Цены на нефть научились предсказывать с помощью эволюции
Исследователи из Плимутского университета (Великобритания) впервые использовали для анализа тенденций изменения нефтяных цен генетические алгоритмы. Выяснилось, что этот метод даёт существенно более точное предсказание, чем другие способы прогнозирования цен (авторегрессия и нейросети) или классические модели предсказания, опиравшиеся на изучение социально-экономических факторов, влияющих на цены. Работа опубликована в журнале Economic Modelling.
Для того чтобы предсказать колебания цен, авторы применилипрограммирование с экспрессией генов. На обучение созданной на этом принципе модели было отведено 997 шагов так называемого эволюционного обучения. В их ходе в модель вводились данные по ежедневным колебаниям стоимости нефти за период с 1986 по 2012 годы. 70 процентов всех этих статистических данных было использовано для обучения модели, в то время как оставшиеся 30 процентов в неё не вводили. После завершения обучения «проэволюционировавшую» модель использовали для генерации прогноза цен нефть за период, соответствующий неизвестным ей 30 процентам массивов данных.
В результате выяснилось, что она предсказала почти все суточные колебания цен с незначительными отклонениями. Использование для решения той же задачи систем глубокого машинного обучения, основанных на искусственных нейросетях, дало существенно худший итог. Даже интегрированная модель авторегрессии скользящего среднего показала чуть меньшую точность прогнозирования.
Разработчики модели высказывают мнение, что её использование способно существенно помочь в осуществлении среднесрочногло и долгосрочного планирования уровня возможных нефтяных цен, снизив неопределённость, от которой страдают как потребители (в период высоких цен), так и производители (в период низких цен) нефти.
Программирование с экспрессией генов (GEP) является разновидностью эволюционных алгоритмов. Последние используют для моделирования тех или иных процессов методы случайного подбора, комбинирования и вариации искомых параметров. Для этого вначале создается исходная популяция «особей» (строки в программе), обладающих определённой функцией приспособленности (упрощённо говоря — соответствия данной функции вводимым в модель параметрам). Затем две «особи» скрещиваются, при этом их генетический материал (символы в строках) перемешивается.
Присутствует в модели и определённая вероятность ошибки копирования небольшой части этих символов («мутация»). После возникновения нового поколения «особей» они сравниваются между собой по функции приспособленности. Те, у кого приспособленность к вводимым в модель данным выше, отбираются для следующего цикла размножения «особей» («половой отбор»). В итоге, на определённом поколении такой подход, симулирующий биологическую эволюцию среди живых существ, позволяет добиться появления «особей», которые содержат «гены» (символы) по содержанию наиболее близкие к тому, что вводятся в модель извне (например, цена на нефть).
Следует отметить, что, несмотря на высокую эффективность моделирования, основанного на GEP-подходе, такой метод может и не дать ожидаемых результатов в случае ценовых колебаний, похожих на современные. Дело в том, что текущая турбулентность на нефтяном рынке подавляющим большинством экспертов связывается с многократным наращиванием добычи сланцевой нефти в 2012 — 2014 годах и вызванной этим ценовой войной, объявленной американскому сланцевому сектору со стороны Саудовской Аравии. Бурное развитие новой технологии добычи нефти и реакция саудовского королевского дома были неожиданностью для большинства участников рынка. По всей видимости, этот фактор не смогла бы корректно учесть и модель, простроенная на эволюционных алгоритмах.