Co je to neuronová síť?
Neuronová síť je řada algoritmů, které se snaží rozpoznat základní vztahy v sadě dat prostřednictvím procesu napodobujícího způsob fungování lidského mozku. V tomto smyslu neuronové sítě odkazují na systémy neuronů, ať už organické nebo umělé povahy. Neuronové sítě se mohou přizpůsobit měnícímu se vstupu; Síť tak vytváří nejlepší možný výsledek, aniž by bylo nutné přepracovat výstupní kritéria. Koncept neuronových sítí, který má své kořeny v umělé inteligenci, rychle získává na popularitě ve vývoji obchodních systémů.
Základy neuronových sítí
Neuronové sítě ve světě financí pomáhají při vývoji takových procesů, jako je předpovídání časových řad, algoritmické obchodování, klasifikace cenných papírů, modelování úvěrového rizika a vytváření vlastnických ukazatelů a cenových derivátů.
Neuronová síť funguje podobně jako neuronová síť lidského mozku. Neuron v neuronové síti je matematická funkce, která shromažďuje a třídí informace podle konkrétní architektury. Síť se silně podobá statistickým metodám, jako je přizpůsobení křivky a regresní analýza.
Neuronová síť obsahuje vrstvy vzájemně propojených uzlů. Každý uzel je perceptron a je podobný vícenásobné lineární regresi. Perceptron přivádí signál produkovaný vícenásobnou lineární regresí do aktivační funkce, která může být nelineární.
Ve vícevrstvém perceptronu (MLP) jsou perceptrony uspořádány ve vzájemně propojených vrstvách. Vstupní vrstva shromažďuje vstupní vzory. Výstupní vrstva má klasifikace nebo výstupní signály, na které se mohou mapovat vstupní vzory. Například vzory mohou zahrnovat seznam veličin pro technické ukazatele o cenných papírech; potenciální výstupy by mohly být „koupit“, „pozastavit“ nebo „prodat“.
Skryté vrstvy jemně vylaďují vstupní váhy, dokud není minimální chyba neuronové sítě minimální. Předpokládá se, že skryté vrstvy extrapolovají hlavní rysy ve vstupních datech, které mají prediktivní sílu, pokud jde o výstupy. Toto popisuje extrakci funkcí, která zajišťuje užitečnost podobnou statistickým technikám, jako je analýza hlavních komponent.
Klíč s sebou
- Neuronové sítě jsou řadou algoritmů, které napodobují operace lidského mozku, aby rozpoznaly vztahy mezi obrovským množstvím dat. Používají se v celé řadě aplikací ve finančních službách, od předpovědí a marketingového výzkumu až po odhalování podvodů a hodnocení rizik. Použití neuronových sítí pro predikci ceny akcií se liší.
Aplikace neuronových sítí
Neuronové sítě jsou široce využívány, s aplikacemi pro finanční operace, plánování podniku, obchodování, obchodní analýzu a údržbu produktů. Neuronové sítě také získaly široké uplatnění v obchodních aplikacích, jako jsou řešení pro predikci a marketingový výzkum, detekce podvodů a hodnocení rizik.
Neuronová síť vyhodnocuje cenová data a objevuje příležitosti pro obchodní rozhodnutí na základě analýzy dat. Sítě dokáží rozlišit jemné nelineární vzájemné závislosti a vzorce, které jiné metody technické analýzy nemohou. Podle výzkumu se přesnost neuronových sítí při vytváření cenových předpovědí liší. Některé modely předpovídají správné ceny akcií 50 až 60 procent času, zatímco jiné jsou přesné v 70 procentech všech případů. Někteří předpokládali, že 10% zlepšení účinnosti je vše, co může investor požádat od neuronové sítě.
Vždy budou existovat soubory dat a třídy úloh, které budou lépe analyzovány pomocí dříve vyvinutých algoritmů. Není to tolik algoritmus, na čem záleží; jsou to dobře připravená vstupní data na cílovém ukazateli, která v konečném důsledku určuje úroveň úspěchu neuronové sítě.
