Rangkaian saraf adalah paling canggih dalam sains komputer. Mereka pada dasarnya adalah algoritma yang boleh dilatih yang cuba meniru beberapa aspek fungsi otak manusia. Ini memberi mereka keupayaan unik, latihan diri, keupayaan untuk memformalkan maklumat yang tidak dikelaskan dan, yang paling penting, keupayaan membuat ramalan berdasarkan maklumat sejarah yang mereka miliki.
Rangkaian saraf telah digunakan semakin dalam pelbagai aplikasi perniagaan, termasuk penyelesaian penyelidikan ramalan dan pemasaran. Di sesetengah kawasan, seperti pengesanan penipuan atau penilaian risiko, mereka adalah pemimpin yang tidak dapat dipertikaikan. Bidang utama di mana rangkaian saraf telah menemui aplikasi adalah operasi kewangan, perancangan perusahaan, perdagangan, analisis perniagaan, dan penyelenggaraan produk. Rangkaian saraf boleh diterapkan dengan pelbagai jenis peniaga, jadi jika anda seorang peniaga dan anda belum lagi diperkenalkan ke rangkaian saraf, kami akan membawa anda melalui kaedah analisis teknikal ini dan menunjukkan cara untuk menerapkannya kepada gaya dagangan anda.
Kesalahpahaman yang sama
Kebanyakan orang tidak pernah mendengar rangkaian saraf dan, jika mereka bukan peniaga, mereka mungkin tidak perlu tahu apa yang mereka ada. Walau bagaimanapun, apa yang menghairankan adalah hakikat bahawa sejumlah besar orang yang boleh memanfaatkan teknologi neural rangkaian yang kaya ini tidak pernah mendengar tentangnya, mengambilnya untuk ide saintifik tinggi yang tidak dapat dicapai atau memikirkannya sebagai pemasaran yang licin gimmik yang tiada apa yang ditawarkan. Terdapat juga orang-orang yang memenatkan semua harapan mereka pada rangkaian saraf, melegakan mereka selepas beberapa pengalaman positif dan mengenai mereka sebagai penyelesaian peluru perak untuk sebarang masalah. Walau bagaimanapun, seperti apa-apa strategi perdagangan, rangkaian saraf tidak menetapkan segera yang akan membolehkan anda menyerang dengan kaya dengan mengklik butang atau dua. Malah, pemahaman yang betul mengenai rangkaian saraf dan tujuan mereka adalah penting untuk aplikasi mereka yang berjaya. Sejauh yang diperdagangkan, rangkaian saraf merupakan kaedah analisis teknikal yang unik, yang bertujuan untuk mereka yang mengambil pendekatan berfikir untuk perniagaan mereka dan sanggup menyumbang sedikit masa dan usaha untuk membuat kaedah ini berfungsi untuk mereka. Paling penting, apabila digunakan dengan betul, rangkaian saraf boleh membawa keuntungan secara tetap.
Gunakan Rangkaian Neural untuk Membongkar Peluang
Salah faham utama adalah bahawa rangkaian saraf untuk alat ramalan yang boleh menawarkan nasihat tentang cara bertindak dalam keadaan pasaran tertentu. Rangkaian saraf tidak membuat apa-apa ramalan. Sebaliknya, mereka menganalisis data harga dan menemui peluang. Menggunakan rangkaian neural, anda boleh membuat keputusan perdagangan berdasarkan data yang teliti diperiksa, yang tidak semestinya berlaku apabila menggunakan kaedah analisis teknikal tradisional. Untuk pedagang yang serius, pemikiran, rangkaian saraf adalah alat generasi akan datang dengan potensi yang besar yang dapat mengesan keterkaitan dan corak keterkaitan yang tidak linear yang halus yang tidak dapat didedahkan oleh analisis teknikal lain.
The Best Nets
Seperti mana-mana jenis produk atau teknologi yang hebat, rangkaian saraf telah mula menarik minat mereka yang mencari pasaran baru. Torrents iklan tentang perisian generasi akan datang telah membanjiri iklan-iklan yang meraikan yang paling kuat dari semua algoritma rangkaian neural yang pernah dibuat. Walaupun dalam kes-kes yang jarang berlaku apabila tuntutan pengiklanan menyerupai kebenaran, perlu diingat bahawa kenaikan 10% dalam kecekapan mungkin paling banyak yang anda dapat dari rangkaian saraf. Dalam erti kata lain, ia tidak menghasilkan pulangan ajaib, dan tidak kira bagaimana ia berfungsi dalam keadaan tertentu, akan ada beberapa set data dan kelas tugas yang mana algoritma yang digunakan sebelum ini tetap unggul. Ingat ini: bukan algoritma yang melakukan silap mata. Maklumat masukan yang baik mengenai penunjuk yang disasarkan adalah komponen paling penting dalam kejayaan anda dengan rangkaian saraf.
Adakah Penumpuan Cepat Lebih Baik?
Ramai daripada mereka yang sudah menggunakan rangkaian saraf secara faktanya percaya bahawa semakin cepat jaringan mereka memberikan hasil, semakin baik. Walau bagaimanapun, ini adalah khayalan. Rangkaian yang baik tidak ditentukan oleh kadar di mana ia menghasilkan hasil, dan pengguna mesti belajar untuk mencari keseimbangan terbaik antara halaju di mana rangkaian rangkaian dan kualiti hasil yang dihasilkannya.
Permohonan Betang Nets Syaraf
Ramai pedagang menyalahgunakan jaring saraf kerana mereka meletakkan terlalu banyak kepercayaan pada perisian yang mereka gunakan tanpa diberikan arahan yang baik mengenai cara menggunakannya dengan betul. Untuk menggunakan rangkaian saraf dengan cara yang betul dan dengan itu, seorang peniaga perlu memberi perhatian kepada semua peringkat kitaran penyediaan rangkaian. Ia adalah peniaga dan bukan jaringnya yang bertanggungjawab untuk mencipta suatu idea, memformalkan idea ini, menguji dan memperbaikinya, dan, akhirnya, memilih masa yang tepat untuk melupuskannya apabila ia tidak lagi berguna. Marilah kita mempertimbangkan tahap proses penting ini dengan lebih terperinci:
1. Menemukan dan Menormalkan Idea Perdagangan
Seorang peniaga harus memahami sepenuhnya bahawa rangkaian sarafnya tidak bertujuan untuk mencipta idea dan konsep perdagangan yang memenangi. Ia bertujuan untuk menyediakan maklumat yang paling boleh dipercayai dan tepat mengenai seberapa berkesan idea atau konsep perdagangan anda. Oleh itu, anda harus membuat idea dagangan asal dan jelas menentukan tujuan idea ini dan apa yang anda harapkan dapat dicapai dengan menggunakannya. Ini adalah peringkat yang paling penting dalam kitaran penyediaan rangkaian. (Untuk bacaan yang berkaitan, lihat Pelajaran Dari A Diary Trader).
2. Meningkatkan Parameter Model Anda
Seterusnya, anda harus cuba meningkatkan kualiti model keseluruhan dengan mengubah set data yang digunakan dan menyesuaikan parameter yang berlainan.
3. Membuang Model Apabila Menjadi Usang
Setiap model berasaskan rangkaian saraf mempunyai jangka hayat dan tidak boleh digunakan selama-lamanya. Umur panjang umur model bergantung pada keadaan pasaran dan berapa lama hubungan antara pasaran yang tercermin di dalamnya kekal topikal. Walau bagaimanapun, lambat laun mana-mana model menjadi usang. Apabila ini berlaku, anda boleh melatih semula model menggunakan data yang sama sekali baru (iaitu menggantikan semua data yang telah digunakan), menambah beberapa data baru ke set data sedia ada dan melatih model sekali lagi, atau sekadar bersara model sepenuhnya.
Ramai pedagang membuat kesilapan mengikuti laluan yang paling mudah-mereka sangat bergantung pada dan menggunakan pendekatan yang membolehkan perisian mereka memberikan fungsi yang paling mesra pengguna dan automatik. Pendekatan yang paling mudah ini ialah meramalkan harga beberapa bar di hadapan dan mendasarkan sistem perdagangan anda pada ramalan ini. Peniaga lain meramalkan perubahan harga atau peratusan perubahan harga. Pendekatan ini jarang menghasilkan keputusan yang lebih baik daripada meramalkan harga secara langsung. Kedua-dua pendekatan yang sederhana ini gagal untuk mengungkap dan menguasai sebahagian besar saling ketergantungan jangka panjang yang penting dan, sebagai akibatnya, model itu menjadi cepat usang ketika kekuatan pemacu global berubah.
Pendekatan Keseluruhan Optimal untuk Menggunakan Rangkaian Neural
Peniaga yang berjaya akan memberi tumpuan dan menghabiskan sedikit masa memilih item input yang mentadbir untuk rangkaian sarafnya dan menyesuaikan parameter mereka. Dia akan menghabiskan (sekurang-kurangnya) beberapa minggu-dan kadang-kadang sehingga beberapa bulan-menggerakkan rangkaian. Peniaga yang berjaya juga akan menyesuaikan jaringnya kepada keadaan yang berubah sepanjang hayatnya. Kerana setiap rangkaian saraf hanya boleh merangkumi aspek yang agak kecil dari pasaran, rangkaian saraf juga harus digunakan dalam sebuah jawatankuasa. Gunakan banyak rangkaian saraf yang sesuai - keupayaan untuk menggunakan beberapa sekaligus adalah manfaat lain dari strategi ini. Dengan cara ini, setiap jaring berganda ini boleh bertanggungjawab untuk beberapa aspek pasaran tertentu, memberikan anda kelebihan utama di seluruh lembaga. Walau bagaimanapun, adalah disyorkan supaya anda menyimpan bilangan jaring yang digunakan dalam lingkungan lima hingga sepuluh. Akhirnya, rangkaian saraf harus digabungkan dengan salah satu pendekatan klasik. Ini akan membolehkan anda memanfaatkan keputusan yang dicapai dengan lebih baik mengikut keutamaan dagangan anda.
Kesimpulannya
Anda akan mengalami kejayaan sebenar dengan jaring saraf hanya apabila anda berhenti mencari jaring yang terbaik. Lagipun, kunci kejayaan anda dengan rangkaian saraf tidak terletak pada rangkaian itu sendiri, tetapi dalam strategi dagangan anda. Oleh itu, untuk mencari strategi yang menguntungkan yang berfungsi untuk anda, anda mesti membangunkan idea yang kuat mengenai cara membuat jawatankuasa rangkaian saraf dan menggunakannya dalam kombinasi dengan penapis klasik dan peraturan pengurusan wang.
Untuk bacaan yang berkaitan, semak Trading Neural: Kunci Biologi Ke Keuntungan dan Tutorial Pengekodan Sistem Dagangan .
