość błędu. Błąd est okreśony ako funkca, które zmennym są ag sec. Funkca błędu przymue artośc neuemne oraz osąga mnmum gobane róne zero. Ne est to funkca ypukła a co sę z tym ąże, procedura szukana e mnmum gobanego est trudna. Istnee kka metod uczena sec ednokerunkoych. Wybór metody Levenberga- Marquardta został podyktoany ego przeagą nad kasyczną steczną propagacą błędu. Agorytm Levenberga - Marquardta modyfkue ag sposób grupoy, czy po podanu szystkch ektoró uczących. Jest on ednym z nabardze efektynych agorytmó do uczena sec ednokerunkoych, który łączy sobe zbeżność agorytmu Gaussa - Netona bsko mnmum, z metodą naszybszego spadku, która bardzo szybko zmnesza błąd, gdy rozązane est daeke. [8] Proces uczena został przerany automatyczne po 65 epokach. Ponższy rysunek przedstaa zachoane sę błędu trakce trana procesu uczena. Jest to błąd średnokadratoy czony da szystkch eementó zboru uczącego. Na rysunku oś pozoma przedstaa czbę epok uczena, natomast oś ponoe przedstaa błąd obczony da yśca z sec po zakończenu każde epok..bdas.p Rys.. Przebeg procesu uczena. Zaeżność błędu od ośc epok Da nauczone sec neuronoe yczono błąd na zborze uczącym (5-co eementoym). Otrzymano średnokadratoy błąd na pozome e (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8

8 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8 M. Grzanek, S. Woczyk, M. Lzs W dasze koenośc skonstruoana seć neuronoa była użyta ako eement prostego systemu automatycznego. W tym ceu yeksportoano ag da nauczone sec do pku o ustaonym formace. Dane te zostały zamportoane ykorzystane ako eement programu napsanego ęzyku MQL4. Wykonany został szereg testó z kkoma parametram oraz zamennym użycem sec neuronoe ub tradycyne metody anazy technczne oparte na anaze średnch kroczących. W uproszczenu metoda ta poega na zachoanu odpoednch zaeżnośc pomędzy średnm []. Jeś średne raz z długoścą okresu rosną to est to sygnał do sprzedaży, natomast eś średne raz z długoścą okresu maeą to est to sygnał do kupna. System dodatkoo był parametryzoany artoścą Stop Loss (zecene zamykaące pozycę po okreśonym kurse, ykorzystyane est do ogranczena strat [7]) oraz Trang Stop (ruchomy stop, nazyany róneż zecenem podążaącym za rynkem [], ykorzystyane przypadku ruchu ceny pożądanym kerunku, pozaa automatyczne redukoać straty ak zachoyać część ypracoanego zysku). System ten dzałał edług następuących zasad: testoą patformą był system transakcyny X-Trader 4. (bud 7) [], do uczena sec ykorzystano środosko Matab (Reease.), szystke transakce dotyczą pary autoe EURUSD, okresem anazy est ednostka 5 mnut, dane ch otarta est tyko edna transakca, szystke transakce zaerane są na. ota ( ot to mara okreśaąca ekość transakc na rynku FOREX, np. da pary EURUSD ot to ), da szystkch transakc oboązue taka sama artość Stop Loss Trang Stop artość zmenana da różnych testó, szystke transakce zamykane są automatyczne na podstae artośc Stop Loss, artość Stop Loss est automatyczne modyfkoana przy pomocy funkc Trang Stop z taką samą artoścą ak artość startoa Stop Loss, kaptał początkoy ynosł USD, szystke testy ykonane zostały na danych hstorycznych z druge połoy 7 r. Przez zysk procentoy naeży rozumeć różncę artośc kaptału końcoego kaptału początkoego podzeoną przez artość kaptału początkoego. Przez zyskoną transakcę naeży rozumeć taką, która ne spoodoała zmneszena kaptału, czy przynosła zysk co namne ysokośc pokryaące koszty zązane z e zaarcem. Tabee koenych koumnach zaeraą ynk testó przeproadzonych z różnym artoścam parametró Stop Loss Trang Stop. Wartośc tego parametru ynosły koeno:, 5, 5, 75 ppsó (5 artośc parametru SL). W koenych erszach umeszczone są dane da testó różnych strateg (5 różnych strateg). Perszy ersz obydu tabekach oznaczony SN dotyczy ynkó systemu eksperckego zbudoanego na baze opsyane sec neuronoe, koene zaś o metodę średnch kroczących czonych da różnych okresó. Ze zgędu na to, że stratege oparte o metody średnch kroczących są pełn determnstyczne to test da każde pary (SL, stratega) ystarczyło ykonać eden raz. Da strateg oparte na sec neuronoe ykonano natomast trzy testy, a tabe umeszczono średną arytmetyczną z uzyskanych ynkó. Stratega oparta o seć neuronoą est nedetermnstyczna, gdyż faze przygotoana sec neuronoe poaa sę osoa ncazaca ag. Wyosoane początkoe artośc ag są punktem startoym da procesu uczena sec. Proces ten za każdym razem może skończyć sę z nnym artoścam ag, a co za tym dze zracać nne artośc yścoe..bdas.p 47 (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8

9 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8 Seć neuronoa ako system eksperck na rynku nstrumentó pochodnych Tabea. Zestaene procentoych zyskó da testó z różnym parametram..bdas.p Agorytm \ SL Średna SN -8,% -,9% 4,5% 8,5% 8,7%,9% 5// -84,% -8,%,9% 9,6%,% -5,% //5-4,4% -6,7%,8% -,5% -,% -,% /5/ -,9% -6,4%,7%,% 6,9% -4,% 5// -7,7% -6,6%,5% 7,7% 9,8% -,9% Średna -7,5% -,%,7% 5,% 7,5% -6,5% Tabea. Zestaene procentoe ośc zyskonych transakc. Agorytm \ SL Średna SN,%,9% 4,% 5,% 4,% 8,% 5//,4%,% 6,% 45,7% 47,4% 7,% //5,8%,9%,% 5,5%,%,4% /5/,5%,8% 4,9% 5,6% 46,% 4,% 5// 4,9%,% 8,9% 46,4% 48,8% 8,% Średna,%,4% 6,9% 4,6% 4,8% 5,8% gdze: SL artość Stop Loss Trang Stop, SN seć neuronoa, 5// metoda średnch kroczących da 5, okresó, //5 metoda średnch kroczących da, 5 okresó, /5/ metoda średnch kroczących da, 5 okresó, 5// - metoda średnch kroczących da 5,,,, 4, 5 okresó. 5 Anaza ynkó nosk W tabe zaarte są dane o procentoych zyskach otrzymanych ynku testó da różnych artośc Stop Loss Trang Stop z ykorzystanem różnych strateg. Da artośc SL róne naepszy rezutat otrzymano da sec neuronoe. Był on prae pęcokrotne epszy nż, średn ynk szystkch testoanych strateg. Pommo tak dobrego rezutatu testy da szystkch strateg zakończyły sę stratą. Anaogczna sytuaca mała mesce da artośc SL róne 5. W przypadku SL rónego 5 ynk szystkch strateg zakończyły sę dodatnm zyskem, którego średna artość ynosła,7%. Strategam, których zysk były ększe od średne okazały sę stratege z ykorzystanem sec neuronoe (zysk 4,5%) oraz średnch kroczących 5// (zysk,9%). W przypadku artośc SL róne 75 średne artość zysku ynosły odpoedno 5,5% 7,5%. Strategam, których artość zysku była ększa od artośc średne były stratege SN (zysk 8,5% 8,7%), średnch kroczących 5// (zysk 9,6%,,%) oraz średnch kroczących 5// (zysk 7,7% 9,8%). Podsumouąc można sterdzć, że marę zrostu artośc SL średna artość zysku da przeproadzonych testó rośne. Anazuąc efektyność poszczegónych strateg dać, że średn zysk est dodatna edyne da SN. Da szystkch metod (yątek //5 da SL 5 75) można zaobseroać zrost procentoego zysku marę zrostu artośc SL. 47 (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8

10 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8 M. Grzanek, S. Woczyk, M. Lzs Tabea zaera dane o procentoe ośc transakc zyskonych da poszczegónych testó otrzymanych da różnych artośc SL oraz różnych strateg. Nezaeżne od yboru strateg procentoa ość zyskonych transakc da poszczegónych artośc parametru SL oscyue grancach średne. Maksymane odchyena sęgaą co nayże kku punktó procentoych. Anazuąc średną artość ośc zyskonych transakc da poszczegónych artośc SL (nezaeżne od testoane strateg) można poedzeć, że średna ta zrasta raz ze zrostem artośc parametru SL. Można to uzasadnć maeącym udzałem kosztu transakc artośc parametru SL. oszt ten da testoane pary autoe ynosł ppsy. Da testó z parametrem SL rónym ppsó est to %, zaś da testó z parametrem rónym ppsó %. Ważnym cecham przemaaącym za stosoanem systemó automatycznych są: odporność na stres, dzałane zgodne z cześne ustaoną strategą, neuegane emocom (zaróno gdy ygryamy ak przegryamy) []. Systemy automatyczne tym zgędze ne mogą sę rónać naet z dośadczonym nestoram. Istnee ednak eden dość stotny aspekt takego rozązana. Manoce autor systemu mus zyskać do nego take zaufane, aby pozoć mu na automatyczne (ne ymagaące poterdzana) zaerane transakc. Istnee boem możość ykorzystana strateg ako systemu spomagaącego nestoane system przygotoue mesca parametry transakc, a użytkonk e akceptue bądź odrzuca. Take podeśce odbera ednak zampementoane strateg szeke e zaety zązane ze słaboścą udzke psychk. oeną ażną cechą nestora est obektyzm, czy umeętność reane ocena łasnego postępoana. W tym ceu koneczny est dobór kryteró do oceny. Przykładem, który często pogrąża nedośadczonych nestoró est procent zyskonych transakc. Jest on neątpe penym skaźnkem, aczkoek sama przeaga oścoa transakc zyskonych ne oznacza eszcze ygryaące strateg. Przy takm yborze dużą roę gra psychka człoeka dzałaącego strese. Pod płyem emoc ybera on ako skaźnk akośc parametry naprostsze. Ne potrafąc tym samym ocenć struktury artoścoe da poszczegónych transakc zyskonych ub stratnych. W praktyce okazue sę boem, że systemy naepszych nestoró maą yrónaną ość transakc stratnych zyskonych. Jednak przeaga średne artośc zysku nad średną stratą czyn system strategą ygryaącą. Straty są boem ntegraną częścą szekch tego typu systemó []. Podsumouąc zaprezentoany mechanzm użyca sec neuronoych ako automatycznego systemu na gełdze autoe okazał sę mechanzmem skutecznym epszym od anazy technczne ( przykładze reprezentoane przez stratege oparte o metodę średnch kroczących). łopote ednak est ego stosoane z uag na koneczność użyana naprzemenne dóch apkac. Datego ako koeny etap prac tym zakrese panuemy zampementoać bbotekę umożaącą budoane, testoane użytkoane sec neuronoych bezpośredno z pozomu patform transakcynych czy z pozomu ęzyka MQL4 [9]. Umoż to łatesze testoane sec da różnych parametró eścoych oraz przyszłośc być może douczane sec neuronoych na beżąco napłyaącym danym..bdas.p Lteratura. ochan.: Forex praktyce. Vademecum nestora autoego, ONE Press, 6.. Murphy John J.: Anaza technczna rynkó fnansoych, WIG-PRESS, Murphy John J.: Mędzyrynkoa anaza technczna, WIG-PRESS, Ososk S., Sec neuronoe, Ofcyna Wydancza Potechnk Warszaske, (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8

11 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8 Seć neuronoa ako system eksperck na rynku nstrumentó pochodnych.bdas.p 5. Rutkoska D., Pńsk M., Rutkosk L., Sec neuronoe, agorytmy genetyczne systemy rozmyte, Wyd. Naukoe PWN, Tadeusecz R., Sec neuronoe, Akademcka Ofcyna Wydancza, Strona atedry Inżyner omputeroe Potechnk Częstochoske strona o MetaQuotes Language strona Domu Makerskego X-Trade Brokers strona Domu Makerskego TMS Brokers. 47 (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8

12 Rozdzał monograf: 'Bazy Danych: Rozó metod technoog', ozesk S., Małysak B., asprosk P., Mrozek D. (red.), WŁ 8.bdas.p (c) Copyrght by Potechnka Śąska, Instytut Informatyk, Gce 8