Невронна мрежа
Невронната мрежа е поредица от алгоритми, които се стремят да разпознаят основните връзки в набор от данни чрез процес, имитиращ начина на работа на човешкия мозък. В този смисъл невронните мрежи се отнасят до системи от неврони, органични или изкуствени по своя характер. Невронните мрежи могат да се адаптират към променящия се вход; така мрежата генерира най-добрия възможен резултат, без да е необходимо да препроектирате критериите за изход. Концепцията за невронните мрежи, която има своите корени в изкуствения интелект, бързо набира популярност в развитието на търговските системи.
Основи на невронните мрежи
Невронните мрежи в света на финансите помагат за развитието на такъв процес като прогнозиране на времеви серии, алгоритмична търговия, класификация на ценни книжа, моделиране на кредитен риск и изграждане на собствени индикатори и производни цени.
Невронната мрежа работи подобно на невронната мрежа на човешкия мозък. „Неврон“ в невронната мрежа е математическа функция, която събира и класифицира информация според специфична архитектура. Мрежата има голяма прилика със статистически методи като приспособяване на кривата и регресионен анализ.
Невронната мрежа съдържа слоеве взаимосвързани възли. Всеки възел е перцептрон и е подобен на множествена линейна регресия. Персептронът подава сигнала, произведен от множествена линейна регресия, във функция за активиране, която може да е нелинейна.
В многопластов перцептрон (MLP), перспетроните са подредени във взаимосвързани слоеве. Входният слой събира входни модели. Изходният слой има класификации или изходни сигнали, към които входните модели могат да се картографират. Например, моделите могат да съдържат списък на количествата за технически показатели за ценна книга; потенциалните резултати могат да бъдат „купуват“, „държат“ или „продават“.
Скритите слоеве фино настройват входните тежести, докато границата на грешката на невронната мрежа е минимална. Предполага се, че скритите слоеве екстраполират очевидните характеристики във входните данни, които имат прогнозна сила по отношение на изходите. Това описва извличане на функции, което осъществява полезност, подобна на статистически техники като анализ на основните компоненти.
Ключови заведения
- Невронните мрежи са серия от алгоритми, които имитират операциите на човешкия мозък за разпознаване на връзки между огромно количество данни.
- Те се използват в различни приложения във финансовите услуги, от прогнозиране и маркетингови изследвания до откриване на измами и оценка на риска.
- Използването на невронни мрежи за прогнозиране на цените на борсите варира.
Приложение на невронни мрежи
Невронните мрежи се използват широко с приложения за финансови операции, планиране на предприятия, търговия, бизнес анализи и поддръжка на продукти. Невронните мрежи също получиха широко приложение в бизнес приложения като прогнози и маркетингови изследователски решения, откриване на измами и оценка на риска.
Невронната мрежа оценява данните за цените и разкрива възможностите за вземане на търговски решения въз основа на анализа на данните. Мрежите могат да различават фините нелинейни взаимозависимости и модели, които другите методи на техническия анализ не могат. Според изследвания точността на невронните мрежи при извършване на прогнози за цените на акциите се различава. Някои модели прогнозират правилните цени на акциите от 50 до 60 процента от времето, докато други са точни в 70 процента от всички случаи. Някои твърдят, че 10-процентно подобрение на ефективността е всичко, което инвеститорът може да поиска от невронна мрежа.
Винаги ще има набори от данни и класове задачи, които по-добре се анализират, като се използват предварително разработени алгоритми. Важен е не толкова алгоритъмът; именно добре подготвените входни данни по целевия индикатор в крайна сметка определят нивото на успех на невронната мрежа.
Сравнете инвестиционни сметки Име на доставчика Описание Разкриване на рекламодатели × Офертите, които се появяват в тази таблица, са от партньорства, от които Investopedia получава компенсация.