Hoe het ontwerpen van een kunstmatig neuraal Trading System

n uitgangen slechts elke neuron in de volgende laag. Dit wordt bereikt door het toekennen verbindingsgewichten of doseringen voor de aansluitingen. De invoerlaag ontvangt invoergegevens. Het aantal neuronen in deze laag wordt bepaald door hoeveel verschillende gegevenscategorieën worden gebruikt, waarbij elke categorie die tot een ingang neuron.

Bijvoorbeeld, in een Tbond prijs forecasting systeem, als uw input data bevat elke dag slotkoers spread tussen TBonds en de DMark, Japanse Yen, Tbills, Eurodollar, Zwitserse Frank en de Dollar Index, evenals de Fed Funds Rate en Dow Jones Utility Gemiddelde (in totaal acht gegevenscategorieën), aanvankelijk de ingangslaag zal bestaan ​​uit acht neuronen. Als u de gegevens voorbehandelen door het nemen van een dag momentum op de slotkoers van elk van deze markten, of glad de tijdreeksen met voortschrijdende gemiddelden, zal u het aantal van de input neuronen dienovereenkomstig te verhogen.

Afhankelijk van het aantal toeleveringsmarkten en de uitgebreidheid van de voorbewerking, is het niet ongewoon voor een neuraal systeem honderden ingang neuronen. Met toezicht leren, zou input data elke dag tijdens de training aan het systeem verschaft ook de volgende dag Tbond prijzen. Voor de training moet je willekeurig shufe de gepaarde input data, zodat de gegevens niet aan het systeem chronologisch wordt gepresenteerd. De verborgen laag neuronen niet rechtstreeks met de buitenwereld.

Dit is waar het netwerk zorgt voor de interne symbool ingesteld om de input data op te nemen in een vorm die de verborgen relaties binnen de gegevens vastlegt, waardoor het systeem te veralgemenen. Het selecteren van het juiste aantal neuronen in de verborgen laag en het aantal verborgen lagen te gebruiken, wordt vaak door middel van experimenten. Te weinig neuronen te voorkomen dat het systeem van de training. Als er te veel neuronen worden gekozen, het systeem onthoudt de verborgen patronen zonder te kunnen generaliseren.

Dan, als het later wordt gepresenteerd met verschillende patronen, het zal niet in staat om nauwkeurig te voorspellen zijn, omdat het niet is onderscheiden van de verborgen relaties. Het formaat van de output die u wilt voorspellen bepaalt het aantal van de output neuronen nodig. Elke categorie uitgang maakt gebruik van een neuron. Als u de volgende dag hoog, laag, midden, en een buy voorspellen, verkopen, of staan ​​apart signaal voor Tbonds, zou het systeem zes uitgangslaag neuronen nodig. Tijdens de training wordt het sys