神经网络定义 编辑

什么是神经网络？

神经网络是一系列的算法，通过模仿人脑运作方式的过程，努力识别一组数据中潜在的关系。从这个意义上说，神经网络指的是神经元系统，无论是有机的还是人工的。神经网络能够适应不断变化的输入，因此无需重新设计输出准则，就能产生尽可能好的结果。神经网络的概念，它起源于人工智能，在中国的发展中迅速普及交易系统。

关键要点

• 神经网络是一系列模仿人脑操作的算法，用来识别大量数据之间的关系。
• 它们被用于金融服务的各种应用，从预测和营销研究到欺诈检测和风险评估。
• 神经网络在股票市场价格预测中的应用各不相同。

神经网络基础

在金融界，神经网络有助于时间序列预测等过程的发展，算法交易证券分类、信用风险建模、专有指标和价格构建衍生品 .

神经网络的工作原理与人脑的神经网络类似。神经网络中的“神经元”是一个数学函数，它根据特定的结构收集和分类信息。该网络与曲线拟合和回归分析等统计方法有很大的相似性。

神经网络包含多个相互连接的节点层。每个节点都是一个感知器，类似于多元线性回归 . 感知器将多元线性回归产生的信号输入一个可能是非线性的激活函数。

在多层感知器（MLP）中，感知器被布置在相互连接的层中。输入层收集输入模式。输出层具有输入模式可以映射到的分类或输出信号。例如，所述图案可包括用于所述图案的量的列表技术指标 关于证券；潜在的输出可以是“买入”、“持有”或“卖出”

隐藏层对输入权重进行微调，直到神经网络的误差最小。假设隐藏层外推输入数据中具有输出预测能力的显著特征。这描述了特征提取，它实现了一个类似于主成分分析等统计技术的实用程序。

神经网络的应用

神经网络被广泛应用于金融运营、企业规划、贸易、商业分析和产品维护。神经网络在商业应用中也得到了广泛的应用，如预测和营销研究解决方案、欺诈检测和预防风险评估 .

神经网络对价格数据进行评估，并根据数据分析挖掘做出贸易决策的机会。这种网络可以通过其他方法来区分微妙的非线性相互依赖和模式技术分析不能。根据研究，神经网络对股票价格预测的准确性是不同的。一些模型在50%到60%的时间里预测正确的股票价格，而另一些模型在70%的时间里都是准确的。一些人认为，投资者可以从神经网络中获得10%的效率提升。 

总会有一些数据集和任务类可以通过使用以前开发的算法进行更好的分析。与其说是算法 重要的是，目标指标上准备充分的输入数据最终决定了神经网络的成功程度。