ПРОГНОЗИРОВАНИЕ КУРСА КИТАЙСКОГО ЮАНЯ НА ОСНОВЕ ГЕНЕТИЧЕСКОГО АЛГОРИТМА НЕЙРОСЕТЕЙ

Аннотация

В последние годы использование новейших технологий, таких как искусственный интеллект и машинное обучение, открывает новые возможности в области прогнозирования курсов валют. При решении конкретных практических задач возникает проблема выбора методов, которые бы давали наиболее точные прогнозы. К трудностям в получении точных прогнозов относится неожиданные изменения в ключевых экономических факторах. Применение методов прогнозирования временных рядов в сочетании с технологиями машинного обучения и нейронными сетями для прогнозирования курсов валют стало одной из актуальных областей исследований в последние годы, особенно с использованием генетических алгоритмов. Данная статья исследует применение генетического алгоритма в сочетании с нейросетями для прогнозирования курса китайского юаня. С этой целью авторы описывают механизм генетического алгоритма, который включает восемь шагов: инициализацию, оценку приспособленности, селекцию, скрещивание, мутацию, замещение, повторение и выбор лучшего индивида.  Генетический алгоритм используется для оптимизации параметров нейросетей, что позволяет достичь более точных прогнозов. Авторы провели эксперименты на исторических данных курса юаня и сравнили результаты с фактическими значениями. Реализация генетического алгоритма для обучения нейронной сети осуществлялась с помощью языка программирования Python. Для обучения модели использовалось два варианта генетического алгоритма: подбор архитектуры нейронной сети и перебор гиперпараметров: размер популяции или общее число ботов, коэффициент мутации, количество выживших и количество итераций. Для обучения и прогнозирования данных использовались нейронные сети линейной и нелинейной архитектуры. Полученные результаты показали, что предложенный подход способен достичь высокой точности прогнозирования курса китайского юаня. Это исследование может быть полезным для трейдеров и инвесторов, которые заинтересованы в прогнозировании курсов валют для принятия обоснованных финансовых решений.