神经网络

什么是神经网络？

神经网络是一系列算法，通过模拟人脑运作方式的过程，努力识别一组数据中的潜在关系。从这个意义上说，神经网络是指神经元系统，无论是有机的还是人工的。

神经网络可以适应不断变化的输入；因此网络可以生成最好的结果，而无需重新设计输出标准。源自人工智能的神经网络概念在交易系统的开发中迅速普及。

神经网络基础

在金融领域，神经网络有助于开发时间序列预测、算法交易、证券分类、信用风险建模以及构建专有指标和价格衍生品等过程。

神经网络的工作原理类似于人脑的神经网络。神经网络中的“神经元”是一种数学函数，它根据特定的架构收集和分类信息。该网络与曲线拟合和回归分析等统计方法非常相似。

神经网络包含相互连接的节点层。每个节点都称为感知器，类似于多元线性回归。感知器将多元线性回归产生的信号馈送到可能是非线性的激活函数中。

多层感知器

在多层感知器 (MLP) 中，感知器排列在互连的层中。输入层收集输入模式。输出层具有输入模式可以映射到的分类或输出信号。例如，这些模式可能包含有关证券技术指标的数量列表；潜在输出可能是“买入”、“持有”或“卖出”。

隐藏层微调输入权重，直到神经网络的误差范围最小。假设隐藏层推断输入数据中的显着特征，这些特征对输出具有预测能力。这描述了特征提取，它完成了类似于主成分分析等统计技术的实用程序。

神经网络的应用

神经网络被广泛使用，应用于金融运营、企业规划、交易、业务分析和产品维护。神经网络在商业应用中也得到了广泛采用，例如预测和营销研究解决方案、欺诈检测和风险评估。

神经网络评估价格数据，并根据数据分析挖掘做出交易决策的机会。网络可以区分细微的非线性相互依赖性和其他技术分析方法无法区分的模式。根据研究，神经网络对股票价格预测的准确性各不相同。一些模型在 50% 到 60% 的时间内预测正确的股票价格，而其他模型在 70% 的情况下是准确的。一些人认为，投资者可以从神经网络中要求提高 10% 的效率。

总会有数据集和任务类可以通过使用以前开发的算法进行更好的分析。重要的不是算法。目标指标上精心准备的输入数据最终决定了神经网络的成功程度。

＃＃ 强调

• 用于股票市场价格预测的神经网络的成功程度各不相同。

• 因此，它们往往类似于大脑中发现的神经元和突触的连接。

• 神经网络是一系列算法，它们模仿动物大脑的操作来识别大量数据之间的关系。

• 它们用于金融服务中的各种应用，从预测和营销研究到欺诈检测和风险评估。

• 具有多个处理层的神经网络被称为“深度”网络，用于深度学习算法

＃＃ 常问问题

神经网络的组成部分是什么？

有三个主要组件：稍后输入、处理层和输出层。可以基于各种标准对输入进行加权。在隐藏的处理层中，这些节点之间存在节点和连接，类似于动物大脑中的神经元和突触。

什么是递归神经网络？

循环神经网络适用于分析时间序列数据、事件历史或时间顺序。

什么是卷积神经网络？

卷积神经网络适用于分析和识别视觉数据，例如数字图像或照片。

什么是深度神经网络？

也称为深度学习网络，深度神经网络最基本的是涉及两个或多个处理层的网络。