Mikä on hermoverkko?
Neuraaliverkko on sarja algoritmeja, jotka pyrkivät tunnistamaan taustalla olevat suhteet tietoryhmässä prosessin avulla, joka jäljittelee ihmisen aivojen toimintaa. Tässä mielessä hermoverkot viittaavat hermosoluihin, joko luonteeltaan orgaanisiin tai keinotekoisiin. Neuraaliverkot voivat mukautua muuttuvaan tuloon; joten verkko tuottaa parhaan mahdollisen tuloksen tarvitsematta muuttaa lähtökriteerejä uudelleen. Neuraaliverkkojen käsite, jonka juuret ovat keinotekoisessa älyssä, on nousussa nopeasti suosiota kauppajärjestelmien kehittämisessä.
Neuraaliverkkojen perusteet
Neuraalit verkot auttavat finanssimaailmassa kehittämään sellaisia prosesseja kuin aikasarjojen ennustaminen, algoritminen kaupankäynti, arvopapereiden luokittelu, luottoriskien mallintaminen ja omistajaindikaattorien ja hintajohdannaisten rakentaminen.
Neuraaliverkko toimii samalla tavalla kuin ihmisen aivojen hermoverkko. Neuraaliverkon “neuroni” on matemaattinen funktio, joka kerää ja luokittelee tietoja tietyn arkkitehtuurin mukaan. Verkko muistuttaa voimakkaasti tilastollisia menetelmiä, kuten käyrän sovitusta ja regressioanalyysiä.
Neuraali verkko sisältää kerroksia toisiinsa kytkettyjä solmuja. Jokainen solmu on perceptron ja on samanlainen kuin useita lineaarisia regressioita. Perceptron syöttää moninkertaisen lineaarisen regression tuottaman signaalin aktivointitoimintoon, joka voi olla epälineaarinen.
Monikerroksisessa perceptronissa (MLP) perceptronit on järjestetty toisiinsa kytkettyihin kerroksiin. Tulokerros kerää syöttökuviot. Lähtökerroksessa on luokituksia tai lähtösignaaleja, joihin tulomallit voivat kohdistua. Kuviot voivat esimerkiksi sisältää luettelon tietoturvan teknisten indikaattoreiden määristä; potentiaaliset tuotokset voivat olla “osta”, “pidä” tai “myy”.
Piilotetut kerrokset hienosäätävät tulojen painotuksia, kunnes hermoverkon virhemarginaali on minimaalinen. On oletettu, että piilotetut kerrokset ekstrapoloivat sisääntulotietojen houkuttelevia piirteitä, joilla on ennusteteho lähtöihin nähden. Tämä kuvaa ominaisuuksien erottamista, joka toteuttaa tilastollisiin tekniikoihin kuten pääkomponenttianalyysiin liittyvän hyödyllisyyden.
Avainsanat
- Neuraaliverkot ovat sarja algoritmeja, jotka matkivat ihmisen aivojen toimintaa tunnistamaan valtavien tietomäärien väliset suhteet. Niitä käytetään monissa sovelluksissa rahoituspalveluissa ennuste- ja markkinointitutkimuksesta petosten havaitsemiseen ja riskien arviointiin. Neuraaliverkkojen käyttö osakemarkkinahintojen ennustamiseen vaihtelee.
Neuraaliverkkojen soveltaminen
Neuraaliverkkoja käytetään laajasti, ja niihin sisältyy sovelluksia taloudelliseen toimintaan, yrityssuunnitteluun, kauppaan, liiketoiminnan analysointiin ja tuotteiden ylläpitoon. Neuraaliverkot ovat myös saaneet laajan käyttöönoton liiketoimintasovelluksissa, kuten ennustamis- ja markkinointitutkimusratkaisut, petosten havaitseminen ja riskien arviointi.
Neuraaliverkko arvioi hintatiedot ja hyödyntää mahdollisuuksia tehdä kauppapäätöksiä data-analyysin perusteella. Verkot voivat erottaa hienoiset epälineaariset riippuvuussuhteet ja mallit, joita muut tekniset analyysimenetelmät eivät pysty. Tutkimuksen mukaan hermoverkkojen tarkkuus osakkeiden hintaennusteiden tekemisessä on erilainen. Jotkut mallit ennustavat oikeat osakehinnat 50–60 prosenttia ajasta, kun taas toiset mallit ovat tarkkoja 70 prosentilla kaikista tapauksista. Jotkut ovat väittäneet, että 10 prosentin parannus tehokkuudessa on kaikki, mitä sijoittaja voi pyytää hermoverkosta.
Aina löytyy tietojoukkoja ja tehtäväluokkia, joita voidaan paremmin analysoida käyttämällä aiemmin kehitettyjä algoritmeja. Merkitystä ei ole niinkään algoritmilla; se on hyvin valmisteltu kohdistetun indikaattorin syöttötieto, joka lopulta määrittää hermoverkon onnistumisen tason.
