06.10.2024
07:20 Msk | 04:20 GMT
|
Павел Свиридов Нейросети в финансовой астрологии и их специфика в программе Neuro Hit! (Часть I)Теория искусственных нейронных сетей в настоящее время проходит этап формирования, что обусловливает разнообразие постановок проблем и основных определений. Исследователи наделяют искусственные нейроны разнообразными свойствами, которые по их мнению адекватны функциям биологических нейронов и позволяют получать решение актуальных для исследователя задач. Кроме того, создаются многочисленные алгоритмы функционирования сетей. Разнообразие этих алгоритмов ничем не ограничено. Главное, чтобы сеть соответствовала поставленной задаче и давала приемлемый результат. Если же вникнуть в суть задачи проектирования нейронных сетей, то результат даваемый нейросетью напрямую зависит от постановки задачи. Так нейросеть, создаваемая для задач распознавания, будет в определенной степени отличаться от нейросети, предназначенной для задач кластеризации и оптимизации. Значительно труднее с задачей прогнозирования. В принципе из всех известных на сегодняшний день нейронных сетей для целей прогнозирования подходит сеть с алгоритмом обучения, основанном на обратном распространении ошибки (Back Propagation). Это означает, что сигнал, поступающий на вход нейронной сети, распространяется по всем ее слоям и формирует выходной сигнал. Этот сигнал сравнивается с тестовым, вычисляется ошибка сети, которая распространяется в обратном направлении. При этом сеть корректирует значения весовых коэффициентов нейронов во всех слоях. Далее на первый слой сети подается новый сигнал и вся процедура повторяется, пока сети не будут предъявлены все примеры из обучающей выборки. Такая совокупность примеров носит название эпохи (Epoch). Тем не менее, одной эпохи для обучения сети недостаточно. Действительно, для того, чтобы выучить стихотворение хотя бы в сотню строк нам приходится повторять чтение многократно. То же и с нейросетью. Обучающие примеры постоянно повторяются и повторяются, пока нейросеть не сможет понять и запомнить их все. При этом, чем больше примеров и зависимостей будет предъявлено, тем дольше будет длиться обучение. Собственно с алгоритмом обучения проблем не возникает, хотя и здесь возможны варианты. Например, алгоритм обучения базовой сети в программе Neuro Hit!, в отличие от других программ, позволяет изменять не только весовые коэффициенты нейронов, но также коэффициенты передаточных функций и сам тип функций, что значительно повышает предсказательную способность сети и избавляет ее от многочисленных проблем с обучением. Гораздо сложнее с подготовкой данных для нейросети. В настоящее время для прогнозирования финансовых индексов, котировок акций и других ценных бумаг на основе астрологических данных создано всего две программы (Neuro Hit и Almagest Neuro). На первый взгляд отличие в алгоритмах не существенно. Однако это не так. В основе подготовки данных, то есть в основе механизма формирования астрологических гипотез, эти программы категорически расходятся. Попробуем обсудить эти различия с философской или мировоззренческой точки зрения. В рамках ввода астрологических данных в нейросеть действительно возможны только два подхода: подход математика и подход астролога. В первом случае человек, создающий нейросеть не делает выводов относительно характера и качества планетарных влияний (аспектов, ингрессий, скоростей планет и т.п.) и соответственно не закладывает их в нейросеть. Тем не менее перед ним стоит вопрос отделения слабозначимых факторов от сильнозначимых. Единственное, что может сделать в таком случае математик это провести корреляционный статистический анализ и на основе статистических данных определить, какие типы астрологических событий включить в рассмотрение, а какие - нет. При этом понятно, что для оценки статистических данных необходима большая (как минимум сотни событий) выборка, найти которую по таким аспектам, как соединение Юпитера и Сатурна просто нереально, что уж говорить об аспектах высших планет. Еще более нереально для статистического блока отделить влияние соединения Юпитера с Сатурном от других планетных влияний. Например, соединение Юпитера с Сатурном даже при орбисе в 1 градус (а понятие орбиса в астрологии пока еще не кто не отменил) в мае-июне 2000 года длилось три недели. За это время индекс Dow Jones многократно менял направление своего движения. Но это не говорит о том, что аспект указанных планет столько же раз менял свое влияние. Параллельно с ним действовали другие аспекты. Поэтому определять эффективность аспекта путем оценки статистики одного этого аспекта, забывая об остальных, в высшей степени неприемлемо, так как граничит с произволом в выводах. И все попытки так поступать происходят от того, что изначально отбрасываются основные парадигмы астрологии. Понимая ущербность указанного подхода, мы (разработчики программы Neuro Hit!) пошли другим путем. Мы поставили задачу научить нейросеть основам астрологии, вложить в нее основной набор парадигм, а с их действием на финансовом рынке предоставить разобраться ей самой. Данный подход сулил большие перспективы, поясним какие. Те, кто занимается астрологией знают, что ни один астролог не заучивает интерпретации всех аспектов, а запоминает основные парадигмы: символику планет, знаков Зодиака, домов, аспектов, крестов, стихий, ретроградных планет, термов и т.д. Затем он берет символику Юпитера, Сатурна, аспекта соединение и на их основе строит некий синтез - влияние аспекта. Кроме того, если это опытный астролог и он знает хотя бы основные положения финансового анализа, то он задается вопросом, а на что распространяется влияние данного аспекта, на силу быков, силу медведей или на общую ситуацию на рынке. Думаю, многие уже догадались, какие перспективы несет данный подход? Правильно, при обучении сети Вам не придется грузить в нее данные за несколько десятков лет. Если нейросеть действительно поймет парадигмы астрологии, то и 4-5 месячного интервала ей будет достаточно, чтобы понять механизм планетарных влияний и научиться строить интерпретации ингрессий и аспектов самостоятельно. Ведь речь, в случае 10 планет и мажорных аспектов, будет идти не о том, чтобы распознать 10 (планет) Х 10 (планет) Х 5 (аспектов) = 500 факторов в случае аспектов, а с разделением на правые и левые, сходящиеся и расходящиеся в 4 раза больше, то есть 2000. Ей необходимо будет понять 10 (планет) + 5 (аспектов) = 15 факторов, а с разделением на правые и левые, сходящиеся и расходящиеся +4, то есть 19 факторов. 2000 и 19 - вот плата за пренебрежение азами астрологии и чрезмерное увлечение математикой. Создатели программы Neuro Hit! пошли именно по второму пути. Годы труда и поисков не пропали напрасно. Система создана и дает неплохие результаты. Поэтому утверждения некоторых нейросетевиков, что они тоже экспериментировали с картами Кохонена для кластеризации астрологических событий и сжатия количества рассматриваемых гипотез и не получили результата, выглядят достаточно наивно и вызывают у профессионалов улыбку. Дело не в картах Кохонена, которые мы, кстати, не используем, и не в других нейросетевых подходах Хеминга, Хебба и т.п. Дело в изначальной постановке задачи. Сжать количество гипотез, используя математику невозможно, так как при этом используются статистические методы, абсурдность которых в применении к астрологии была показана выше, а нейросеть - существо в высшей степени нелинейное. Кстати, именно поэтому исследования Гоклена не дали результата. Он так же подошел к постановке задачи: использовал статистику для обоснования астрологии и не получил обоснования. А как он мог получить что-то другое, если астрология, так же как и нейросеть нелинейна. В заключение хотим добавить, что в ближайшее время на нашем сайте www.ctp.ru будут появляться другие интересные материалы о нейросетях и их применении в совокупности с астрологией для решения различных задач, которые помогут желающим глубже понять нейросетевой подход к астрологическому прогнозированию, в частности в сфере финансов, а также статьи, разъясняющие методы, уже реализованные в программе Neuro Hit!, такие как парадигмы нечеткой логики и совместное обучение сети градиентным и генетическим алгоритмам.
Обсудить статью в Форуме >> |