Российские ученые разработали нейросеть для прогнозирования фондовых кризисов
Ученые Высшей школы экономики (ВШЭ) разработали нейросетевую модель, способную с высокой точностью прогнозировать приближение краткосрочных кризисов на фондовом рынке за сутки до события.
Модель использует передовые методы машинного обучения, такие как временные сверточные сети (TCN), цепочки LSTM (Long Short-Term Memory) и механизм "внимания" (Attention), позволяющий модели фокусироваться на наиболее значимой информации. Впервые эти методы были применены к анализу данных российского фондового рынка.
Для обучения нейросети использовались:
-Данные за период 2014–2024 годы.
-Индекс Мосбиржи.
-Индикаторы настроений инвесторов.
-Макроэкономические показатели и другие рыночные сигналы.
-Ученые разработали индексы внутреннего и внешнего настроения инвесторов для учета как количественных, так и эмоциональных факторов, влияющих на рынок.
Результаты тестирования модели показали:
-Точность прогноза на следующий торговый день составляет 78,85%.
-После ежемесячной “переподготовки” и использования оптимальных временных окон точность достигает 83,87%.
-Наибольшее влияние на предсказания нейросети оказывают биржевые индикаторы, капитализация компаний и валютные курсы – факторы, которые обычно учитываются опытными трейдерами.
