Como projetar um Neurais Artificiais Negociação System

das apenas para cada neurônio na camada seguinte. Isto é conseguido através da atribuição de pesos de ligação ou pontos fortes para as ligações. A camada de entrada recebe dados de entrada. O número de neurônios nessa camada é determinada pela quantidade de diferentes categorias de dados são usados, com cada categoria tomando neurônio uma entrada.

Por exemplo, em um sistema de previsão de preços Tbond, se os dados de entrada inclui fechamento diferencial de preço de cada dia entre TBonds eo DMark, iene japonês, Tbills, eurodólar, franco suíço e índice do dólar, bem como a taxa de fundos do Fed e Dow Jones Utility Média (de um total de oito categorias de dados), inicialmente a camada de entrada iria ser composta por oito neurónios.

Se você pré-processar os dados, tendo um impulso de um dia sobre o preço de fechamento de cada um desses mercados, ou suavizar a série temporal com médias móveis, você vai aumentar o número de neurônios de entrada em conformidade. Dependendo do número de mercados de entrada e a amplitude da pré-processamento, não é incomum para um sistema neural para ter várias centenas de neurónios de entrada. Com o aprendizado supervisionado, os dados de entrada de cada dia fornecidas ao sistema durante o treinamento também incluiria preços Tbond do dia seguinte.

Antes de formação deve shufe aleatoriamente os dados de entrada emparelhados, de modo que os dados não são apresentados ao sistema cronologicamente. Os neurônios da camada ocultas não interagem diretamente com o mundo exterior. Este é o local onde a rede cria seu símbolo interno configurado para gravar os dados de entrada em um formulário que captura as relações ocultas dentro dos dados, permitindo que o sistema de generalizar. Selecionando o número apropriado de neurônios na camada oculta e do número de camadas ocultas de usar, é freqüentemente encontrado através da experimentação.

Muito poucos neurônios evitar que o sistema de formação. Se muitos neurônios são selecionados, o sistema memoriza os padrões escondidos, sem ser capaz de generalizar. Então, se for subsequentemente apresentados com padrões diferentes, será incapaz de prever com precisão porque não tem discernido as relações ocultas. O formato da saída que você deseja previsão determina o número de neurônios de saída necessários. Cada categoria saída usa um neurônio.

Se você quer prever o próximo dia de alta, baixa, ponto médio, e uma compra, venda ou ficar de lado sinal para Tbonds, o sistema precisaria de seis neurônios d