ترجمه فعالیت سهام برای شبیه به نوسانات سطح جمعیت عصبی

من قبلاً در مورد نوسانات مغز نوشته ام، بنابراین اگر به مقداری از نوسانات مغزی نیاز دارید، می توانید به اینجا بروید.

نوسانات مغز تغییر ولتاژ در طول زمان در ناحیه مورد نظر مغز است. ولتاژ به دلیل کل فعالیت سلولی زیرین تغییر می کند. دو راه اصلی برای ثبت نوسانات مغزی وجود دارد، از طریق EEG غیر تهاجمی یا تهاجمی با قرار دادن الکترود در مغز. EEG از کلاهکی استفاده می کند که در اطراف جمجمه قرار می گیرد و الکترودهایی در اطراف سر در مناطق مختلف قرار می گیرند. یک ژل رسانا روی مو و پوست سر گذاشته می شود تا سیگنال های بهتری دریافت کند. سیگنال ولتاژ از EEG تمیزترین نیست، زیرا ابتدا باید از استخوان نارسانای جمجمه عبور کند. EEG ها فقط قادر به دریافت فعالیت گسترده در سطح مغز در زیر الکترود ذرات روی کلاه هستند. الکترودهای فلزی که در مغز قرار می گیرند سیگنال های بسیار واضحی را از ناحیه اطراف مغز دریافت می کنند که می تواند روی سطح یا در ساختارهای عمیق تر مغز باشد.

نوسانات به باندهای فرکانسی مختلفی تقسیم می شوند که مکانیسم های مختلفی را منعکس می کنند که آنها را ایجاد می کند. بسته به ترکیب سلول، معماری سلول و مدار، و از جایی که ورودی ها وارد یک ناحیه مغز می شوند، نوسانات مختلفی را می توان مشاهده کرد. به عنوان مثال، در طول کاوش، یادگیری و یادآوری حافظه، هیپوکامپ یک ریتم کلاسیک 4 تا 12 هرتزی به نام ریتم تتا نمایش می دهد. ریتم های کندتر دلتا (1-4 هرتز) را می توان در طول خواب در سراسر مغز مشاهده کرد. ریتم های سریع تر (~40 هرتز) ممکن است به اتصال ویژگی کمک کند. بنابراین، ریتم های مختلف با رفتارها و عملکردهای مختلف مغز مرتبط است. تداخل ریتم های مختلف نیز می تواند معنادار باشد. به عنوان مثال هنگامی که یک نشانه معنی دار ارائه می شود، ریتم تتا در ولتاژ کاهش می یابد در حالی که ریتم بتا (15-30 هرتز) در ولتاژ افزایش می یابد. این می تواند نشان دهد که ناحیه ای از مغز در حال تغییر حالت پردازش خود برای پردازش بهتر اطلاعات معنی دار است.

بنابراین آیا می توانیم یک سهام را مانند نوسانات عصبی آنالیز کنیم؟آیا می توانیم تغییراتی را در احساسات به یک شرکت مشاهده کنیم که در تغییرات در نوسانات سهام منعکس شده است؟آیا می توانیم نوسانات آینده را بر اساس تغییرات نوسانی پیش بینی کنیم؟

ذخیره داده ها به نوسانات مغز

برای تجزیه و تحلیل سهام مانند نوسانات مغزی ، ابتدا باید داده های سهام را تغییر دهم تا مانند داده های مغز به نظر برسد. سهام با گذشت زمان اندازه گیری می شود و زمان خاصیت ذاتی نوسانات است. بدون زمان ، نوسانات وجود ندارد. ثانیا باید یک آنالوگ به ولتاژ وجود داشته باشد. نوسانات مغزی غالباً دارای ولتاژ است که در آن نوسان می کند. به عنوان بسیاری از نورونها آتش می گیرند ، ولتاژ با حرکت یونها به سلول کاهش می یابد. از آنجا که بسیاری از نورون ها شلیک را متوقف می کنند ، با بیرون کشیدن یون ها از سلول ها ولتاژ افزایش می یابد. قیمت سهام این کار را نیز انجام می دهد ، قیمت بالا می رود ، قیمت پایین می رود. اما قیمت سهام اغلب به مرور زمان به جای نوسانات در اطراف یک پایه ، در یک جهت کلی حرکت می کند. البته استثنائاتی وجود دارد که سهام "تجارت در یک طرف" برای مدت زمان معینی انجام می شود. اما با داشتن یک افق به اندازه کافی بزرگ ، سهام به طور متوسط بالا می رود.

نمودار قیمت اپل

بنابراین به جای نقاط قیمت سهام ، تصمیم گرفتم به تغییر قیمت از یک زمان به نقطه دیگر نگاه کنم. این می تواند به عنوان تغییر در قیمت سهام انجام شود. قیمت هر سهم از یک زمان به زمان دیگر. یا درصدی قابل استفاده است. درصد از یک زمان به زمان دیگر تغییر می کند. ما می دانیم که فعالیت بازار با توزیع عادی در حدود 0 ٪ نسبتاً پایدار است. در زیر می توانید یک هیستوگرام از میانگین صنعتی داو جونز را مشاهده کنید.

بنابراین من یک معیار (تغییر قیمت) با گذشت زمان دارم که در حدود 0 نوسان خواهد شد.

اکنون از کجا می توانم داده ها را بدست آورم ... من منابع محدودی دارم بنابراین رایگان بهترین است. داده های قیمت گذاری تاریخی بسته به سطح جزئیات مورد نظر شما ، مانند قیمت سهام هر 5 دقیقه می تواند بسیار گران باشد. با این حال ، Finance Yahoo و Google Finance به شما امکان می دهد تا به صورت رایگان ، CSV از داده های قیمت تاریخی در محدوده روزها را بارگیری کنید. این می تواند به راحتی در اکسل مشاهده شود. از یاهو مالی من داده ها را برای اپل گرفتم. داده ها مانند این ارائه شده است:

برای هر ردیف شما یک تاریخ دارید ، قیمت افتتاح سهام هنگام شروع معاملات ، بالاترین قیمت سهام در طول روز معامله می شود ، کمترین قیمت داخلی ، قیمت بسته شدن نهایی ، حجم (تعداد سهام معامله شده) وقیمت نزدیک تنظیم شده. قیمت بسته بندی تعدیل شده سود سهام و هنگامی که سهام تقسیم می شود ، در نظر می گیرد. تقسیم سهام زمانی است که یک شرکت سهام سهام خود را به سهام بیشتری تقسیم می کند. این می تواند نقدینگی سهام را افزایش دهد اما ارزش اساسی شرکت را تغییر نمی دهد. برخی از شرکت ها وقتی قیمت هر سهم بسیار بالا می رود ، سهام خود را تقسیم می کنند. معمولاً تقسیم ها 2 برای 1 یا 3 برای 1 است اما می تواند بسیار بیشتر باشد. بنابراین ، هنگامی که یک سهام 2 برای 1 تقسیم می شود ، اگر 10 سهم به ارزش 10 دلار به ارزش 100 دلار داشته باشید ، در این صورت 20 سهم به ارزش 5 دلار هنوز هم به ارزش 100 دلار خواهید داشت. این بعداً مهم خواهد بود.

بنابراین تنها کاری که باید انجام دهم این است که قیمت نزدیک را از روز N از روز N-1 کم کنید تا ببینید که چگونه ارزش سهام تغییر کرده است.

روز n تغییر قیمت = روز n تنظیم شده قیمت نزدیک-روز N-1 قیمت نزدیک تنظیم شده

برای تغییر درصد ، من روز N را تغییر می دهم و آن را به روز N-1 قیمت نزدیک تقسیم می کنم.

روز n تغییر قیمت درصد = روز n تغییر قیمت / روز n-1 تنظیم قیمت نزدیک

با برخی از معادلات اساسی اکسل ، داده های من اکنون چنین است:

امور مالی یاهو به زمانی می رود که سهام به عموم مردم رفت ، بنابراین من داده های قیمت گذاری را از امروز (11 ژوئیه 2015) تا 12 دسامبر 1980 دارم. اولین روز معاملاتی نادیده گرفته می شود. تمام قیمت ها برای سادگی به دو مکان اعشاری گرد شدند. من بعد داده ها را به MATLAB وارد می کنم و یک بردار برای تغییر و ٪ تغییر می دهم. من می توانم از این بردارها به همراه یک بردار سوم برای تاریخ برای ترسیم داده ها استفاده کنم.

من به سرعت با اولین مشکل خود روبرو شدم. با استفاده از تغییر قیمت ، به دلیل تقسیم سهام اپل ، سه 2 برای 1 و یک 7 برای 1 ، تغییر قیمت بسته بندی تنظیم شده برای تاریخ های قدیمی تر وقتی کمتر سهام وجود داشت ، بسیار اندک است. به اندازه کافی خنده دار Dot Come Boom هنوز در اوایل دهه 2000 به وضوح ظاهر می شود. می توانید افت شدید قیمت را در 29 سپتامبر 2000 مشاهده کنید که AAPL 50 ٪ سقوط کرد. می توانید در جدول زیر مشکل را با وضوح بیشتری مشاهده کنید. وقتی به تاریخ های قبلی بین تغییر ADJ و تغییر قیمت واقعی برمی گردم:

به عنوان مثال 18 تا 19 را بگیرید. قیمت نزدیک از 26. 63 دلار به 28. 28 دلار افزایش یافت ، تغییر 1. 62 دلار یا 6. 1 ٪. با این حال ، با استفاده از قیمت نزدیک تعدیل شده ، ما با تغییر تنظیم شده 0. 02 دلار به پایان می رسیم. با این حال ، تغییر ٪ ما هنوز هم در 6. 1 ٪ یکسان است. بنابراین در حال حاضر من روی استفاده از ٪ تغییر قیمت بسته بندی تعدیل شده تمرکز خواهم کرد. می توانید یک طرح زیر را ببینید که بسیار زیبا به نظر می رسد.

مجدداً می توانید افت گسترده را در 29 سپتامبر 2000 و همچنین تغییر زیاد یا نوسانات همانطور که سرمایه گذاران می گویند ، در اطراف رونق Dot com و دوباره در طول بحران مالی 2008-2009 مشاهده کنید. از همه مهمتر برای این پروژه ، ما می توانیم فعالیت های زیادی را مشاهده کنیم که در حدود 0 ٪ و بدون هیچ گونه رانش نوسان می کند.

برای مقایسه ، در اینجا همان چیزی است که نوسانات مغزی از یکی از موش های من به نظر می رسد:

آنها کاملاً مشابه هستند ، بنابراین من فکر می کنم ممکن است شایستگی استفاده از تجزیه و تحلیل عصبی در داده های سهام وجود داشته باشد. به نظر می رسد نوسانات عصبی واقعی نسبت به داده های سهام کمتری بی ثبات است. به ندرت تغییر گسترده ای در ولتاژ در ضبط مغز ایجاد می شود و وقتی وجود دارد ، اغلب فقط سر و صدا است ، مانند موش صحرایی که کاشت مغز او را خراشیده می شود (که احتمالاً چیزی است که شما در حدود 0 علامت زمانی در بالا مشاهده می کنید). مغز یک دستگاه شگفت انگیز با چک و تعادل مانند خوراک و حلقه های تغذیه ای برای حفظ نوسانات کم است. نوسانات مقادیر زیاد که قابل کنترل نیست ، عامل اصلی تشنج است. در زیر می توانید فعالیت مغز را در فعالیت آبی و تشنج به رنگ قرمز مشاهده کنید. توجه کنید که ولتاژ در حین تشنج چقدر گسترده است:

SEIZURE EEG ، از طریق: https://www.kaggle.com/c/seizure-detection

مرحله نهایی قبل از تجزیه و تحلیل استفاده از فیلترهای باند فرکانس در داده های سهام برای دیدن اینکه آیا این کار می کند یا خیر. اگر باندهای فرکانس مختلف با استفاده از روشهای فیلتر معمولی فیلتر شوند ، می توان تجزیه و تحلیل پیچیده تری انجام داد. من ابتدا سعی می کنم از یک فیلتر ساده Butterworth برای داده های سهام استفاده کنم.

سهام Apple Stock Theta Band نمونه سه ماهه Apple Theta Band نمونه سالانه Joey the Rat Theta Band ، نمونه گیری 4،800 هرتز

در بالا دو قطعه فیلتر شده با Butterworth برای محدوده فرکانس تتا (4-12 هرتز) از اپل و دیگری از هیپوکامپ موش جوی قرار دارد. من با نرخ نمونه برداری برای اپل سه ماهه (90 روز) یا سالانه (365 روز) به هم ریختم. به طور کلی دوره نمونه برداری در داده های عصبی چند نقطه ولتاژ است که در یک ثانیه جمع می کنید ، بیان شده در هرتز. این محدوده بسته به دستگاه و کاربرد از 250 هرتز تا 4800 هرتز+. من در مورد پیامدهای استفاده از پنجره های نمونه برداری کوچک مانند 90 کاملاً مطمئن نیستم. می توانید داده های سه ماهه را به سختی فیلتر می کنند (هنگام بزرگنمایی) در حالی که نرخ نمونه سالانه صاف است. وقتی به مرحله تجزیه و تحلیل می روم ، باید این کار را ادامه دهم. من فقط 8،719 روز داده سهام برای اپل دارم ، فکر می کنم نمونه برداری با نرخ بیش از حد ، داده های زیادی را صاف می کند. این ممکن است چیز خوبی نباشد. اگر در این باره توصیه ای دارید ، لطفاً به من ایمیل بزنید: [email protected].

نتیجه:

از آنجا که فیلتر روی تغییر قیمت سهام کار می کند ، من در یک پست دیگر به تجزیه و تحلیل داده های دقیق تر می روم. حرکت سریع و بزرگ گاه به گاه در قیمت سهام ممکن است امپدانس در استفاده از تجزیه و تحلیل عصبی به سهام باشد زیرا مغزها معمولاً این کار را نمی کنند. به طور کلی ، به نظر می رسد که سهام مانند مغز نوسان می کند اما با کمی فعالیت تشنج مانند.

در زیر اسکریپت های MATLAB من برای فرآیند فیلتر قرار دارد. بر اساس کدی که توسط دیوید بیلکی برای تجزیه و تحلیل داده های مغز نوشته شده است.

عملکرد فیلتر Butterworth

npoles = 2 ؛Low_frequency = 4 ؛HIGH_FRECENCENCY = 12 ؛fs = 90 ؛٪نرخ نمونهبرداری

AAPL_CHANGE_FILTER = AX_BP_FILTER_STOCKS (NPOLES ، LOW_FREQUENCY ، HIGH_FRECONCENCY ، AAPL_CHANGE_PERCENT ، FS) ؛basic_plot_stock_filtered (aapl_change_filter ، aapl_dates) ؛

کد تصفیه

تابع aapl_change_filter = ax_bp_filter_stocks (npoles ، hpass ، lpass ، eeg ، fs) ؛٪ فیلتر با استفاده از فیلتر Butterworth با قطب های N و High Pass Low ٪ توجه داشته باشید که LP باید مقدار بالاتری از مقدار HP باشد

Wn = [HPass Lpass]/(FS/2) ؛٪ فرکانس ها به نیمی از نرخ نمونه گیری ٪ wn = cutoff cutoff freq - باید باشد - باید باشد

[b ، a] = کره (npoles ، wn) ؛٪ فیلتر Butterworth در جعبه ابزار SIG

aapl_change_filter = filtfilt (b ، a ، eeg) ؛٪ اکنون با انتهای تغییر فاز صفر فیلتر کنید.

نقشه

تابع [figure_plot_filtered] = basic_plot_stock_filtered (filtered_stock ، dates) ٪٪ اسکریپت نقشه برداری اساسی

نمودار شکل (تاریخ ، filtered_stock) ؛عنوان ("درصد تغییر قیمت اپل از قیمت نزدیک تعدیل شده") ؛ylabel ("تغییر قیمت ٪") xlabel ("زمان") ؛