神经网络是更近的行话中的交易中的一个. 这听起来很酷,而且复杂. 没有太多人似乎明白了什么神经网络是所有关于.
在现实世界中的神经元
我们的大脑是惊人复杂. 什么惊喜大多数人, 然而, 是,大脑是电路的更多或更少的巨大框. 神经元细胞,其作用像“电线”电路, 被称为轴突, 该耗尽并连接穿过人体. 每一个动作, 看法或行动,你做的是所有的轴突发射电脉冲的总和. 变化发生时的电脉冲从神经元发出的频率变化. 更冲动造成一个反应, 减少的另一个原因.
神经网络试图通过组织信息成神经模仿人类大脑的流程. 与实际的神经元细胞, 一个网络的神经元只存在于机. 这是一台机器的重量包含约不管是在研究信息.
神经网络的交易系统可能会决定研究共同指标如均线, 相对强弱指数及随机指标振荡. 对于电流条移动平均值计为它自己的神经元. RSI技术指标是不同的, 所以它得到是一个单独的神经元. 如果我在我的工具箱中10个指标, 然后,我有 10 在我的网络神经元.
传统的计算机求解线性, 简单的问题. 如果你想知道像的立方根数学运算的结果 355, 电脑是完美的任务. 他们迅速地计算出一个准确的答案.
在人类的大脑, 神经网络形式突触与其它神经元. 当受训, 神经元群体能够学会识别模式. 正是这种特性,使神经网络等有用. 这使我们能够创建程序,这将是不可能与传统的计算. 创建软件程序来识别面部, 例如, 将是非常困难的. 这是很容易训练一个网络通过反复显示网络面来识别面部.
大脑是在自己的权利一个迷人的话题. 顺便说一句, 我和妻子正在采取的一项调查过程中神经通过视频系列的大课程. 如果您有任何兴趣在所有的主题, 我强烈推荐 了解脑 通过Jeanette诺登. 它涵盖了详细的神经元是如何连接到解剖整个大脑和整个身体.
神经网络与外汇交易
神经网络开始发挥作用时,答案是不那么精确的. 与外汇交易这个博客的主题贴, 没有正确的答案是什么让完美的交易系统. 一个典型的散户投资者可能会说最好的交易系统是一个使最赚钱. 另一个可能会说最好的交易系统是一个具有最高的夏普比率. 很多想要的东西在中间.
“最佳交易系统”的问题不明确, 这使得它与神经网络攻击的理想人选. 设计师勾勒套规则,, 在交易员的观点, 形成测量的最佳系统的数值的方式.
人类的大脑大约主机 100 十亿神经元. 尽管我们的许多客户的最大努力, 我还没有遇到任何人 100 十亿市场指标在他们的处置. 扩增在我们的工具箱的神经元的作用的一种方法是创建隐藏层.
网络是由多个层的, 每一个由多个神经元. 每个神经元被连接到每个神经元的下一层中. 每一个连接,然后进行自己独特的权重值. 一个神经元将通过其值乘以神经元的价值,并传出连接的权重. 在传出连接结束的神经元将总结所有传入连接,并传播该结果到下一层通过其所有的传出连接.
图片让想法更加直观. 人物 1 包含一个小例子. 该 2 和 3 在左边是输入到网络中. 这些输入获得由连接到下一层的重量乘以. 该 2 乘以 0.5 给我们 1, 和 3 由 2 给我们 6. 第二层包含一个节点,该节点总结从先前层的结果, 给我们 7. 下一步骤将是乘 7 通过在传出连接的权重,并把它传递到下一层.
短上述例子可以重复和链接在一起以形成更大的网络. 下面, 在图 2, 我们有一个较大的网络的一个例子. 示例网络有 3 它们被连接到一个隐藏层的输入. 然后隐藏层被连接到单个输出. 隐藏层,以促进培训. 更复杂的多层和节点所需要的问题.
该网络通过学习更新其众多的连接权值. 但是也有一些用于完成学习神经网络的许多软件算法. 它们可分为两类, 监督学习和无监督学习. 监督学习完成与讲网络,如果它的预测是正确的或者不是用户. 然后,网络计算其误差,并使用的算法,以纠正错误1. 这样的一个例子是反向传播, 其计算网络的预测的错误. 网络然后使用快速算法来与该错误更新每个连接权重的. 反向传播是比较常见的培训策略之一.
无监督学习使用某种类型的健身和评分算法,其中的网络将比分本身,努力提高每一个后续的尝试. 无监督训练的一个例子是遗传算法. 这种算法创建神经网络的人口使用的评分算法由排名人口用户设计. 之后, 这是优胜劣汰. 排名靠前的网络让留下来,“复制”和排名倒数被赶出. 该网络复制通过混合和匹配连接权.
神经网络可以通过探索十亿组合之间的相对较小的工具箱指标大幅辅助系统交易者在他们的算法设计. 这不同于标准优化, 其中涉及插入数字到各项指标寻找任何组合返回最赚钱.
该网络可以考虑多种措施的事实 (平衡, 夏普比率, 等) 以确定最佳的交易系统有助于降低的可能性,它过分强调一个具体措施. 这方面的一个很好的例子就是账户余额. 如果一个系统的重量的给予和净回报率和风险调整收益之间的搭, 它开始从数量一步之遥运算发现用最好的数字和头向实际学习,模式识别.
神经网络证明自己是在广泛的应用范围,从面部识别货币市场的预测非常有用. 他们擅长在有图案,我们很难识别. 这种能力使得网络无价解决涉及多个变量的难题.
留言