Введение

На данный момент финансовые рынки переживают период развития и глобализации связей.

Появились рынки мирового масштаба, хотя так же существуют и национальные фондовые, фьючерсные, валютные и другие рынки.

Forex является крупнейшим рынком межбанковского обмена валют по свободным ценам. На сегодняшний день это рынок представляет собой всемирную сеть банков, инвестиционных фондов и брокерских домов. Система рынка FOREX удобна тем, что включает в себя согласованную компьютерную инфраструктуру, которая обслуживает клиентов, торгующих валютами и заключающих спекулятивные сделки. Заключение сделок позволяет получить доход от постоянно изменяющихся курсов валют. Большая часть сделок на финансовых рынках являются спекулятивным, т.е. заключаются с целью извлечения прибыли. Основываются такие сделки на прогнозировании, предсказании котировок участниками рынка [1].

Финансовый рынок характеризуется значительной сложностью протекающих на нем процессов. Зачастую стандартные методы прогнозирования и моделирования временных рядов на рынке дают неудовлетворительный результат. Отмечается разница между действительными экономическими показателями и экономическими теориями.[1]

В этой связи практиков и исследователей продолжают привлекать методы, позволяющие разобраться в структуре и поведении рынка. В настоящее время становится особенно актуальными работы способные хотя бы в минимальной степени пояснить законы этого рынка. Такие работы представляют интерес для инвесторов, так как они создают возможность прогнозирования движения цен активов. Наибольший интерес с научной точки зрения представляет изучение рыночного процесса.

Делая выводы можно сказать, что исследования в области финансовых рынков являются актуальным и перспективным направлением деятельности и будет оставаться таковым в течение довольно долгого периода времени.

Программные средства, которые используют искусственный нейронные сети все чаще используются для прогноза на финансовых рынках. Отличительным признаком данного подхода от стандартных методов, можно считать способность самообучения системы. Самообучаемость в свою очередь является важным аспектом для трудноформализуемых задач. В результате работы с «зашумленными» данными система приобретает гибкость и, хотя это не решает задачу полностью, но позволяет получить прибыль для программ финансовой сферы.[2]

Известны несколько подходов для решения проблемы прогнозирования: технический анализ в своем классическом представлении, фундаментальный анализ, корреляционный и регрессионный анализ и другие, однако они приобретают необходимой гибкости вне пределов определенных или ограниченных условий. Системы, основывающиеся на искусственных нейронных сетях, позволяют успешно решать задачи прогнозирования. Искусственные нейронные сети дают многообещающие альтернативные решения.

Данная работа – это автоматическая система, которая позволяет зарабатывать без ручного вмешательства. В нем рассматривается автоматизация торговых процессов и принятия решений.