Neuronske mreže: predviđanje dobiti

Neuronske mreže najsuvremenije su u računalnim znanostima. U osnovi su to algoritmi koji se mogu obučiti i pokušavaju oponašati određene aspekte funkcioniranja ljudskog mozga. To im daje jedinstvenu sposobnost samoobrazovanja, mogućnost formalizacije nerazvrstanih informacija i, što je najvažnije, mogućnost izrade predviđanja na temelju povijesnih podataka kojima raspolažu.

Neuronske mreže sve se više koriste u različitim poslovnim aplikacijama, uključujući rješenja za predviđanje i marketinška istraživanja. U nekim područjima, kao što su otkrivanje prijevara ili procjena rizika, oni su neosporni lideri. Glavna područja u kojima su neuronske mreže našle primjenu su financijsko poslovanje, planiranje poduzeća, trgovanje, poslovna analitika i održavanje proizvoda. Neuronske mreže mogu s dobrom primjenom svih trgovaca, pa ako ste trgovac i još niste upoznati s neuronskim mrežama, provest ćemo vas kroz ovu metodu tehničke analize i pokazati vam kako to primijeniti vaš stil trgovanja.

Česte zablude

Većina ljudi nikad nije čula za neuronske mreže i, ako nisu trgovci, vjerojatno im neće trebati znati što jesu. Ono što ipak iznenađuje jest činjenica da značajan broj onih koji bi mogli imati bogatu korist od tehnologije neuronske mreže nikad za to nisu ni čuli, uzimaju to za uzvišenu znanstvenu ideju koja im je izvan dosega ili smatraju to glatkim marketingom trik koji nema što ponuditi. Postoje i oni koji sve nade polažu u neuronske mreže, laioniziraju ih nakon pozitivnog iskustva i smatraju ih rješenjem bilo kojeg problema sa srebrom. Međutim, kao i bilo koja trgovačka strategija, neuronske mreže nisu brzo popravljanje koje će vam omogućiti da je obogatite klikom na gumb ili dva. Zapravo je pravilno razumijevanje neuronskih mreža i njihova svrha od ključne važnosti za njihovu uspješnu primjenu. Što se tiče trgovanja, neuronske mreže su nova, jedinstvena metoda tehničke analize, namijenjena onima koji razmišljaju o svom poslu i spremni su uložiti malo vremena i napora kako bi ova metoda funkcionirala za njih. Najbolje od svega, ako se pravilno primijene, neuronske mreže mogu redovito donositi profit.

Koristite Neuronske mreže za otkrivanje mogućnosti

Glavna zabluda je da su neuronske mreže za alat za prognoziranje koji mogu ponuditi savjete kako djelovati u određenoj tržišnoj situaciji. Neuronske mreže ne daju nikakve prognoze. Umjesto toga, oni analiziraju podatke o cijenama i otkrivaju mogućnosti. Pomoću neuronske mreže možete donijeti trgovinsku odluku na temelju temeljito ispitanih podataka, što nije nužno slučaj kada se koriste tradicionalne metode tehničke analize. Za ozbiljnog, razmišljajućeg trgovca, neuronske mreže su alat nove generacije s velikim potencijalom koji može otkriti suptilne nelinearne međuovisnosti i obrasce koje druge metode tehničke analize nisu u stanju otkriti.

Najbolje mreže

Baš kao i bilo koji odličan proizvod ili tehnologija, neuronske mreže počele su privlačiti one koji traže tržište s kupcima. Bujica oglasa o softveru nove generacije preplavila je tržište - oglasi koji slave najsnažniji od svih algoritama neuronske mreže ikada stvorenih. Čak i u onim rijetkim slučajevima kada reklamne tvrdnje nalikuju istini, imajte na umu da je povećanje učinkovitosti 10% vjerojatno najviše što ćete dobiti od neuronske mreže. Drugim riječima, ne donosi čudesne prinose, i bez obzira koliko dobro funkcionira u određenoj situaciji, postojat će neki skupovi podataka i klase zadataka za koje prethodno korišteni algoritmi ostaju nadmoćniji. Zapamtite ovo: trik nije taj algoritam. Dobro pripremljene ulazne informacije o ciljanom pokazatelju najvažnija su komponenta vašeg uspjeha s neuronskim mrežama.

Je li brža konvergencija bolja?

Mnogi od onih koji već koriste neuronske mreže pogrešno vjeruju da što brže njihova mreža daje rezultate, to su bolji. To je, međutim, zabluda. Dobra mreža nije određena brzinom kojom proizvodi rezultate, a korisnici moraju naučiti pronaći najbolju ravnotežu između brzine kojom mreža trenira i kvalitete rezultata koje proizvodi.

Ispravna primjena neuronskih mreža

Mnogi trgovci pogrešno primjenjuju neuralne mreže jer previše povjeravaju softveru koji svi koriste, a nisu dobili dobre upute kako ih pravilno koristiti. Da biste koristili neuronsku mrežu na pravi način, a samim time i trgovac, trgovac bi morao obratiti pažnju na sve faze ciklusa pripreme mreže. Trgovac, a ne njegova mreža, odgovoran je za izmišljanje ideje, formaliziranje te ideje, testiranje i poboljšanje i, konačno, odabir pravog trenutka za njezino odlaganje kada ona više nije korisna. Razmotrimo pobliže faze ovog ključnog procesa:

1. Pronalaženje i oblikovanje trgovinske ideje
Trgovac bi trebao u potpunosti razumjeti da njegova neuronska mreža nije namijenjena izmišljanju pobjedničkih trgovačkih ideja i koncepata. Namijenjen je pružanju najpouzdanijih i najpreciznijih mogućih informacija o tome koliko je učinkovita vaša ideja ili koncept trgovanja. Stoga biste trebali smisliti originalnu trgovinsku ideju i jasno odrediti svrhu te ideje i ono što očekujete da je postignete upotrebom. Ovo je najvažnija faza u ciklusu pripreme mreže. (Za čitanje vezano uz članak, pogledajte Lekcije iz dnevnika trgovca.)
2. Poboljšanje parametara vašeg modela
Zatim biste trebali pokušati poboljšati opću kvalitetu modela izmjenom korištenog skupa podataka i podešavanjem različitih parametara.

3. Odlaganje modela kad postane zastario
Svaki model temeljen na neuronskim mrežama ima vijek trajanja i ne može se koristiti u nedogled. Dugovječnost životnog vijeka modela ovisi o stanju na tržištu i o tome koliko dugo tržišne međuovisnosti odražene u njemu ostaju aktualne. Međutim, prije ili kasnije bilo koji model zastarijeva. Kad se to dogodi, model možete ili prekvalificirati pomoću potpuno novih podataka (tj. Zamijeniti sve upotrijebljene podatke), dodati neke nove podatke u postojeći skup podataka i ponovno obučiti model ili jednostavno povući model potpuno.

Mnogi trgovci pogriješe slijedeći najjednostavniji put - uveliko se oslanjaju i koriste pristup za koji njihov softver pruža najviše korisničke i automatizirane funkcionalnosti. Ovaj najjednostavniji pristup predviđanje cijene za nekoliko bara unaprijed i na temelju ove prognoze temelji vaš trgovinski sustav. Ostali trgovci predviđaju promjenu cijene ili postotak promjene cijene. Ovakav pristup rijetko daje bolje rezultate od predviđanja cijene izravno. I pojednostavljeni pristupi ne otkrivaju i iskorištavaju većinu važnih dugoročnih međuovisnosti i, kao rezultat, model brzo zastareva kako se mijenjaju globalne pokretačke snage.

Najoptimalniji opći pristup korištenju neuronskih mreža

Uspješni trgovac usredotočit će se i potrošiti prilično vremena na odabiru upravljačkih ulaznih stavki za svoju neuronsku mrežu i prilagođavanju njihovih parametara. Provest će (najmanje) nekoliko tjedana - a ponekad i do nekoliko mjeseci - raspoređujući mrežu. Uspješan trgovac također će prilagoditi svoju mrežu promjenjivim uvjetima tijekom svog životnog vijeka. Budući da svaka neuronska mreža može pokriti samo relativno mali aspekt tržišta, neuronske mreže treba koristiti i u odboru. Koristite što više neuronskih mreža - mogućnost zapošljavanja odjednom je još jedna prednost ove strategije. Na taj način, svaka od tih više mreža može biti odgovorna za neki određeni aspekt tržišta, što vam daje glavnu prednost u svemu. Međutim, preporučuje se da broj korištenih mreža zadrži u granicama od pet do deset. Konačno, neuronske mreže treba kombinirati s jednim od klasičnih pristupa. To će vam omogućiti bolje korištenje postignutih rezultata u skladu s vašim trgovinskim preferencijama.

Zaključak

Pravi uspjeh doživjet ćete s neuralnim mrežama samo kad prestanete tražiti najbolju mrežu. Uostalom, ključ vašeg uspjeha s neuronskim mrežama ne leži u samoj mreži, već u vašoj trgovačkoj strategiji. Stoga, da biste pronašli profitabilnu strategiju koja djeluje za vas, morate razviti čvrstu ideju o tome kako stvoriti odbor neuronskih mreža i koristiti ih u kombinaciji s klasičnim filtrima i pravilima upravljanja novcem.

Što se tiče čitanja, pogledajte Neuralno trgovanje: Biološki ključevi profita i Vodič za kodiranje trgovačkih sustava .