거래 시스템 신경 네트워크

무역 시스템.

신경망을 사용하여 거래 시스템 만들기.

지난 10 년 동안 기계 학습은 가장 까다로운 문제조차 해결할 수있는 알고리즘과 충분한 계산 능력의 출현으로 엄청나게 인기가있었습니다. 오늘날 기계 학습 알고리즘은 변수 간의 복잡한 관계가 존재하는 여러 영역에서 문제를 해결하며 이로 인해 기계 학습이 거래 전략 수립에 잠재적으로 유용한 도구가됩니다. 그러나 이런 유형의 기술을 사용하여 어떻게 거래 시스템을 만들 수 있습니까? 이 기사에서는 기본 기계 학습 알고리즘을 사용하는 방법을 배우게됩니다. 신경 네트워크 & ndash; EUR / USD로 간단한 거래 시스템을 만들 수 있습니다.

모든 코딩 단편은 Asirikuy에서 제공되는 F4 프로그래밍 프레임 워크에서 가져온 샘플입니다. 오픈 소스 Shark 라이브러리는 기계 학습 알고리즘의 생성 및 교육에 사용됩니다. 그러나이 기사에서 제시된 일반적인 아이디어와 알고리즘 개념은 다른 라이브러리 및 프로그래밍 언어로 번역 될 수 있습니다.

신경망이란 무엇입니까?

신경 네트워크는 기계 학습 알고리즘의 한 유형입니다. 가장 간단한 고전 신경망은 입력 레이어, 숨겨진 레이어 및 출력 레이어로 구성되며, 각 레이어는 주어진 수의 뉴런 & rdquo;을 포함합니다. 입력 레이어의 각 뉴런은 값을 가져 와서 함수를 사용하여 처리하고 주어진 가중치 집합을 사용하여 숨겨진 레이어의 하나 또는 여러 개의 뉴런에 전달한 다음 뉴런은 프로세스를 반복하여 하나 또는 여러 출력 뉴런에 값을 전달합니다 . 본질적으로 신경망은 일부 입력 값을 취하고 기능 구조를 통해 입력을 처리하여 일부 출력 값을 전달합니다. 뉴런은 특정 가중치를 곱한 값을 다른 단위로 전달하는 기능적 처리 단위 일뿐입니다.

코드 단편 1. 2 개의 리턴을 입력으로 사용하고 다음 바의 리턴을 출력으로 사용하는 84 개의 예를 만드는 C ++의 기능.

그러나 신경망은 각 신경망 연결에 주어진 가중치를 알지 못하기 때문에 처음부터 입력을 처리하는 방법을 알지 못합니다. 이것이 우리가 훈련하고 & 훈련해야하는 이유입니다. 뉴런 사이의 연결을 정의하는 가중치가 올바르게 정의 될 수 있도록 주어진 입력 및 출력 값 집합을 사용하는 신경망. 그런 다음 훈련 된 신경망을 사용하여 알려지지 않은 데이터에 대한 결과를 예측합니다. 여기서는 가격 데이터와 관련된 결과를 예측하여 이익을 얻을 수 있습니다.

신경 네트워크 : 이익 예측.

신경 회로망은 인간 두뇌의 기능에있어 주요한 측면을 모방하는 최첨단의 훈련 가능한 알고리즘입니다. 이것은 그들에게 독특한, 자체 훈련 능력, 분류되지 않은 정보를 공식화하는 능력, 그리고 가장 중요한 것은 그들이 처분 할 수있는 과거 정보를 기반으로 예측을 할 수있는 능력을 부여합니다.

신경망은 예측 솔루션 및 마케팅 솔루션을 포함한 다양한 비즈니스 애플리케이션에서 점점 더 많이 사용되고 있습니다. 사기 탐지 또는 위험 평가와 같은 일부 영역에서는 논란의 여지가없는 리더입니다. 신경 회로망이 적용되는 주요 분야로는 재무 운영, 기업 기획, 거래, 비즈니스 분석 및 제품 유지 관리가 있습니다. 뉴럴 네트워크는 모든 종류의 거래자들에 의해 유용하게 적용될 수 있습니다. 따라서 당신이 상인이고 아직 뉴런 네트워크에 소개되지 않았다면, 우리는이 기술적 분석 방법을 통해 당신에게 그것을 적용하는 방법을 보여줄 것입니다. 당신의 거래 스타일.

기회를 발견하기 위해 신경망을 사용하십시오.

어떤 종류의 훌륭한 제품이나 기술과 마찬가지로, 신경 네트워크는 신생 시장을 원하는 모든 사람들을 끌어 들이기 시작했습니다. 차세대 소프트웨어에 대한 급류의 광고가 시장에서 홍수를 겪었습니다. 모든 신경 네트워크 알고리즘 중에서 가장 강력한 기능을 자랑하는 광고입니다. 드문 경우에도 광고 주장이 진실과 비슷할 때 효율성이 10 % 증가한 것은 아마도 신경 네트워크에서 얻을 수있는 것임을 명심하십시오. 즉, 기적적인 수익을 내지 않으며 특정 상황에서 얼마나 잘 작동하는지에 관계없이 이전에 사용 된 알고리즘이 우수하게 유지되는 일부 데이터 세트 및 작업 클래스가 있습니다. 이것을 기억하십시오 : 트릭을 수행하는 알고리즘이 아닙니다. 목표 지표에 대한 잘 준비된 입력 정보는 신경망을 성공으로 이끄는 가장 중요한 요소입니다.

더 빠른 컨버전스가 더 좋습니까?

이미 신경 네트워크를 사용하는 많은 사람들이 자신의 그물이 빠를수록 결과가 좋을수록 더 좋다고 잘못 생각합니다. 그러나 이것은 망상이다. 좋은 네트워크는 결과를 산출하는 비율에 의해 결정되지 않으며 사용자는 네트워크가 흘러 드는 속도와 그것이 생산하는 결과의 품질 사이에서 최상의 균형을 찾는 법을 배워야합니다.

신경망의 올바른 적용.

많은 상인들은 적절하게 사용하는 방법에 대한 적절한 지침이 제공되지 않은 채 사용하는 소프트웨어를 너무 많이 신뢰하기 때문에 신경망을 잘못 적용합니다. 신경망을 올바른 방법으로 사용하고 유익하게, 상인은 네트워크 준비주기의 모든 단계에주의를 기울여야합니다. 이 아이디어를 형식화하고, 테스트하고 개선하며, 더 이상 유용하지 않을 때 폐기 할 적절한 순간을 선택하는 것은 아이디어 창안을 책임지는 상인이 아니라 그물망이 아닙니다. 이 중요한 프로세스의 단계를 더 자세히 살펴 보겠습니다.

1. 거래 아이디어를 찾아 내고 공식화하기.

2. 모델의 매개 변수 개선.

3. 모델이 폐기 될 때 폐기.

모든 신경망 기반 모델은 수명이 있으며 무기한으로 사용할 수 없습니다. 모델 수명의 수명은 시장 상황과 시장 상황에 반영되는 시장 상호 의존성이 얼마나 오래 지속되는지에 달려 있습니다. 그러나 조만간 어떤 모델도 쓸모 없게됩니다. 이 경우 완전히 새로운 데이터 (예 : 사용 된 모든 데이터 교체)를 사용하여 모델을 재교육하거나 기존 데이터 세트에 새로운 데이터를 추가하고 모델을 다시 교육하거나 단순히 모델을 폐기 할 수 있습니다.

많은 거래자는 가장 단순한 경로를 따르는 실수를 저 지르며 소프트웨어가 가장 사용자 친화적이고 자동화 된 기능을 제공하는 방법을 많이 사용합니다. 이 간단한 접근 방식은 가격을 몇 막대로 예측하고 거래 시스템을이 예측에 기초합니다. 다른 거래자는 가격 변동 또는 가격 변동 비율을 예측합니다. 이 접근법은 가격을 직접 예측하는 것보다 나은 결과를 거의 얻지 못합니다. 단순한 접근 방식은 중요한 장기간 상호 의존성의 대부분을 밝히지 않고 유용하게 활용하지 못하고 결과적으로 글로벌 추진력이 변함에 따라 모델이 신속하게 쓸모 없게됩니다.

신경망을 사용하는 가장 최선의 전반적인 접근법.

신경망.

신경 네트워크는 거래에서 최근 유행어 중 하나입니다. 시원하고 세련된 것 같습니다. 너무 많은 사람들이 신경 네트워크가 무엇인지를 이해하는 것처럼 보이지 않습니다.

실제 세계의 뉴런.

우리의 두뇌는 놀랍게 복잡합니다. 그러나 대부분의 사람들이 놀랍게도 두뇌는 회로의 거대한 상자라고 할 수 있습니다. 뉴런은 축색이라 불리는 전기 전선이 회로처럼 작동하는 세포입니다. 당신이하는 모든 동작, 인식 또는 행동은 모든 축삭이 전기 충격을 가하는 것의 합입니다. 변화는 뉴런에서 보낸 전기 충격의 빈도가 변할 때마다 발생합니다. 더 많은 충동은 한 반응을 일으키고, 감소는 다른 반응을 일으 킵니다.

뉴럴 네트워크는 정보를 뉴런으로 조직함으로써 인간의 뇌의 과정을 에뮬레이트하려고합니다. 실제 뉴런 세포와는 달리, 네트워크 뉴런은 기계에만 존재합니다. 그것은 연구중인 모든 것에 관한 정보가 들어있는 기계 중량입니다.

거래 시스템을위한 신경 네트워크는 이동 평균, RSI 및 Stochastics 발진기와 같은 공통 지표를 연구하기로 결정할 수 있습니다. 현재 막대의 이동 평균값은 고유 한 뉴런으로 계산됩니다. RSI가 다르므로 별도의 신경이됩니다. 도구 상자에 10 개의 표시기가 있으면 내 네트워크에 10 개의 뉴런이 있습니다.

컴퓨터는 전통적으로 선형적이고 간단한 문제를 해결합니다. 355의 큐브 루트와 같은 수학 연산의 결과를 알고 싶으면 컴퓨터가 작업에 가장 적합합니다. 그들은 신속하게 정확한 답을 계산합니다.

인간의 두뇌와 마찬가지로, 신경 네트워크는 다른 뉴런과 시냅스를 형성합니다. 훈련을 받으면 뉴런 그룹이 패턴을 인식하는 법을 배울 수 있습니다. 신경망을 매우 유용하게 만드는 것은 바로이 속성입니다. 이를 통해 전통적인 컴퓨팅에서는 불가능한 프로그램을 만들 수 있습니다. 예를 들어, 얼굴을 인식하는 소프트웨어 프로그램을 만드는 것은 매우 어려울 것입니다. 네트워크 얼굴을 반복적으로 보여줌으로써 얼굴을 인식하도록 네트워크를 훈련하는 것이 훨씬 쉽습니다.

두뇌는 그 자체로 흥미로운 주제입니다. 제쳐두고, 제 아내와 저는 The Great Courses의 비디오 시리즈를 통해 신경 과학의 설문 코스를 수강하고 있습니다. 주제에 관심이 있으시면 Jeanette Norden의 두뇌 이해하기를 적극 권장합니다. 뉴런이 뇌와 전신을 통해 해부학에 어떻게 연결되는지 자세히 설명합니다.

신경망 및 외환 거래.

신경망은 그 해답이 정확하지 않을 때 작용한다. 이 블로그의 외환 거래 주제를 고수하면 완벽한 거래 시스템을 만드는 것에 대한 정답은 없습니다. 전형적인 소매 투자자는 최고의 거래 시스템이 가장 많은 돈을 버는 시스템이라고 말할 수 있습니다. 또 다른 최고의 거래 시스템은 샤프 비율이 가장 높은 시스템이라고 말할 수 있습니다. 많은 사람들이 중간에 뭔가를 원합니다.

"최상의 거래 시스템"문제는 모호하며, 신경망 공격에 이상적인 후보가됩니다. 디자이너는 상인의 견해로 최상의 시스템을 수치로 측정하는 일련의 규칙을 설명합니다.

인간의 두뇌는 약 1 천억 개의 뉴런을 수용합니다. 많은 고객들의 최선의 노력에도 불구하고 나는 아직 처분 할 수있는 1,000 억 개의 시장 지표를 가진 사람을 만나지 않았습니다. 툴박스에서 뉴런의 효과를 증폭시키는 한 가지 방법은 숨겨진 레이어를 만드는 것입니다.

네트워크는 여러 개의 레이어로 구성되며 각 레이어는 여러 개의 뉴런으로 구성됩니다. 각 뉴런은 다음 계층의 모든 뉴런에 연결됩니다. 모든 연결에는 고유 한 가중치가 적용됩니다. 뉴런은 뉴런 값과 나가는 연결의 무게를 곱함으로써 값을 전달합니다. 나가는 연결의 마지막에있는 뉴런은 들어오는 모든 연결을 요약하고 그 결과를 모든 나가는 연결을 통해 다음 계층으로 전달합니다.

그림은 아이디어를 훨씬 더 직관적으로 만듭니다. 그림 1은 작은 예를 보여줍니다. 왼쪽의 2와 3은 네트워크에 입력됩니다. 이 입력에는 다음 계층에 대한 연결의 가중치가 곱 해집니다. 2는 우리에게 1을주고 0.5는 곱하고 2는 우리에게 6을줍니다. 두 번째 레이어에는 이전 레이어의 결과를 요약 한 노드가 포함되어 있습니다. 다음 단계는 7을 가중치로 곱하는 것입니다. 나가는 연결을 찾아 다음 레이어로 전달합니다.

그림 1 : 결과를 전달하는 신경망의 예.

위의 간단한 예를 반복하여 더 큰 네트워크를 형성하기 위해 함께 연결할 수 있습니다. 아래의 그림 2에는 대규모 네트워크의 예가 나와 있습니다. 예제 네트워크에는 숨겨진 레이어에 연결된 3 개의 입력이 있습니다. 그러면 숨겨진 레이어가 단일 출력에 연결됩니다. 숨겨진 레이어는 교육을 용이하게하기위한 것입니다. 문제가 복잡할수록 더 많은 레이어와 노드가 필요합니다.

그림 2 : 더 큰 신경망의 예.

네트워크는 많은 연결의 가중치를 업데이트하여 학습합니다. 신경 네트워크에서 학습을 수행하는 데 사용되는 많은 소프트웨어 알고리즘이 있습니다. 그들은 감독 학습과 감독되지 않은 학습이라는 두 가지 범주로 나뉩니다. 감독 학습은 사용자가 예측이 올바른지 아닌지 네트워크에 알리는 것으로 수행됩니다. 네트워크는 오류를 계산하고 알고리즘 중 하나를 사용하여 오류를 수정합니다. 이에 대한 예는 네트워크의 예측 오류를 계산하는 역 전파입니다. 그런 다음 네트워크는 빠른 알고리즘을 사용하여 각 연결 가중치를 해당 오류로 업데이트합니다. 역 전파는보다 일반적인 훈련 전략 중 하나입니다.

감독되지 않은 학습은 네트워크가 자체적으로 점수를 매기고 이후의 모든 시도에서 향상 시키려고 시도하는 몇 가지 유형의 적합성 또는 점수 알고리즘을 사용합니다. 감독되지 않은 훈련의 예로 유전 알고리즘이 있습니다. 이 알고리즘은 신경 네트워크의 인구를 생성하고 인구에 순위를 매기도록 사용자가 설계 한 채점 알고리즘을 사용합니다. 그 후, 그것은 적자 생존입니다. 최상위 순위의 네트워크는 머무르고 "재현"되고 최하위 순위는 버려집니다. 네트워크는 연결 가중치를 혼합하고 일치시켜 재생합니다.

신경망은 비교적 작은 도구 모음 도구 모음 사이에서 수십억 가지 조합을 탐색함으로써 알고리즘 설계에서 시스템 거래자를 실질적으로 지원할 수 있습니다. 이것은 표준 조합과는 다르다. 조합은 가장 많은 돈을 돌려주는 조합을 찾는 다양한 지표에 숫자를 연결하는 것과 관련이있다.

네트워크가 최상의 거래 시스템을 결정하기 위해 여러 가지 조치 (균형, Sharpe Ratio 등)를 고려할 수 있다는 사실은 하나의 특정 조치를 지나치게 강조 할 가능성을 줄여줍니다. 좋은 예가 계좌 잔고입니다. 시스템이 순 수익과 위험 조정 수익 사이의 포용력을 얻는다면, 번호 계산에서 벗어나 실제 학습 및 패턴 인식을 향한 최고의 수를 발견하기 시작합니다.

신경망은 얼굴 인식에서부터 통화 시장 예측에 이르기까지 다양한 분야에서 매우 유용하다는 것을 증명하고 있습니다. 그들은 우리가 인식하기 어려운 패턴이있는 곳에서 탁월합니다. 이러한 능력은 네트워크가 여러 변수와 관련된 어려운 문제를 해결하는 데 매우 중요합니다.

캘리포니아 과학.

4011 Seaport Blvd.

웨스트 새크라멘토, CA 95691

BrainMaker 신경 네트워크 소프트웨어.

사용자 친화적 인 신경망 거래 시스템.

Stock Prophet은 BrainMaker 신경망 기술을 채용 한 범용 거래 시스템 개발 도구로 여러 지표를 하나의 명확한 구매 / 판매 신호로 자동 결합합니다. 그것은 주식, 뮤추얼 펀드, 선물 및 기타 금융 상품에 적용될 수 있습니다. Stock Prophet은 Future Wave Software의 제품입니다.

주식 예언자 하이라이트.

증권 선지자는 여러 개의 중간 시장 요인을 명확한 거래 신호로 통합함으로써 거래자를 보조합니다. 많은 시장 분석가들은 좋아하는 지표의 레퍼토리를 가지고 있지만, 시장 방향의 상충되는 징후로 인해 의사 결정이 어렵습니다. Stock Prophet은 신경망 기술을 사용하여 여러 지표를 하나의 명확한 구매 / 판매 신호로 자동 결합합니다. 이는 인공 지능 신경망 기술과 기존의 기술적 분석에 기반한 거래 시스템의 직접적인 개발을 제공함으로써 가능합니다. 결과는 "기관 등급"이다. 기민한 투자자를위한 기술 / 정량 분석 ​​능력. 스톡 예언자의 주요 내용은 다음과 같습니다.

주식, 상품, 뮤추얼 펀드 및 기타 시장에 적용됩니다. 과학적 시뮬레이션은 엄청난 이익 잠재력을 보여줍니다. 무역 실행 날짜 이전의 일과 주에 대한 명확한 신호. 이는 매끄러운 기술을 사용하기 때문에 늦은 모든 기술 지표와는 대조적입니다. 완벽한 트레이딩 시스템은 작은 시간 내에 수익성을 위해 설계, 교육 및 테스트 할 수 있습니다. 전처리를위한 복합 지표의 폭발적인 수치를위한 35 개 이상의 지표와 다른 지표의 지표. 다중 상관 기법을 사용하여 시장 동향을 예측하는 능력에 대한 지표 선택을 분석하여 최상의 지표를 선택하는 데 도움을줍니다. 편리한 Intermarket Capability는 당신에게 가장 중요한 부분입니다. 자동화 MACRO로 인디케이터를 쉽게 업데이트 할 수 있습니다. BrainMaker와 효율적인 인터페이스를 제공하며 Excel로 내보낼 수 있습니다. Computrac / Metastock, Telescan 및 ASCII 데이터 형식 지원. IBM 호환 기용.

주식 예언자의 예측 시스템.

거의 모든 신경 네트워크 담당자가 동의 하듯이, 신경망을 작동하는 가장 어려운 단계는 방대한 양질의 데이터를 모으고 전처리하는 것입니다. 신경망은 강력한만큼 강력한 데이터를 바탕으로 충분한 양의 데이터를 적절한 형식으로 사용하여 마법을 작동시킵니다.

Stock Prophet은 BrainMaker 용 데이터 형식을 지정하는 데 필요한 사전 처리 작업을 자동화하는 동시에 사용자가 다양한 잘 알려진 기술 지표를 통합 할 수 있도록합니다.

기술 편집자 존 스위니 (John Sweeney)는 1995 년 주식 및 상품 분석에서, 신경 회로망 통합은 Stock Prophet의 주요 특징으로 사용자가 "복잡한 규칙을 개발하는 것을 건너 뛸 수 있고 효과가 없어지면 재개발"할 수 있다고 지적했다. . . 사용하려는 가격 계열과 지표를 정의하면 신경망이 나머지를 수행합니다. & quot;

또한 스위니 (Sweeney)의 말처럼 "신경망의 주요 이점은 특정 거래 규칙을 정의 할 필요가 없다는 것입니다. 대신, 신경망은 훈련 중에 데이터로부터 규칙을 도출합니다. 브레인 메이커 (BrainMaker)가 처리 과정에서 다시 지표를 전송할 때 요구되는 유일한 규칙은 0 이상이고 구매는 0이며 그 이하는 판매입니다.

Stock Prophet은 기술 지표 (온 - 밸런스 볼륨, 미결 이익, MACD, 스플릿 볼륨, 가속 등)를 완벽하게 보완하거나 사용자가 다른 프로그램에서 생성 한 다음 ASCII 파일을 통해 가져 오기를 통해 자신의 지표를 구현할 수 있습니다. 또한 Stock Prophet의 데이터 조작 기능에는 detrending, summation, 제한 값, 스케일링, 푸리에 변환 및 바이어스가 포함됩니다. 이러한 표시기 중 일부는 이전에 생성 된 표시기에 적용될 수 있으므로 데이터 사전 처리 옵션이 증가합니다. 이러한 옵션 중 많은 부분 (특히 신경망 데이터 사전 처리 기능)은 Stock Prophet의 매크로 기능을 통해 자동화 할 수 있습니다.

Stock Prophet / BrainMaker 조합의 가치는 Stocks 및 Commodities 'Sweeney에 의해 간결하게 요약됩니다. 거래 신호를 개발하는 Stock Prophet의 독특한 특징은 신경망 지표가 거래일에 앞서 발표 된 미래 추세의 예측이라는 것입니다. . . 당신이 무역에 앞서 10 일 전에 좋은 신호를 얻으면, 당신은 기쁜 야영 자 중 하나가 될 것입니다! 상상할 수 있다면이 프로그램을 사용해보십시오.