Neuroninis tinklas
Neuroninis tinklas - tai daugybė algoritmų, kuriais siekiama atpažinti pagrindinius ryšius duomenų rinkinyje per procesą, kuris imituoja žmogaus smegenų veikimą. Šia prasme neuroniniai tinklai reiškia organinių arba dirbtinių neuronų sistemas. Neuroniniai tinklai gali prisitaikyti prie kintančios įvesties; taigi tinklas sukuria geriausią įmanomą rezultatą nereikia pertvarkyti išvesties kriterijų. Dirbtinio intelekto šaknis turinti neuroninių tinklų koncepcija sparčiai populiarėja kuriant prekybos sistemas.
Neuroninių tinklų pagrindai
Neuroniniai tinklai finansų pasaulyje padeda plėtoti tokius procesus kaip laiko eilučių prognozavimas, algoritminė prekyba, vertybinių popierių klasifikavimas, kredito rizikos modeliavimas ir nuosavybės rodiklių bei kainų išvestinių priemonių sudarymas.
Nervinis tinklas veikia panašiai kaip žmogaus smegenų nervų tinklas. „Neuronas“ neuroniniame tinkle yra matematinė funkcija, kuri kaupia ir klasifikuoja informaciją pagal tam tikrą architektūrą. Tinklas labai primena statistinius metodus, tokius kaip kreivės pritaikymas ir regresinė analizė.
Neuroniniame tinkle yra sujungtų mazgų sluoksniai. Kiekvienas mazgas yra perceptronas ir panašus į daugialypę tiesinę regresiją. Perceptronas tiekia signalą, kurį sukuria daugialypė tiesinė regresija, į aktyvavimo funkciją, kuri gali būti netiesinė.
Daugiasluoksniame perceptrone (MLP) perceptronai yra išdėstyti sujungtuose sluoksniuose. Įvesties sluoksnis renka įvesties modelius. Išvesties sluoksnis turi klasifikacijas arba išvesties signalus, pagal kuriuos įvesties modeliai gali būti suderinti. Pavyzdžiui, modelius gali sudaryti techninių vertybinių popierių rodiklių kiekių sąrašas; potencialūs rezultatai gali būti „perku“, „palaikykite“ arba „parduokite“.
Paslėpti sluoksniai tiksliai suderina įvesties koeficientus, kol nervų tinklo paklaida yra minimali. Hipotezuojama, kad paslėpti sluoksniai ekstrapoliuoja svarbiausius įvesties duomenų bruožus, kurie turi numatomą galią išvesties atžvilgiu. Tai apibūdina ypatybių ištraukimą, kuris yra naudingas, panašus į statistinius metodus, tokius kaip pagrindinio komponento analizė.
Pagrindiniai išvežamieji daiktai
- Neuroniniai tinklai yra algoritmų, imituojančių žmogaus smegenų operacijas atpažinti ryšius tarp milžiniško duomenų kiekio, serija.
- Jie naudojami įvairiose finansinių paslaugų srityse, pradedant prognozavimo ir rinkodaros tyrimais ir baigiant sukčiavimo nustatymu ir rizikos vertinimu.
- Neuroninių tinklų naudojimas prognozuojant akcijų rinkos kainą yra skirtingas.
Neuroninių tinklų taikymas
Neuroniniai tinklai yra plačiai naudojami, naudojant programas finansinėms operacijoms, įmonių planavimui, prekybai, verslo analizei ir produktų priežiūrai. Neuroniniai tinklai taip pat plačiai pritaikyti verslo programose, tokiose kaip prognozavimo ir rinkodaros tyrimų sprendimai, sukčiavimo aptikimas ir rizikos vertinimas.
Neuroninis tinklas įvertina duomenis apie kainas ir, remdamasis duomenų analize, nustato galimybes priimti prekybos sprendimus. Tinklai gali atskirti subtilias netiesines priklausomybes ir modelius, kurių negali atlikti kiti techninės analizės metodai. Tyrimų duomenimis, nervinių tinklų tikslumas prognozuojant atsargas skiriasi. Kai kurie modeliai prognozuoja teisingas akcijų kainas nuo 50 iki 60 procentų laiko, o kiti - tikslias 70 procentų visų atvejų. Kai kurie teigia, kad investuotojo gali paprašyti 10 procentų efektyvumo padidėjimo iš nervų tinklo.
Visada bus duomenų rinkinių ir užduočių klasių, kurias geriau analizuoti naudojant anksčiau sukurtus algoritmus. Svarbu ne tik algoritmas; tai yra gerai paruošti tikslinio rodiklio įvesties duomenys, kurie galiausiai lemia neuroninio tinklo sėkmės lygį.
Palyginkite investicinių sąskaitų teikėjo pavadinimą Aprašymas Skelbėjo informacijos atskleidimas × Šioje lentelėje pateikti pasiūlymai yra iš partnerystės, iš kurios „Investopedia“ gauna kompensaciją.