Нейрокомпьютинг и его применения в экономике и бизнесе



             

Эмпирические свидетельства предсказуемости финансовых рядов - часть 2


Таким образом, эмпирические данные убедительно свидетельствуют о наличии некоторой предсказуемой составляющей в финансовых временных рядах, хотя здесь и нельзя говорить о полностью детерминированной хаотической

динамике. 2)

Значит попытки применения нейросетевого анализа для предсказания рынков имеют под собой веские основания.

Заметим, однако, что теоретическая предсказуемость вовсе не гарантирует достижимость практически значимого уровня предсказаний. Количественную оценку предсказуемости конкретных рядов дает измерение кросс-энтропии, также возможное с помощью методики box-counting. Для примера приведем измерения предсказуемости приращений индекса S&P500 в зависимости от глубины

погружения. 3)Кросс-энтропия

I(X_i,X_{t-d}=H(X_i)-H(X_i|X_{t-d}))
, график которой приведен ниже ( рисунок 8.5), измеряет дополнительную информацию о следующем значении ряда, обеспеченную знанием
d
прошлых значений этого ряда.

Предсказуемость знака приращений ряда индекса S&P500 в зависимости от глубины погружения (ширины "окна"). Увеличение глубины погружения свыше 25 сопровождается снижением предсказуемости

Рис. 8.5.  Предсказуемость знака приращений ряда индекса S&P500 в зависимости от глубины погружения (ширины "окна"). Увеличение глубины погружения свыше 25 сопровождается снижением предсказуемости

Далее в этой лекции мы оценим какой доход в принципе способен обеспечить такой уровень предсказуемости.




Содержание  Назад  Вперед