Neironu tīkli ir vismodernākie datorzinātnēs. Tie būtībā ir apmācāmi algoritmi, kas mēģina atdarināt noteiktus cilvēka smadzeņu darbības aspektus. Tas viņiem dod unikālas pašmācības spējas, spēju formalizēt neklasificētu informāciju un, pats svarīgākais, spēju veikt prognozes, pamatojoties uz viņu rīcībā esošo vēsturisko informāciju.
Neironu tīkli arvien vairāk tiek izmantoti dažādās biznesa lietojumprogrammās, ieskaitot prognozēšanas un mārketinga pētījumu risinājumus. Dažās jomās, piemēram, krāpšanas atklāšanā vai riska novērtēšanā, viņi ir neapstrīdami līderi. Galvenās jomas, kurās neironu tīkli ir atraduši lietojumu, ir finanšu operācijas, uzņēmuma plānošana, tirdzniecība, biznesa analīze un produktu uzturēšana. Neironu tīklus var veiksmīgi izmantot visu veidu tirgotāji, tāpēc, ja jūs esat tirgotājs un jūs vēl neesat iepazīstināts ar neironu tīkliem, mēs jums parādīsim šo tehniskās analīzes metodi un parādīsim, kā to lietot jūsu tirdzniecības stils.
Izplatīti nepareizi priekšstati
Lielākā daļa cilvēku nekad nav dzirdējuši par neironu tīkliem, un, ja viņi nav tirgotāji, viņiem, iespējams, nevajadzēs zināt, kas viņi ir. Pārsteidzošs ir fakts, ka ievērojams skaits cilvēku, kuri varētu gūt labumu no neironu tīkla tehnoloģijas, nekad par to pat nav dzirdējuši, ņem to par cēlsirdīgu zinātnisku ideju, kas viņiem ir nepieejama, vai arī domā par slidenu mārketingu triks, kam nav ko piedāvāt. Ir arī tādi, kas visas cerības piestiprina neironu tīkliem, pēc pozitīvas pieredzes tos lionizējot un uzskatot tos par sudraba lodes risinājumu jebkurai problēmai. Tomēr, tāpat kā jebkura tirdzniecības stratēģija, neironu tīkli nav ātri fiksējami, kas ļaus jums to panākt bagātīgi, noklikšķinot uz pogas vai divām. Faktiski pareiza izpratne par neironu tīkliem un to mērķi ir būtiska to veiksmīgai piemērošanai. Ciktāl tas attiecas uz tirdzniecību, neironu tīkli ir jauna, unikāla tehniskās analīzes metode, kas paredzēta tiem, kuri domā domājot par savu biznesu un ir gatavi veltīt laiku un pūles, lai šī metode darbotos viņu labā. Vislabākais ir tas, ka, pareizi piemērojot, neironu tīkli regulāri var gūt peļņu.
Izmantojiet neironu tīklus, lai atklātu iespējas
Būtisks nepareizs uzskats ir tas, ka neironu tīkli ir paredzēšanas rīks, kas var piedāvāt padomus, kā rīkoties noteiktā tirgus situācijā. Neironu tīkli neveic nekādas prognozes. Tā vietā viņi analizē cenu datus un atklāj iespējas. Izmantojot neironu tīklu, jūs varat pieņemt lēmumu par tirdzniecību, pamatojoties uz rūpīgi pārbaudītiem datiem, kas ne vienmēr notiek, izmantojot tradicionālās tehniskās analīzes metodes. Nopietnam, domājošam tirgotājam neironu tīkli ir nākamās paaudzes rīks ar lielu potenciālu, kas var atklāt smalkas nelineāras savstarpējās atkarības un modeļus, kurus citas tehniskās analīzes metodes nespēj atklāt.
Labākie tīkli
Tāpat kā jebkura veida lielisks produkts vai tehnoloģija, neironu tīkli ir sākuši piesaistīt tos, kas meklē topošu tirgu. Tirgus ir pārpludinājuši strauji reklāmas par nākamās paaudzes programmatūru - reklāmas, kurās atzīmētas visspēcīgākās no visiem jebkad izveidotajiem neironu tīkla algoritmiem. Pat tajos retajos gadījumos, kad reklamēšanas apgalvojumi atgādina patiesību, paturiet prātā, ka efektivitātes pieaugums par 10%, iespējams, ir lielākais, ko jūs kādreiz iegūsit no neironu tīkla. Citiem vārdiem sakot, tas nesniedz brīnumainas atdeves, un neatkarīgi no tā, cik labi tas darbojas konkrētā situācijā, būs dažas datu kopas un uzdevumu klases, kurām iepriekš izmantotie algoritmi joprojām ir pārāki. Atcerieties to: triks nav algoritms. Labi sagatavota ievades informācija par mērķa indikatoru ir vissvarīgākā sastāvdaļa jūsu panākumos neironu tīklos.
Vai ātrāka konverģence ir labāka?
Daudzi no tiem, kuri jau izmanto neironu tīklus, kļūdaini uzskata, ka jo ātrāk viņu tīkls nodrošina rezultātus, jo labāks tas ir. Tas tomēr ir malds. Labu tīklu nenosaka ātrums, kādā tas rada rezultātus, un lietotājiem ir jāiemācās atrast vislabāko līdzsvaru starp ātrumu, ar kādu tīkls trenējas, un iegūto rezultātu kvalitāti.
Neironu tīklu pareiza piemērošana
Daudzi tirgotāji nepareizi piemēro neironu tīklus, jo viņi pārāk daudz uzticas programmatūrai, kuru viņi izmanto visi, ja viņiem nav sniegti labi norādījumi par to, kā pareizi lietot. Lai neironu tīklu izmantotu pareizajā veidā, tādējādi tirgotājam jāpievērš uzmanība visiem tīkla sagatavošanas cikla posmiem. Tirgotājs, nevis viņa tīkls, ir atbildīgs par idejas izgudrošanu, šīs idejas formalizēšanu, testēšanu un uzlabošanu un, visbeidzot, pareizā brīža izvēli, lai to realizētu, kad tā vairs nav lietderīga. Ļaujiet mums sīkāk apsvērt šī izšķirošā procesa posmus:
1. Tirdzniecības idejas atrašana un noformēšana
Tirgotājam pilnībā jāsaprot, ka viņa vai viņas neironu tīkls nav paredzēts veiksmīgu tirdzniecības ideju un koncepciju izgudrošanai. Tas ir paredzēts, lai sniegtu iespējami uzticamāko un precīzāko informāciju par to, cik efektīva ir jūsu tirdzniecības ideja vai koncepcija. Tādēļ jums vajadzētu nākt klajā ar oriģinālu tirdzniecības ideju un skaidri definēt šīs idejas mērķi un to, ko jūs plānojat sasniegt, izmantojot to. Šis ir vissvarīgākais tīkla sagatavošanas cikla posms. (Papildinformāciju lasiet sadaļā Tirgotāja dienasgrāmata.)
2. Jūsu modeļa parametru uzlabošana
Pēc tam jums jācenšas uzlabot vispārējo modeļa kvalitāti, mainot izmantoto datu kopu un pielāgojot atšķirīgos parametrus.
3. Modeļa iznīcināšana, kad tas noveco
Katram neironu tīkla modelim ir kalpošanas laiks, un to nevar izmantot bezgalīgi. Modeļa kalpošanas ilgums ir atkarīgs no tirgus situācijas un no tā, cik ilgi tajā atspoguļotās tirgus savstarpējās atkarības paliek aktuālas. Tomēr agrāk vai vēlāk jebkurš modelis noveco. Kad tas notiek, jūs varat vai nu pārkvalificēt modeli, izmantojot pilnīgi jaunus datus (ti, aizstāt visus izmantotos datus), pievienot dažus jaunus datus esošajai datu kopai un vēlreiz apmācīt modeli, vai arī modeli vienkārši pārtraukt.
Daudzi tirgotāji pieļauj kļūdu, izvēloties vienkāršāko ceļu - viņi ļoti paļaujas un izmanto pieeju, kurai viņu programmatūra nodrošina lietotājam draudzīgāko un automatizēto funkcionalitāti. Šī visvienkāršākā pieeja ir cenas prognozēšana dažiem bāriem uz priekšu un jūsu tirdzniecības sistēmas balstīšana uz šo prognozi. Citi tirgotāji prognozē cenu izmaiņas vai procentuālās izmaiņas. Šī pieeja reti dod labākus rezultātus nekā tieši prognozējot cenu. Abas vienkāršotās pieejas nespēj atklāt un izdevīgi izmantot lielāko daļu svarīgāko ilgtermiņa savstarpējo atkarību, un rezultātā modelis ātri noveco, mainoties globālajiem virzošajiem spēkiem.
Optimālākā vispārējā pieeja neironu tīklu izmantošanai
Veiksmīgs tirgotājs koncentrēsies un pavadīs diezgan daudz laika, izvēloties sava nervu tīkla galvenos ievades elementus un pielāgojot to parametrus. Viņš vai viņa pavadīs (vismaz) vairākas nedēļas - un dažreiz līdz pat vairākus mēnešus - tīkla izvietošanā. Veiksmīgs tirgotājs arī pielāgos savu tīklu mainīgajiem apstākļiem visā tā kalpošanas laikā. Tā kā katrs neironu tīkls var aptvert tikai salīdzinoši nelielu tirgus aspektu, komitejā būtu jāizmanto arī neironu tīkli. Izmantojiet pēc iespējas vairāk neironu tīklu - vēl viena šīs stratēģijas priekšrocība ir spēja izmantot vairākus vienlaikus. Tādā veidā katrs no šiem daudzajiem tīkliem var būt atbildīgs par kādu konkrētu tirgus aspektu, sniedzot jums lielas priekšrocības visās jomās. Tomēr ieteicams saglabāt izmantoto tīklu skaitu diapazonā no pieciem līdz desmit. Visbeidzot, neironu tīkli jāapvieno ar vienu no klasiskajām pieejām. Tas ļaus jums labāk izmantot sasniegtos rezultātus atbilstoši jūsu tirdzniecības vēlmēm.
Secinājums
Īstus panākumus ar neironu tīkliem jūs pieredzēsit tikai tad, kad pārtrauksit meklēt labāko tīklu. Galu galā, panākumu atslēga ar neironu tīkliem slēpjas nevis pašā tīklā, bet gan jūsu tirdzniecības stratēģijā. Tāpēc, lai atrastu rentablu stratēģiju, kas darbojas jūsu labā, jums jāizstrādā spēcīga ideja par to, kā izveidot neironu tīklu komiteju un izmantot tos kombinācijā ar klasiskajiem filtriem un naudas pārvaldības noteikumiem.
Par saistīto lasīšanu skatiet Neironu tirdzniecība: Bioloģiskās atslēgas peļņai un Tirdzniecības sistēmu kodēšanas apmācība .
