NEURAL IT LTD — зарегистрированное юридическое лицо 21 августа 2012 года в Великобритании, регистрационный номер компании 08187078 (https://beta.companieshouse.gov.uk/company/08187078) Юридический адрес: 14 Redbourn House Norbiton Road, London, England, E14 7TG С 2012 года мы ведѐм свою деятельность в сфере IT технологий. Нами накоплен колоссальный опыт, который позволил нам начать собственные разработки искусственного интеллекта на базе нейронных сетей. В 2013 году нашей компанией был создан отдел NEURAL FINANCE по разработке платформы, которая представляет собой комбинацию инструментов технического анализа и системы искусственного интеллекта, базирующейся на использовании нейронных сетей и генетических алгоритмов для определения и оптимизации ценовых моделей на основе исторических данных. Эту стратегию наша компания использует для получения прибыли от трейдинга на криптовалютных биржах, прибыль от которой делиться на две части. Первая, выплата дивидендов своим инвесторам и партнѐрам. Вторая, идѐт на развитие компании и разработку инновационного продукта на основе нейронных сетей NeuralFinanceTrading. Который компания в ближайшие годы планирует вывести на международный рынок.

Нейронные сети

Cовременная технология, в основе которой лежит принцип работы человеческого мозга. Вместо простой компьютерной логики используется более сложный и разветвлѐнный принцип: информация, которая загружается в такую сеть, проходит длительную цепочку, имитирующую нейроны головного мозга.

Действуют следующие принципы:

Выход одного нейрона – это вход другого.

Нейрон обрабатывает входящую информацию от нескольких других и даѐт результат.

Сигналы, получаемые от разных нейронов, не одинаковы по силе, так как существует синапс – «проводник» между нейронами, который может менять силу проводимого сигнала в обе стороны.

Для чего могут применяться

Распознавание образов
Классификация объектов
Прогнозирование событий

Главным преимуществом нейронной сети является еѐ способность к самообучению, по аналогии с человеческим мозгом. Ещѐ одно преимущество – высокая эффективность в тех случаях, когда требуется проводить сложные операции с большим количеством данных. Трейдинг – это именно такой случай.

Как работает нейронная сеть для трейдинга.

В упрощѐнном виде это выглядит так:

Программа анализирует графики разного масштаба, распознаѐт свечи, фигуры, тренд.

Все полученные данные отправляются «в путь» по нейронной сети.

В процессе их обработки сеть увеличивает важность одних сигналов и уменьшает значимость других, анализирует всѐ в комплексе.

В итоге всѐ приходит к одному результату: совершать или не совершать сделку.

В будущем такая сеть позволит быстро анализировать огромные массивы информации. В перспективе, она сможет стать полноценной заменой трейдера, это будет реализовано в нашем разрабатываемом продукте NeuralFinanceTrading

Процесс обучения нейросети

База данных
Распространение сигнала по нейронной сети
Ответ сети
Сеть обучена
Выбор примера
Подстройка весов сети
Ошибка велика
Расчет ошибки
Ошибка мала

Минимальные риски трейдинга по стратегии нейронных сетей.

При «ручном» управлении обычно анализируется текущее состояние рынка, проводится аналитика по новостному фону, изучаются перспективы тех или иных криптоактивов и валют. Делаются прогнозы и на основании их управляющие принимают решения по ребалансировке портфеля или входа в те или иные активы. Риски здесь — это в первую очередь человеческий фактор. Человек может сделать неверные выводы из информации, может основываться на мнении аналитика, который сделает неверные прогнозы, может просто оперировать некачественной или недостоверной информацией.

При управлении искусственным интеллектом перерабатывается существенно больше информации — статистических данных, новостных материалов, информации из соцсетей — все это необходимо, чтобы нейросеть смогла обучиться принимать верные решения.

Плюс здесь в том, что такое количество информации человек никогда не сможет обработать. Другой плюс — в использовании «лучших практик» нейросетью, то есть повторения решений, которые уже давали хорошие результаты в аналогичных случаях.