Финансовые данные сложны для анализа: котировки постоянно меняются, содержат шум и зависят от множества факторов. Обычные статистические методы здесь часто пасуют. Нейросети с долгой краткосрочной памятью (LSTM) умеют учитывать предыдущие значения, но чувствительны к шуму и плохо подстраиваются под конкретные данные.
Учёные добавили в нейросеть методы нечёткой логики — подхода, который работает с неопределённостью.
Вместо жёстких оценок «цена высокая» или «цена низкая» модель учитывает промежуточные состояния. Нечёткая логика применяется и при подготовке данных, и внутри самой сети.
📉Проверяли подход на котировках пары BTC–USD с интервалами в минуту, час и день. Точность выросла: для минутных данных — примерно в 1,3 раза, для часовых — в 1,7 раза, для дневных — в 1,5 раза. Правда, обучение такой модели занимает больше времени.
«Финансовые ряды часто содержат шум и резкие колебания, поэтому важно учитывать неопределённость самих данных. Нечёткая логика помогает снижать чувствительность модели к шуму и улучшать качество прогноза», — пояснил профессор мехмата МГУ Михаил Кумсков.
Результаты могут помочь в создании более устойчивых инструментов анализа рынка.
🔗Подробнее — по ссылке.
#ИНТЦ_МГУ_новости
🎓ИНТЦ МГУ Воробьевы горы