Efektīva makslīgo neironu tīklu izmantošana valūtu kursu prognozēšanā

Abstract

Šajā darbā ir aprakstīti neironu tīkli un to izmantošana valūtu kursu prognozēšanas uzdevuma risināšanā. Tika apskatīts Forex valūtu tirgus – tā būtība, klasiskie tirgus analīzes veidi. Ir parādīts, ka vairākas kompānijas izmanto neironu tīklus lai prognozētu valūtu kursu svārstības. Ir apskatīta neironu tīklu pieeja – neironu tīklu būtiskās atšķirības no Fon Neimana klasiskās arhitektūras, mākslīgais skaitļošanas elements kā bioloģiskā neirona modelis, apmācības algoritmu klasifikācija, neironu tīklu arhitektūru klasifikācija. Autors detalizēti apskata daudzslāņu perceptronu ar kļūdu atgriezeniskās izplatīšanas apmācības algoritmu. Autors realizēja daudzslāņu perceptronu un izmantoja to Forex valūtu kursu prognozēšanā. Tika veikti vairāki eksperimenti, lai samazinātu daudzslāņa perceptrona prognozes kļūdu un palielinātu naudas ienesigumu. Eksperimentos tika meklēti daudzslāņa perceptrona visoptimālākās konstruktīvo parametru vērtības. Ir uzstādīti tālākā darba mērķi. Atslēgvārdi: neironu tīkli, prognozēšana, Forex, daudzslāņu perceptrons, kļūdu atgriezeniskā izplatīšana.

This work studies neural networks and their use for solving currency exchange rate prediction task. Forex currency international market and classical market analysis approaches were described. It was shown that many companies use neural networks to predict future currency exchange rates. This work studies such neural network approach fundamental concepts as difference between Fon Neuman model and neural network model, artificial computing element as biological neuron’s model, learning algorithm classification, neural network architecture classification. Multilayer perceptron with error back propagation learning algorithm was studied with a great level of detail. Author has implemented multilayer perceptron and used it for predicting Forex currency exchange rates. There were done many experiments with a goal to minimize multilayer perceptron prediction error. Author was looking for the most optimal multilayer perceptron constructive parameter values. Goals for the future work were set. Tag words: neural networks, predicting, forecasting, Forex, multilayer perceptron, error back propagation.