Neuralt nätverk
Vad är ett neuralt nätverk?Ett neuralt nätverk är en serie algoritmer som strävar efter att känna igen underliggande relationer i en uppsättning data genom en process som efterliknar hur den mänskliga hjärnan fungerar. I detta avseende hänvisar neurala nätverk till neuronsystem, antingen organiska eller konstgjorda. Neurala nätverk kan anpassa sig till förändrade input; så nätverket genererar bästa möjliga resultat utan att behöva göra om utmatningskriterierna. Begreppet neurala nätverk, som har sina rötter i artificiell intelligens, får snabbt popularitet i utvecklingen av handelssystem.
Grunderna i neurala nätverk
Neurala nätverk, i finansvärlden, hjälper till att utveckla sådana processer som tidsserieprognoser, algoritmisk handel, värdepappersklassificering, kreditriskmodellering och konstruktion av egna indikatorer och prisderivat.
Ett neuralt nätverk fungerar på samma sätt som den mänskliga hjärnans nervnätverk. En "neuron" i ett neuralt nätverk är en matematisk funktion som samlar in och klassificerar information enligt en specifik arkitektur. Nätverket har en stark likhet med statistiska metoder som kurvanpassning och regressionsanalys.
Ett neuralt nätverk innehåller lager av sammankopplade noder. Varje nod är en perceptron och liknar en multipel linjär regression. Perceptronet matar signalen som produceras genom en multipel linjär regression till en aktiveringsfunktion som kan vara olinjär.
I en flerlagrad perceptron (MLP) är perceptroner anordnade i sammankopplade skikt. Inlagret samlar inmatningsmönster. Utmatningsskiktet har klassificeringar eller utsignaler till vilka ingångsmönster kan kartlägga. Till exempel kan mönstren innefatta en lista över kvantiteter för tekniska indikatorer om en säkerhet; potentiella utgångar kan vara "köp", "hålla" eller "sälja."
Dolda lager finjusterar ingångsviktningarna tills det neurala nätverkets felmarginal är minimal. Det antas att dolda lager extrapolerar framträdande funktioner i inmatningsdata som har förutsägbar effekt beträffande utgångarna. Detta beskriver funktionsekstraktion, som åstadkommer ett verktyg som liknar statistiska tekniker, såsom huvudkomponentanalys.
Key Takeaways
- Neurala nätverk är en serie algoritmer som efterliknar verksamheten hos en mänsklig hjärna för att känna igen samband mellan stora mängder data.
- De används i olika applikationer inom finansiella tjänster, från prognos och marknadsföringsforskning till bedrägeriupptäckt och riskbedömning.
- Användningen av neurala nätverk för förutsägelse av aktiekurserna varierar.
Tillämpning av nervnätverk
Neurala nätverk används i stor utsträckning med applikationer för finansiell verksamhet, företagsplanering, handel, affärsanalys och produktunderhåll. Neurala nätverk har också fått omfattande antagande i affärsapplikationer som prognos- och marknadsföringslösningar, bedrägeri och riskbedömning.
Ett neuralt nätverk utvärderar prisdata och avslöjar möjligheterna att fatta handelsbeslut baserat på dataanalysen. Nätverken kan skilja subtila olinjära beroenden och mönster som andra metoder för teknisk analys inte kan. Enligt forskning skiljer sig de neurala nätverkens noggrannhet när det gäller att göra förutsägelser för aktier. Vissa modeller förutspår rätt aktiekurs 50 till 60 procent av tiden medan andra är korrekta i 70 procent av alla fall. Vissa har hävdat att en effektivitetsförbättring med 10 procent är allt som en investerare kan begära av ett neuralt nätverk.
Det kommer alltid att finnas datauppsättningar och uppgiftsklasser som bättre analyseras med tidigare utvecklade algoritmer. Det är inte så mycket algoritmen som betyder något; det är den väl förberedda inmatningsdata på den riktade indikatorn som slutligen bestämmer nivån för framgång för ett neuralt nätverk.
Jämför investeringskonton Leverantörs namn Beskrivning Annonsörens upplysning × Erbjudandena som visas i denna tabell kommer från partnerskap från vilka Investopedia erhåller ersättning.