Исходя из логики, что прогнозирование движения цен основывается на алгоритме и его можно поручить компьютеру, почему бы не использовать его на этапе разработки эффективных стратегий. Но не в роли ассистента, который рассчитывает уже имеющиеся технические индикаторы и тестирует данные ему определенные стратегии, а для разработки оптимальных индикаторов и поиска оптимальных стратегий исхода из разработанных индикаторов.
Такой подход к предсказанию цен – с применением высокотехнологических нейронных сетей – с начала 90-х годов привлекает все больше и больше поклонников, т.к. имеет целый ряд неоспоримых преимуществ.
Во-первых, нейросетевой анализ не вносит никаких ограничений на входную информацию, в отличие от технического. Это, как индикаторы определенного временного ряда, так и информация о поведении другого инструментария рынка. Кстати, институциональные инвесторы, которые работают с большими портфелями, и для которых важны корелляции (отношение) разных рынков (такие как, например, крупные пенсионные фонды) активно используют нейросети.
Во-вторых, нейросети находят самые оптимальные для конкретного инструмента индикаторы и строят по этим индикаторам оптимальную для, опять же, конкретного ряда стратегию прогноза в отличие от технического анализа, который основан на общих рекомендациях. Более того, такие стратегии могут быть адаптированы и меняться вместе с рынком, что, для молодых активно развивающихся рынков, (например, российского) важно вдвойне.
Нейросетевое моделирование в своей основе базируется исключительно на данных, без каких – либо априорных соображений. В этом заключается сила и одновременно – это является его ахиллесовой пятой. Данных, имеющихся для обучения, может не хватить размер потенциальных входов может оказаться необыкновенно велик.
