Нейронна мережа
Нейронна мережа - це низка алгоритмів, які намагаються розпізнати основні взаємозв'язки в наборі даних за допомогою процесу, що імітує спосіб роботи людського мозку. У цьому сенсі нейронні мережі відносяться до систем нейронів, або органічних, або штучних. Нейронні мережі можуть адаптуватися до зміни входу; тому мережа генерує найкращий можливий результат, не потребуючи перепроектування вихідних критеріїв. Концепція нейронних мереж, яка має своє коріння у штучному інтелекті, швидко набирає популярності у розвитку торгових систем.
Основи нейронних мереж
Нейронні мережі у світі фінансів допомагають розвивати такий процес, як прогнозування часових рядів, алгоритмічна торгівля, класифікація цінних паперів, моделювання кредитного ризику та побудова фірмових показників та похідних цін.
Нейронна мережа працює аналогічно нейронній мережі мозку людини. "Нейрон" в нейронній мережі - це математична функція, яка збирає та класифікує інформацію відповідно до конкретної архітектури. Мережа має велику схожість зі статистичними методами, такими як підгонка кривих та регресійний аналіз.
Нейронна мережа містить шари взаємопов'язаних вузлів. Кожен вузол є перцептроном і схожий на множину лінійну регресію. Перцептрон подає сигнал, що виробляється множинною лінійною регресією, у функцію активації, яка може бути нелінійною.
У багатошаровому перцептроні (MLP) перцептрони розташовані у взаємопов'язаних шарах. Вхідний шар збирає вхідні шаблони. На вихідному шарі є класифікації або вихідні сигнали, до яких можуть відображатися схеми введення. Наприклад, шаблони можуть містити перелік кількості технічних показників щодо цінного папера; потенційними виходами можуть бути "купити", "утримати" або "продати".
Приховані шари тонко налаштовують вхідні зважування, поки похибка нейронної мережі не буде мінімальною. Гіпотеза припущена, що приховані шари екстраполюють помітні риси у вхідних даних, які мають прогнозуючу силу щодо виходів. Це описує вилучення особливостей, що виконує корисність, аналогічну статистичним методам, таким як аналіз основних компонентів.
Ключові вивезення
- Нейронні мережі - це низка алгоритмів, що імітують операції людського мозку з метою розпізнавання зв’язків між величезною кількістю даних.
- Вони використовуються в різних сферах застосування у фінансових послугах, від прогнозування та маркетингових досліджень, до виявлення шахрайства та оцінки ризиків.
- Використання нейронних мереж для прогнозування цін на фондовому ринку різниться.
Застосування нейронних мереж
Нейронні мережі широко використовуються: програми для фінансових операцій, планування підприємств, торгівлі, бізнес-аналітики та обслуговування продуктів. Нейронні мережі також отримали широке поширення у таких бізнес-додатках, як рішення для прогнозування та маркетингових досліджень, виявлення шахрайства та оцінка ризиків.
Нейронна мережа оцінює дані про ціни та розкриває можливості для прийняття торгових рішень на основі аналізу даних. Мережі можуть розрізнити тонкі нелінійні взаємозалежності та закономірності, які інші методи технічного аналізу не можуть. Згідно з дослідженнями, точність нейронних мереж при прогнозуванні цін на акції відрізняється. Деякі моделі прогнозують правильні ціни акцій від 50 до 60 відсотків часу, тоді як інші точні в 70 відсотках усіх випадків. Деякі заявляють, що 10-відсоткове підвищення ефективності - це все, що інвестор може вимагати від нейронної мережі.
Завжди знайдуться набори даних та класи завдань, які краще проаналізувати за допомогою раніше розроблених алгоритмів. Це не так важливий алгоритм; саме добре підготовлені вхідні дані за цільовим показником визначають в кінцевому рахунку рівень успішності нейронної мережі.
Порівняйте інвестиційні рахунки Ім’я постачальника Опис Розкриття рекламодавця × Пропозиції, що з’являються в цій таблиці, є партнерствами, від яких Investopedia отримує компенсацію.