Trading Strategia Neural Network

Direi che nel contesto del commercio in generale (per HFT vedere il mio commento di cui sopra) ulteriori sviluppi delle reti neurali ricorrenti (RNN), ad esempio, cosiddette reti storiche coerenti neurali (HCNN) insieme a formazioni di previsione, sono allo stato dell'arte. Ho pubblicato un articolo su quella che sarà pubblicato questo mese da Springer Verlag (Zimmermann, Grothmann, Tietz, von Jouanne-Diedrich: Modellazione di mercato, Previsione e analisi dei rischi con storici coerenti Reti Neurali) Solo per darvi un'idea del nuovo paradigma ecco un breve estratto: In questo articolo, vi presentiamo un nuovo tipo di recidiva NN, chiamato rete neurale coerente storico (HCNN). HCNNs consentono la modellazione di altamente interagenti sistemi dinamici non lineari su più scale temporali. HCNNs non opera alcuna distinzione tra gli ingressi e le uscite, ma osservabili modello incorporato nella dinamica di un grande spazio degli stati. Il RNN viene utilizzato per modellare e prevedere un sistema dinamico aperto utilizzando un approccio di regressione non lineare. Molte applicazioni tecniche ed economiche del mondo reale devono comunque essere visti nel contesto dei grandi sistemi in cui varie dinamiche (non lineare) interagiscono tra loro nel tempo. Proiettata su un modello, questo significa che noi non fanno distinzione tra ingressi e uscite, ma parliamo di osservabili. A causa della osservabilità parziale di grandi sistemi, dobbiamo stati nascosti per poter spiegare le dinamiche delle osservabili. Osservabili e variabili nascoste dovrebbero essere trattati dal modello nello stesso modo. Il termine osservabili abbraccia l'input e variabili di uscita (i e Y:.. (Y u).). Se siamo in grado di implementare un modello in cui la dinamica di tutte le osservabili possono essere descritti, saremo in grado di chiudere il sistema aperto. e dalla conclusione: La modellazione congiunta delle variabili nascoste e osservate nelle grandi reti neurali ricorrenti fornisce nuove prospettive per la pianificazione e la gestione del rischio. L'approccio insieme sulla base di HCNN offre un approccio alternativo alla previsione di future distribuzioni di probabilità. HCNNs danno una perfetta descrizione della dinamica delle osservabili in passato. Tuttavia, l'osservabilità parziale del mondo si traduce in una ricostruzione non univoco delle variabili nascoste e quindi, diversi scenari futuri. Poiché l'autentico sviluppo della dinamica è sconosciuto e tutti i percorsi hanno la stessa probabilità, la media del complesso può essere considerato come il miglior previsioni, mentre la larghezza di banda della distribuzione descrive il rischio di mercato. Oggi, usiamo le previsioni HCNN per prevedere i prezzi di energia e metalli preziosi per ottimizzare i tempi delle decisioni in materia di appalti. Lavori in corso riguarda l'analisi delle proprietà del complesso e l'attuazione di tali concetti nelle applicazioni pratiche di gestione del rischio e di mercato finanziario. Modificare parti della carta possono ora essere visualizzati pubblicamente: Qui dipende dai dati che si sta tentando di modellare. Se il regime di esperienza dei dati cambia poi qualcosa con una funzione sigmoide (arctan, htan.) Se i dati sono per lo più lineare ma ha qualche deviazione utilizzare una polarizzazione radiale. Queste sono le linee guida generali per le reti neurali. La frequenza dei dati non è rilevante per le dichiarazioni di cui sopra. Ricordate che qualsiasi insieme di funzioni di base può essere fatto per adattarsi a qualsiasi insieme di dati. L'idea è quella di utilizzare le funzioni che rivelano alcuni sotto giace la verità sui dati. Dipende dai dati, orizzonte, ingressi, ecc Wavelet trasforma sembra essere buono per ridurre il tempo, e PCA sembra essere buono per ridurre le attività. C'è stato un sacco di lavoro svolto in questa zona, quindi ad esempio guardare ai moduli Jurik Research WAV e DDR. I loro risultati indicano che non si sa che esclude (giorni per EOD) è il più informativo e anche quali caratteristiche sono il più informativo - così crollare tramite wavelet offre un vantaggio. Ho guardato NN molto e non credo che conoscere il passato aiuta a prevedere il futuro. Il brevetto che Vantagepoint ottenuto approvato non aveva alcun senso a tutti - ma forse il loro Intermarket analisi aiuta risposto 28 Mar 14 at 1:51 dalla nostra esperienza, lavorando su tutti i giorni lasso di tempo non ha bisogno di tale approccio non lineare (NN, RNN, SVM. ) Tutti i giorni di apertura e chiusura sono pricesvolume così informativo che semplice VARMA (modello lineare) a spiegare i prezzi titoli dinamici con grande precisione. ma wr devono riconoscere che puting piedini in intraday è una storia completamente diversa. dobbiamo ammettere che l'uso di approccio non lineare dinamica ha un valore reale rispetto ai modelli classici econometricprobabilistics lineari. Nonostante ciò, continuiamo a evitare un massimo tempo possibile di tale approccio non lineare, perché ciò che è ben compreso deve essere ablle essere spiegato in modo semplice, e questo tipo di modelli presenta caratteristiche troppo nascoste. risposto 25 ottobre 16 ad 9:59 tua risposta 2017 Stack Exchange, IncNeural Reti: Utili Previsione Le reti neurali sono state-of-the-art, algoritmi addestrabili che emulano alcuni aspetti importanti nel funzionamento del cervello umano. Questo dà loro un unico, capacità di auto-formazione, la capacità di formalizzare informazioni non classificate e, soprattutto, la capacità di fare previsioni sulla base delle informazioni storiche che hanno a loro disposizione. Le reti neurali sono sempre più utilizzati in una varietà di applicazioni, tra previsione e commercializzazione soluzioni di ricerca. In alcune zone, come il rilevamento di frodi o di valutazione del rischio. essi sono i leader indiscussi. I principali campi in cui le reti neurali hanno trovato applicazione sono operazioni finanziarie, pianificazione aziendale, commerciali, business analytics e di manutenzione del prodotto. Le reti neurali possono essere applicati retribuito da tutti i tipi di commercianti, quindi se sei un commerciante e si havent ancora stati introdotti per le reti neurali, bene si prende attraverso questo metodo di analisi tecnica e di mostrare come applicare al vostro stile di trading. Comuni Delusions La maggior parte delle persone non hanno mai sentito parlare di reti neurali e, se arent commercianti, essi non probabilmente bisogno di sapere che cosa sono. Che cosa è veramente sorprendente, tuttavia, è il fatto che un enorme numero di coloro che potrebbero beneficiare pienamente dalla tecnologia di reti neurali non hanno mai nemmeno sentito parlare, dare per un'idea scientifica alto o pensare ad essa come di una trovata di marketing chiazza di petrolio. Ci sono anche quelli che riporre tutte le loro speranze su reti neurali, lionizing le reti dopo qualche esperienza positiva con loro e loro per quanto riguarda come soluzione d'argento-proiettile a qualsiasi tipo di problema. Tuttavia, come ogni strategia di trading. le reti neurali sono quick-fix che vi permetterà di diventare ricco facendo clic su un pulsante o due. Infatti, la corretta comprensione delle reti neurali e il loro scopo è vitale per la loro applicazione di successo. Per quanto riguarda il commercio è interessato, le reti neurali sono un nuovo, unico metodo di analisi tecnica, destinato a coloro che adottano un approccio di pensiero per il loro business e sono disposti a contribuire po 'di tempo e lo sforzo per rendere questo metodo di lavoro per loro. Meglio di tutti, se applicato correttamente, le reti neurali possono portare un profitto su base regolare. Utilizzare Reti Neurali per scoprire le opportunità Un grande malinteso è che molti commercianti scambiano reti neurali per uno strumento di previsione in grado di offrire consigli su come agire in una particolare situazione di mercato. Le reti neurali non fanno alcuna previsione. Invece, essi analizzano i dati sui prezzi e le opportunità Uncover. Utilizzando una rete neurale, si può prendere una decisione commerciale sulla base accuratamente analizzato i dati, che non è necessariamente il caso quando si utilizzano i metodi tradizionali di analisi tecnica. Per un serio, pensando commerciante, le reti neurali sono uno strumento di nuova generazione con un grande potenziale in grado di rilevare le interdipendenze e modelli che altri metodi di analisi tecnica sono in grado di scoprire le sottili non lineari. I migliori Nets Proprio come qualsiasi tipo di grande prodotto o della tecnologia, le reti neurali hanno iniziato ad attrarre tutti coloro che sono alla ricerca di un mercato in erba. Torrenti di annunci su un software di nuova generazione hanno invaso il mercato - annunci che celebrano il più potente di tutti gli algoritmi di reti neurali mai creato. Anche in quei rari casi in cui affermazioni pubblicitarie ricordano la verità, di tenere presente che un aumento del 10 in efficienza è probabilmente il più si potrà mai ottenere da una rete neurale. In altre parole, non produce ritorni miracolosi e senza riguardo a come funziona in una situazione particolare, ci saranno alcune serie di dati e classi di attività per i quali gli algoritmi utilizzati in precedenza rimangono superiori. Ricorda questo: la sua non è l'algoritmo che fa il trucco. informazioni di input ben preparato da l'indicatore di mira è la componente più importante del vostro successo con le reti neurali. È più veloce convergenza Meglio Molti di coloro che già utilizzano le reti neurali credono erroneamente che il più veloce la loro rete fornisce i risultati, meglio è. Questo, tuttavia, è un delirio. Una buona rete non è determinata dalla velocità con cui si produce risultati e gli utenti devono imparare a trovare il miglior equilibrio tra la velocità alla quale i treni di rete e la qualità dei risultati che produce. Corretta applicazione delle Reti Neurali Molti commercianti si applicano le reti neurali in modo non corretto, perché pongono troppa fiducia nel software che usano il tutto senza essere stati forniti con le istruzioni adeguate su come usarlo correttamente. Per utilizzare una rete neurale nel modo giusto e, quindi, esercitano un'attività, un commerciante dovrebbe prestare attenzione a tutte le fasi del ciclo di preparazione della rete. E 'il commerciante e non la sua rete che è responsabile di inventare un'idea, formalizzare questa idea, testare e migliorare, e, infine, la scelta del momento giusto per disporne quando il suo non è più utile. Consideriamo le tappe di questo processo cruciale in dettaglio: 1. Ricerca e formalizzare una idea Trading Un trader dovrebbe comprendere appieno che la sua rete neurale non è destinato ad inventare vincenti idee di trading e concetti. Esso è destinato per fornire le informazioni più affidabili e precise possibile in quanto sia efficace la vostra idea di negoziazione o concetto è. Pertanto, si dovrebbe venire con un'idea commerciale originale e definire chiaramente lo scopo di questa idea e cosa vi aspettate di ottenere impiegando esso. Questa è la fase più importante del ciclo di preparazione della rete. (Per la lettura correlate, vedere lezioni da un Traders Diario.) 2. Migliorare i parametri del vostro prossimo modello, si dovrebbe cercare di migliorare la qualità complessiva del modello modificando il set di dati utilizzati e la regolazione del diverso i parametri. Figura 1: Specificare l'algoritmo di ottimizzazione e le sue proprietà 3. Smaltimento del Modello quando diventa obsoleto Ogni modello basato neurale rete ha una durata di vita e non può essere utilizzato a tempo indeterminato. La longevità di un arco di modelli di vita dipende dalla situazione del mercato e da quanto tempo le interdipendenze mercato riflessa in esso rimangono d'attualità. Tuttavia, prima o poi qualsiasi modello diventa obsoleto. Quando questo accade, è possibile riqualificare il modello utilizzando completamente nuovi dati (cioè sostituire tutti i dati che è stato utilizzato), aggiungere alcuni nuovi dati per il set di dati esistenti e formare di nuovo il modello, o semplicemente andare in pensione il modello del tutto. Molti commercianti fanno l'errore di seguire il percorso più semplice - si basano pesantemente sul e utilizzare l'approccio per cui il loro software fornisce il più user-friendly e funzionalità automatizzate. Questo approccio più semplice sta prevedendo un prezzo alcuni bar avanti e basando il sistema di trading su questa previsione. Altri commercianti prevedono variazione di prezzo o la percentuale della variazione di prezzo. Questo approccio dà raramente risultati migliori rispetto previsione direttamente il prezzo. Entrambi gli approcci semplicistici riescono a scoprire e gainfully sfruttano la maggior parte delle importanti interdipendenze a lungo termine e, di conseguenza, il modello diventa rapidamente obsolete globale cambiamento forze motrici. L'approccio più ottimale complesso a Utilizzo reti neurali Un trader di successo si concentrerà e trascorrere un po 'di tempo selezionando gli elementi di input che governano per la sua rete neurale e regolando i loro parametri. Lui o lei passerà da (almeno) alcune settimane - e, a volte fino a diversi mesi - la distribuzione della rete. Un trader di successo sarà anche regolare la propria rete alle mutevoli condizioni per tutta la sua durata di vita. Poiché ogni rete neurale può coprire solo una parte relativamente piccola aspetto del mercato, reti neurali dovrebbero essere utilizzati anche in una commissione. Utilizzare il maggior numero di reti neurali a seconda dei casi - la capacità di impiegare diversi in una sola volta è un altro vantaggio di questa strategia. In questo modo, ognuno di questi molteplici reti possono essere responsabili di qualche aspetto specifico del mercato, dando un vantaggio importante su tutta la linea. Tuttavia, si consiglia di mantenere il numero delle reti che si utilizzano all'interno della gamma di cinque a 10. Infine, le reti neurali dovrebbero essere combinati con uno degli approcci classici. Questo vi permetterà di sfruttare meglio i risultati ottenuti in base alle vostre preferenze di trading. Conclusione Vivrete vero successo con le reti neurali solo quando si smette di cercare la migliore rete. Dopo tutto, la chiave del vostro successo con le reti neurali non sta nella rete stessa, ma nella vostra strategia di trading. Pertanto, per trovare una strategia proficua che funziona per voi, è necessario sviluppare una forte idea su come creare un comitato di reti neurali e li usa in combinazione con filtri classici e le regole di gestione del denaro. Per la lettura correlata, controlla Neural Trading: Chiavi biologico per profitto e il Trading Systems Coding Tutorial. Una teoria economica della spesa totale per l'economia e dei suoi effetti sulla produzione e l'inflazione. economia keynesiana è stato sviluppato. Una partecipazione di un bene in un portafoglio. Un investimento di portafoglio è realizzato con l'aspettativa di guadagnare un ritorno su di esso. Questo. Un rapporto sviluppato da Jack Treynor che misura i rendimenti ottenuti, superiori a quelle che avrebbero potuto essere guadagnati su un privo di rischio. Il riacquisto delle azioni in circolazione (riacquisto) da parte di una società al fine di ridurre il numero di azioni sul mercato. Aziende. Il rimborso fiscale è un rimborso sulle tasse pagate ad un individuo o famiglia quando l'onere fiscale effettivo è inferiore alla quantità. Il valore monetario di tutti i beni finiti e servizi prodotti all'interno di un confini country039s in un momento specifico della rete period. Neural rete neurale è una delle parole d'ordine più recenti nel commercio. Sembra fresco e sofisticato. Non troppe persone sembrano capire quali reti neurali sono tutti circa. I neuroni nel mondo reale I nostri cervelli sono straordinariamente complicato. Ciò che sorprende la maggior parte delle persone, tuttavia, è che il cervello è più o meno un enorme scatola di circuiti. I neuroni sono cellule che agiscono come circuiti con fili elettrici, chiamati assoni, esaurite e collegano attraverso il corpo umano. Ogni movimento, percezione o azione che si fa è la somma di tutti gli assoni di cottura impulsi elettrici. Cambiamento si verifica quando la frequenza degli impulsi elettrici inviati dal neurone varia. Ulteriori impulsi provocano una reazione, una riduzione provoca un'altra. Le reti neurali tentano di emulare processi del cervello umano organizzando le informazioni in neuroni. A differenza delle cellule neuronali reali, un neurone rete esiste solo nella macchina. Il suo un peso della macchina che contiene informazioni su tutto ciò che è in fase di studio. Una rete neurale per un sistema di negoziazione potrebbe decidere di studiare gli indicatori comuni, come una media mobile, l'oscillatore RSI e stocastico. Il valore della media mobile per la barra corrente conta come proprio neurone. L'RSI è diverso, quindi si arriva a essere un neurone separata. Se ho dieci indicatori nella mia cassetta degli attrezzi, poi ho 10 neuroni nella mia rete. Computer tradizionalmente risolvere, problemi semplici lineari. Se si vuole conoscere il risultato di operazioni matematiche, come la radice cubica di 355, i computer sono perfetti per il compito. Hanno rapidamente calcolano una risposta precisa. Come nel cervello umano, le reti neurali formano sinapsi con altri neuroni. Quando addestrato, gruppi di neuroni possono imparare a riconoscere i modelli. E 'questa proprietà che rende le reti neurali così utile. Questo ci permette di creare programmi che sarebbero impossibili con l'informatica tradizionale. Creazione di un programma software per riconoscere una faccia, ad esempio, sarebbe estremamente difficile. E 'molto più facile da addestrare una rete di riconoscere un volto mostrando ripetutamente le facce di rete. Il cervello è un argomento affascinante di per sé. Per inciso, io e mia moglie stanno prendendo un corso di un'indagine in neuroscienze attraverso una serie di video di I Grandi Corsi. Se si dispone di alcun interesse a tutti in materia, mi raccomando comprensione del cervello da Jeanette Norden. Esso copre in dettaglio come i neuroni si connettono all'anatomia in tutto il cervello e tutto il corpo. Reti neurali e reti neurali Forex Trading entrano in gioco quando la risposta non è così precisa. Attaccando con questo blog tema del forex trading, non c'è una risposta giusta a ciò che rende il sistema commerciale perfetta. Un tipico investitore al dettaglio potrebbe dire il miglior sistema di trading è quello che fa la maggior parte dei soldi. Un altro potrebbe dire il miglior sistema commerciale è quello con il più alto rapporto Sharpe. Molti vogliono qualcosa in mezzo. Il miglior sistema di trading problema è ambigua, il che lo rende un candidato ideale per attaccare con le reti neurali. Il progettista delinea insiemi di regole che, secondo gli operatori, formano un modo numerica di misurare il miglior sistema. Il cervello umano ospitano circa 100 miliardi di neuroni. Nonostante i migliori sforzi di molti dei nostri clienti, devo ancora incontrare qualcuno con 100 miliardi di indicatori di mercato a loro disposizione. Un modo per amplificare l'effetto di neuroni nel nostro toolbox è quello di creare strati nascosti. Una rete è costituita da più strati, ciascuno composto con più neuroni. Ciascun neurone è collegato ad ogni neurone nello strato successivo. Ogni connessione allora porta il suo proprio valore ponderato unico. Un neurone passerà sul suo valore moltiplicando il valore del neurone e dal peso della connessione in uscita. Il neurone al termine della connessione in uscita riassumerà tutte le connessioni in entrata e propagare il risultato sullo strato successivo attraverso tutte le connessioni in uscita. Immagini rendono l'idea molto più intuitiva. Figura 1 contiene un piccolo esempio. Il 2 e 3 a sinistra sono gli ingressi nella rete. Questi ingressi vengono moltiplicati per il peso del collegamento allo strato successivo. Il 2 viene moltiplicato per 0,5 dandoci 1, e 3 da 2 dandoci 6. Il secondo strato contiene un nodo che riassume i risultati del livello precedente, dandoci 7. Il passo successivo sarebbe quello di moltiplicare le 7 dai pesi su le connessioni in uscita e la passano al livello successivo. Figura 1: Un esempio di moltiplicazione rete neurale risultati avanti. Il breve esempio precedente può essere ripetuta e concatenati per formare una rete più ampia. Questi, in figura 2, abbiamo un esempio di una rete più ampia. La rete di esempio ha 3 ingressi collegati ad un livello nascosto. Lo strato nascosto è quindi collegato ad una singola uscita. Gli strati nascosti sono per facilitare la formazione. Più complesso è il problema più strati e nodi necessari. Figura 2: Un esempio di una rete neurale grande. La rete impara aggiornando i pesi delle sue molteplici connessioni. Esistono molti algoritmi software che sono usati per eseguire l'apprendimento nelle reti neurali. Esse si dividono in due categorie, l'apprendimento supervisionato e apprendimento non supervisionato. apprendimento supervisionato è compiuta con l'utente dicendo la rete, se le sue previsioni sono corrette o meno. La rete calcola suo errore e utilizza uno degli algoritmi per correggere l'errore. Un esempio di questo è propagazione inversa, che calcola l'errore di predizione reti. La rete utilizza quindi un rapido algoritmo per aggiornare ogni dei pesi relazione a tale errore. propagazione inversa è una delle strategie di formazione comune. apprendimento non supervisionato usa un certo tipo di algoritmo di fitness o di punteggio in cui la rete si segnerà con e cercare di migliorare ogni tentativo successivo. Un esempio di formazione senza sorveglianza è l'algoritmo genetico. Questo algoritmo crea una popolazione di reti neurali e utilizza un algoritmo di scoring progettata dall'utente per classificare la popolazione. Dopo di che, è la sopravvivenza del più adatto. Le reti classifica top arrivare a rimanere e riprodursi e la parte inferiore classificato ottenere buttato fuori. Le reti si riproducono per miscelazione e la congruenza pesi delle connessioni. Le reti neurali possono aiutare sostanzialmente sistemi di commercianti nella loro progettazione di algoritmi esplorando miliardi di combinazioni tra una parte relativamente piccola cassetta degli attrezzi di indicatori. Questo differisce da ottimizzazione standard, che coinvolge i numeri collegare in vari indicatori in cerca di qualunque combinazione restituisce la maggior parte dei soldi. Il fatto che le reti possono prendere in considerazione misure multiple (equilibrio, indice di Sharpe, ecc) per determinare il miglior sistema di trading aiuta a ridurre la probabilità che essa livello eccessivo di una misura particolare. Un buon esempio di questo è saldo del conto. Se un sistema pesa il dare e avere tra il rendimento netto e il ritorno del rischio aggiustato, comincia a allontanarsi da macinare numeri per scoprire i migliori numeri da utilizzare e la testa verso l'apprendimento reale e pattern recognition. Le reti neurali si stanno dimostrando di essere molto utile in una vasta gamma di applicazioni, dai riconoscimento facciale a previsioni di mercato di valuta. Essi eccellono dove ci sono modelli che sono difficili per noi riconoscere. Questa capacità rende le reti preziose per risolvere i problemi difficili che coinvolgono più variabili. Lascia un commento Cancella replyNeural Networks imparare forex Trading Strategies L'ultima novità nel mondo Forex è reti neurali, un termine preso da parte della comunità di intelligenza artificiale. In termini tecnici, le reti neurali sono dati i metodi di analisi che consistono di un gran numero di unità di elaborazione che sono collegati tra loro da probabilità ponderata. In termini più semplici, le reti neurali sono un modello vagamente simile al modo in cui il cervello umano funziona e apprende. Per diversi decenni, quelli della comunità di intelligenza artificiale hanno utilizzato il modello di rete neurale nella creazione di computer che 39think39 e 39learn39 sulla base dei risultati delle loro azioni. Diversamente dalla struttura dati tradizionali, reti neurali prendono in più flussi di dati e di uscita uno risultato. Se there39s un modo per quantificare i dati, there39s un modo per aggiungerlo ai fattori presi in considerazione nel fare una previsione. They39re spesso usato nel Forex software di previsione di mercato perché la rete può essere addestrato per interpretare i dati e trarre una conclusione da esso. Prima che possano essere di qualche utilità nel fare previsioni Forex, reti neurali devono essere 39trained39 riconoscere e regolare per i modelli che sorgono tra ingresso e uscita. La formazione e la sperimentazione può richiedere molto tempo, ma è ciò che dà reti neurali la loro capacità di prevedere i risultati futuri basandosi sui dati storici. L'idea di base è che quando sono presentati con esempi di coppie di dati di ingresso e di uscita, la rete può 39learn39 le dipendenze, e applicare tali dipendenze quando sono presentati con i nuovi dati. Da lì, la rete può confrontare la propria uscita per vedere come vicino per correggere la previsione era, e tornare indietro e regolare il peso dei vari dipendenze fino a raggiungere la risposta corretta. Ciò richiede che la rete sia allenato con due set di dati separati mdash la formazione e l'insieme di test. Uno dei punti di forza di reti neurali è che può continuare ad imparare confrontando le proprie previsioni con i dati che viene continuamente alimentata ad esso. Le reti neurali sono anche molto bravo a combinare i dati sia tecnici e fondamentali, rendendo così un meglio di entrambi i mondi scenario. La loro stessa potenza permette loro di trovare modelli che potrebbero non essere stati presi in considerazione, e si applicano i modelli di previsione a venire con risultati incredibilmente accurati. Purtroppo, questa forza può anche essere una debolezza nell'uso delle reti neurali per le previsioni commerciali. In definitiva, l'uscita è solo buono come ingresso. Sono molto bravi a correlare i dati anche quando si mangimi loro enormi quantità di esso. Sono molto bravi a estrarre i modelli da tipi ampiamente disparate di informazioni mdash anche quando esiste nessun modello o relazione. La sua altra grande forza mdash la capacità di applicare l'intelligenza senza emozione mdash dopo tutto, un computer doesn39t hanno un mdash ego può diventare anche un punto debole quando si tratta di un mercato volatile. Quando viene introdotto un'incognita, la rete neurale artificiale non ha modo di assegnare un peso emotivo a tale elemento. Al momento non ci sono decine di piattaforme di trading Forex sul mercato che incorporano teoria delle reti neurali e la tecnologia per 39teach39 rete il sistema e lasciarlo fare previsioni e generare ordini buysell basati su di esso. La cosa importante da tenere a mente è che la regola di base del Forex trading si applica quando si inizia a costruire la vostra rete neurale mdash educare se stessi e sapere cosa fare you39re. Sia you39re che fare con l'analisi tecnica, i fondamentali, le reti neurali o le proprie emozioni, la cosa più importante che si può fare per garantire il vostro successo nel commercio di Forex è quello di imparare tutto il possibile. da Duncan McQueen