Нейросеть для Форекса – относительно молодая тенденция на финансовых рынках. Сейчас они лидируют по темпам роста среди всех методик обработки сигналов, используемых торговых роботах. Коммерческие банки и инвестиционные корпорации вкладывают миллиарды в новые исследования, стремясь «застолбить» за собой самые привлекательные направления этого продукта. В чем же особенность нейросетей и почему нам необходимо знать об этом?

Искусственная нейронная сеть – это математический алгоритм, построенный по принципу нервной сети живого организма. Впервые ее идею предложили ученые, исследовавшие базисы строения и функционирования человеческого мозга. По конструкции сеть представляет систему простых механизмов, называемых нейронами. Каждый из них получает и пересылает сигнал. Объединенные в один пакет, невзирая на свою простоту, они способны решать сложные логические и статистические задачи. 

НС не программируется в общепринятом смысле слова, а проходит обучение на конкретном примере. Такая учеба – главная отличительная характеристика работы перед другими моделями анализа. Процесс учебы заключается в поиске оптимального набора коэффициентов связи между отдельными нейронами. В развитие сеть обнаруживает взаимосвязи входной и выходной информацией и выполняет обобщения полученных сведений. В практическом ключе это означает, что она в силах вернуть значения, пропущенные в выборке, а также неполные или зашумленные результаты. 

На финансовых рынках нейросети применяются для:

• распознавания графических объектов – паттернов, технических фигур;

• прогнозирование цен;

• оценка рыночных данных;

• апроксимация.

Сильной стороной советников на основе сетей является тот факт, что они способны учиться на рыночной информации постоянно за счет свежих наблюдений и уже имеющейся архитектуры. Кроме того, они комбинируют технические и фундаментальные факторы в единый комплекс. И наилучшим образом использовать ее для получения потока прибыли. Распознавание позволяет выявить ранее неизвестные паттерны в рамках схемы Price Action и эксплуатировать их в трейдинге.

Однако, несмотря на все плюсы и растущую популярность, сети имеют и свои критические недостатки, которые вызывают все больше критики от экономического сообщества:

• практическое использование требует солидной теоретической подготовки;

• они не обладают интуицией, присущей людям;

• не способны на нетривиальные выводы в условиях внезапных макроэкономических и политических шоков.

Но доминирующий минус – переобучение. Сети по своей природе некие «черные ящики» - разработчик подает информацию на вход и получает на выходе, определяет общую конфигурацию архитектуры, но он абсолютно не знает, каким именно образом сеть принимает решение. В итоге, в большинстве случаев получается переподгонка, когда НС слишком хорошо прогнозирует на учебной информации и не может повторить такой же эффективности на тестовой подборке.