Как создать искусственные нейронные Trading System

<р> В отличие от торговых систем технических популярных в 1980-х годах, искусственные нейронные торговые системы используют итеративный "обучение" процесс прогнозировать цены и торговые сигналы без правил на основе «оптимизации» параметров системы или технических показателей , Вместо этого, нейронные системы "узнать" скрытые отношения внутри отдельных технических и фундаментальных данных, которые предиктором будущего уровня цен конкретного рынка. Эта статья рассматривает шаги, чтобы следовать в применении нейронной вычислительной технологии на финансовых рынках.

Во-первых, вам нужно указать результат, который вы хотите, чтобы прогнозировать. Вы должны определить соответствующий входной данные, которые должны система для того, чтобы генерировать точный прогноз. Затем необходимо dened тип, размер, и структура вашего нервной системы. И, наконец, система должна быть обучены и затем тестировали, прежде чем он может быть использован в качестве интеллектуального инструмента в режиме реального времени торговли.

Большинство систем финансового нейронные или "нейронные сети" генерировать реальные цифры в виде прогнозных ценах, или классификаций, таких как сигналы покупки /продажи или направлений трендов, как их прогнозируемых результатов.

<Р> Входные данные должны быть выбраны на основе соответствия к выводу, что вы хотите прогнозировать. В отличие от обычных технических торговых систем, нейронные системы работают лучше всего, когда используются как технические и фундаментальные входные данные.

Чем больше входных данных, тем лучше система может различать скрытые закономерности, лежащие в основе, которые влияют свою продуктивность. Перед обучить систему, данные должны быть предварительно обработаны или "массаж", поскольку нейронные системы работают лучше с относительными числами, а не абсолютные цифры. Например, предпочтительно использовать изменения в уровне цен, а не собственно ежедневные цены как входах и выходе. Нейронные системы состоят из одной или нескольких взаимосвязанных слоев нейронов. В типичной системе существует три типа слоев: входной слой, скрытый слой и выходной слой.

Одним из вариантов архитектуры системы успешно применяются для прогнозирования nancial известен как прямой подачи сети с обратного распространения руководил обучения. Эта конструкция имеет два или более слоев. Нейроны в пределах слоя не связаны между собой, в то время как нейроны в одном слое принимать входные сигналы от каждого нейрона в предыдущем слое и отправить выходы тольк