Neural Systems

Kunstige nevrale systemer er informasjonsbehandlingsmodeller som etterligner hvordan den menneskelige hjernen behandler informasjon. I motsetning til vanlige, regelbaserte tekniske handelssystemer populære på 1980-tallet, trenger nevrale systemene ikke trenger Redened handelsregler eller "optimalisering" av tekniske indikatorer for å generere handel signaler. I stedet gjennom en iterativ "trening" -prosess, nevrale systemer "lære" de underliggende foreninger og årsakssammenhenger innenfor tekniske, samt grunnleggende, data som påvirker en specic aksje eller råvarepris.

Så, med en høy grad av nøyaktighet, kan nevrale systemer forutsi fremtidige priser og trading signaler for dette markedet. Kunstige nevrale systemer er også kalt nevrale nettverk, nevrale datamaskiner, adaptive systemer, naturligvis intelligente systemer eller nevrale nett. De er formet etter struktur og funksjon av hjernen. Fordi de kan generalisere fra tidligere erfaringer, nevrale systemer representerer et betydelig fremskritt i forhold til regelbaserte handelssystemer, som krever en kunnskapsrik ekspert for å definere "hvis-så" handelsregler for å representere markedsdynamikken.

Det er praktisk talt umulig å forvente at en ekspert kan tenke handelsregler som står for, og nøyaktig gjenspeiler, flyktige og raskt skiftende markedsforhold. Lite fleksible, regelbaserte systemer rett og slett ikke dynamisk adaptiv, til tross for periodiske reoptimizations av et systems indikatorer. Mens dagens handelssystemer, utnytte historiske optimalisering prosedyrer, risikerer å bli "over-optimalisert" eller "kurve-montert" når for mange tekniske indikatorer eller regler er ansatt, nevrale systemer gevinst i predictiveness som flere data innganger brukes under trening.

Men det er ikke så lett som det høres ut. Utvikle en lønnsom neural handelssystem er veldig mye en kunst og ikke en vitenskap som kan følges cookbookstyle. Det er mange alvorlige design problemer som må løses ved utvikling og trening en neural handelssystem, hvis det skal være forutsigbar, og viktigst, lønnsomme.

Vanligvis nevroner innenfor et lag ikke kobles til hverandre . Neuroner mellom lag kommuniserer med hverandre ved å ha bestemte matematiske vekter (eller forbindelses styrke) som er tilordnet deres forbindelser.

For eksempel kan du ønsker å utvikle en trading system for å forutsi neste dags Treasury Bond priser. Utforme riktig arkitektur for nevrale systemet er ganske krevende, med mer enn et dusin forskjellige nev