Zivcno omrezje
Nevronska mreža je vrsta algoritmov, ki si prizadevajo prepoznati osnovne odnose v naboru podatkov s postopkom, ki posnema način delovanja človeških možganov. V tem smislu se nevronske mreže nanašajo na sisteme nevronov, bodisi organskih bodisi umetnih. Nevronske mreže se lahko prilagodijo spreminjanju vnosa; zato omrežje ustvari najboljši možni rezultat, ne da bi bilo treba preoblikovati izhodna merila. Koncept nevronskih mrež, ki ima svoje korenine v umetni inteligenci, hitro pridobiva na popularnosti pri razvoju trgovskih sistemov.
Osnove nevronskih mrež
Nevronska omrežja v svetu financ pomagajo pri razvoju takšnih procesov, kot so napovedovanje časovnih vrst, algoritmično trgovanje, klasifikacija vrednostnih papirjev, modeliranje kreditnih tveganj in gradnja lastniških kazalcev in izpeljanih cen.
Nevronska mreža deluje podobno kot nevronska mreža človeških možganov. "Nevron" v nevronski mreži je matematična funkcija, ki zbira in razvršča informacije glede na določeno arhitekturo. Omrežje je zelo podobno statističnim metodam, kot sta namestitev krivulje in regresijska analiza.
Nevronska mreža vsebuje plasti medsebojno povezanih vozlišč. Vsako vozlišče je perceptron in je podobno večkratni linearni regresiji. Receptron napaja signal, proizveden z večkratno linearno regresijo, v aktivacijsko funkcijo, ki je lahko nelinearna.
V večplastnem perceptronu (MLP) so perceptroni razporejeni v medsebojno povezanih slojih. Vhodni sloj zbira vzorce vnosa. Izhodni sloj ima klasifikacije ali izhodne signale, na katere se lahko vhodni vzorci preslikajo. Na primer, vzorci lahko vsebujejo seznam količin tehničnih kazalcev za varščino; potencialni rezultati bi lahko bili "kupi", "drži" ali "prodaj".
Skrite plasti natančno prilagodijo vhodne uteži, dokler meja napake nevronske mreže ni minimalna. Predpostavlja se, da skriti sloji ekstrapolirajo vidne lastnosti vhodnih podatkov, ki imajo napovedno moč glede izhodov. Ta opisuje ekstrakcijo funkcij, ki izvaja uporabnost, podobno statističnim tehnikam, kot je analiza glavnih komponent.
Ključni odvzemi
- Nevronske mreže so niz algoritmov, ki posnemajo delovanje človeških možganov, da prepoznajo povezave med ogromno količino podatkov.
- Uporabljajo se v različnih aplikacijah finančnih storitev, od napovedovanja in trženjskih raziskav do odkrivanja goljufij in ocene tveganja.
- Uporaba nevronskih mrež za napovedovanje cen na borzi se razlikuje.
Uporaba nevronskih mrež
Nevronske mreže se pogosto uporabljajo, pri čemer se uporabljajo aplikacije za finančno poslovanje, načrtovanje podjetij, trgovanje, poslovno analitiko in vzdrževanje izdelkov. Nevronska omrežja so dobila široko uveljavitev tudi v poslovnih aplikacijah, kot so napovedovanje in trženjsko raziskovalne rešitve, odkrivanje goljufij in ocena tveganja.
Nevronska mreža na podlagi analize podatkov oceni podatke o cenah in odkrije možnosti za sprejemanje trgovinskih odločitev. Mreže lahko ločijo subtilne nelinearne soodvisnosti in vzorce, ki jih druge metode tehnične analize ne morejo. Po raziskavah se natančnost nevronskih mrež pri napovedovanju cen zalog razlikuje. Nekateri modeli napovedujejo pravilne cene delnic od 50 do 60 odstotkov časa, medtem ko so drugi natančni v 70 odstotkih vseh primerov. Nekateri menijo, da lahko vlagatelj zahteva od nevronske mreže 10-odstotno izboljšanje učinkovitosti.
Vedno bodo obstajali nabor podatkov in razredov nalog, ki jih je bolje analizirati z uporabo predhodno razvitih algoritmov. Algoritem ni toliko pomemben; dobro pripravljeni vhodni podatki o ciljnem kazalcu na koncu določijo stopnjo uspešnosti nevronske mreže.
Primerjajte investicijske račune Ime ponudnika Opis Razkritje oglaševalcev × Ponudbe, ki se pojavijo v tej tabeli, so partnerstva, od katerih Investopedia prejema nadomestilo.