Nöral ağlar - sayfa 25

 

Predicting the direction and movement of stock index prices is difficult, often leading to excessive trading, transaction costs, and missed opportunities. Often traders need a systematic method to not only spot trading opportunities, but to also provide a consistent approach, thereby minimizing trading errors and costs. While mechanical trading systems exist, they are usually designed for a specific stock, stock index, or other financial asset, and are often highly dependent on preselected inputs and model parameters that are expected to continue providing trading information well after the initial training or back-tested model development period. The following research leads to a detailed trading model that provides a more effective and intelligent way for recognizing trading signals and assisting investors with trading decisions by utilizing a system that adapts both the inputs and the prediction model based on the desired output. To illustrate the adaptive approach, multiple inputs and modeling techniques are utilized, including neural networks, particle swarm optimization, and denoising. Simulations with stock indexes illustrate how traders can generate higher returns using the developed adaptive decision support system model. The benefits of adding adaptive and intelligent decision making to forecasts are also discussed.


 
Piyasanın hisse senedi alım satımından kar etme davranışını tahmin etmek önemsiz olmaktan uzaktır. Böyle bir görev, yatırımcıların elinde büyük miktarda para olmadığında ve dolayısıyla bu karmaşık sistemi hiçbir şekilde etkileyemediğinde daha da zorlaşır. Makine öğrenimi paradigmaları, finansal tahminlere zaten uygulandı, ancak genellikle yatırımcının bütçesinin boyutu üzerinde herhangi bir kısıtlama olmaksızın. Bu yazıda, sınırlı bütçelerin yönetimi için evrimsel bir portföy optimize ediciyi analiz ederek, çerçevenin her bir parçasını inceleyerek, sorunları ve nihai seçimlere yol açan motivasyonları ayrıntılı olarak tartışıyoruz. Beklenen getiriler, geçmiş piyasa verileriyle eğitilmiş yapay sinir ağlarına başvurularak modellenir ve portföy kompozisyonu, çözümü çok amaçlı kısıtlı bir probleme yaklaştırarak seçilir. Sonunda portföy performansını ölçmek için bir yatırım simülatörü kullanılır. Önerilen yaklaşım, çerçeveyi eğitmek için Haziran 2011'den Mayıs 2014'e kadar olan verilerden ve onu doğrulamak için Haziran 2014'ten Temmuz 2015'e kadar olan verilerden yararlanılarak New York, Milano ve Paris borsalarından alınan gerçek dünya verileri üzerinde test edilmiştir. Deneysel sonuçlar, sunulan aracın, dikkate alınan zaman çerçevesi için tatmin edici bir kârdan fazlasını elde edebildiğini göstermektedir.
 

The Foreign Exchange Market is the biggest and one of the most liquid markets in the world. This market has always been one of the most challenging markets as far as short term prediction is concerned. Due to the chaotic, noisy, and non-stationary nature of the data, the majority of the research has been focused on daily, weekly, or even monthly prediction. The literature review revealed that there is a gap for intra-day market prediction. Identifying this gap, this paper introduces a prediction and decision making model based on Artificial Neural Networks (ANN) and Genetic Algorithms. The dataset utilized for this research comprises of 70 weeks of past currency rates of the 3 most traded currency pairs: GBP\USD, EUR\GBP, and EUR\USD. The initial statistical tests confirmed with a significance of more than 95% that the daily FOREX currency rates time series are not randomly distributed. Another important result is that the proposed model achieved 72.5% prediction accuracy. Furthermore, implementing the optimal trading strategy, this model produced 23.3% Annualized Net Return. (c) 2013 Elsevier Ltd. All rights reserved.


 

Sinir Ağı Göstergeleri Geliştirme

Merhaba!

Metatrader4 için bazı sinir ağı göstergeleri yapmaya çalışıyorum ve çoğunlukla ağın giriş ve çıkışları ve belki de bu uygulama için en iyi olduğunu düşündüğünüz ağın yapısı veya türü ile ilgili bazı önerilerde bulunmak istiyorum.

Bildiğim kadarıyla, finansal seri tahmini için en iyi çıktılar, fiyat aralığı tahmini, en yüksek veya en düşük tahmin ve bu tür şeylerdir. Fiyatı (açılış, kapanış) doğrudan tahmin etmek pek çok nedenden dolayı iyi sonuçlar vermez, örneğin açılış saati ile kapanış saati arasındaki zamanın küçük bir kayması değerleri önemli ölçüde değiştirebilir.

Önerisi olan varsa seve seve dinlerim ve denerim.

Bu arada, uzman bir sinir ağı programcısı değilim, sadece konu hakkında genel olarak iyi bir fikrim var =P.

Şimdiden teşekkürler,

JCC

 

The Foreign Exchange Market is the biggest and one of the most liquid markets in the world. This market has always been one of the most challenging markets as far as short term prediction is concerned. Due to the chaotic, noisy, and non-stationary nature of the data, the majority of the research has been focused on daily, weekly, or even monthly prediction. The literature review revealed that there is a gap for intra-day market prediction. Identifying this gap, this paper introduces a prediction and decision making model based on Artificial Neural Networks (ANN) and Genetic Algorithms. The dataset utilized for this research comprises of 70 weeks of past currency rates of the 3 most traded currency pairs: GBP\USD, EUR\GBP, and EUR\USD. The initial statistical tests confirmed with a significance of more than 95% that the daily FOREX currency rates time series are not randomly distributed. Another important result is that the proposed model achieved 72.5% prediction accuracy. Furthermore, implementing the optimal trading strategy, this model produced 23.3% Annualized Net Return.


 
Bu makale, kısa ve uzun vadeli tahminleri iyileştirmek için İspanyol Ibex-35 hisse senedi endeksi getirilerinde günlük getirilerin doğrusal olmayan davranışından yararlanmanın mümkün olup olmadığını incelemektedir. Bu anlamda, yumuşak geçişli otoregresyon (STAR) modellerinin ve yapay sinir ağlarının (YSA) örnek dışı tahmin performansını inceliyoruz. Tek adımlı (özyinelemeli ve yinelemeli olmayan regresyonlar kullanılarak elde edilen) ve çok adımlı ileri tahmin yöntemlerini kullanıyoruz. Tahminler istatistiksel ve ekonomik kriterlerle değerlendirilir. İstatistiksel kriterler açısından, tahmin ölçütlerinin iyiliği ve çeşitli test yaklaşımlarını kullanarak örneklem dışı tahminleri karşılaştırdık. Sonuçlar, YSA'ların sürekli olarak rastgele yürüyüş modelini aştığını ve bunun kanıtı daha zayıf olmasına rağmen, bazı tahmin ufukları ve tahmin yöntemleri için doğrusal AR modelinden ve STAR modellerinden daha iyi tahminler sağladığını göstermektedir. Ekonomik kriterler açısından, işlem maliyetlerinin ticaret stratejisi kârları üzerindeki etkisini içeren basit bir ticaret stratejisinde nispi tahmin performansını değerlendiririz. Sonuçlar, bir adım ileri tahminleri kullanarak, ortalama net getiri ve Sharpe risk ayarlı oran açısından YSA modelleri için daha iyi bir uyum olduğunu göstermektedir. Bu sonuçlar, bir adım ileri tahmin edicileri ve doğrusal olmayan modelleri kullanarak günlük hisse senedi endeksi getirilerinin daha doğru bir uyumunu ve tahminini elde etme şansının yüksek olduğunu, ancak bunların doğal olarak karmaşık olduğunu ve zor bir ekonomik yorum sunduğunu göstermektedir.
 
Web'de yayınlanan makalelerde yer alan bilgileri kullanarak borsaları tahmin ediyoruz. Çoğunlukla önde gelen ve en etkili finans gazetelerinde yer alan metinsel makaleler girdi olarak alınır. Bu makalelerden Asya, Avrupa ve Amerika'daki büyük borsa endekslerinin günlük kapanış değerleri tahmin ediliyor. Metinsel ifadeler sadece etkiyi (örneğin, hisse senetlerinin düşüşü) değil, aynı zamanda olayın olası nedenlerini de (örneğin, dolardaki zayıflık nedeniyle hisse senetlerinin düşmesi ve bunun sonucunda hazine bonolarının zayıflaması) içerir. Bu nedenle metinsel bilgileri kullanmak girdinin kalitesini artırır. Tahminler, her gün Hong Kong saatiyle 07:45'te www.cs.ust.hk/~beat/Predict adresinde gerçek zamanlı olarak mevcuttur. Bu nedenle, büyük Asya piyasaları ticarete başlamadan önce tüm tahminler mevcuttur. Tahminleri üretmek için kural tabanlı, k-NN algoritması ve sinir ağı gibi çeşitli teknikler kullanılmıştır. Bu teknikler birbirleriyle karşılaştırılır. Sisteme dayalı bir ticaret stratejisi...
 
Son yıllarda Çin'deki finansal gelişmenin trend arka planına ve trend çizgisinin istatistiksel analizine dayanan bu makale, BP Sinir Ağı Algoritması ve Fisher Linear Discriminant aracılığıyla nicel ticaret stratejisini ortaya koymaktadır. İlk olarak, veriler doğrusal olarak eşit uzunluktaki trend çizgilerine regrese edilir ve yukarı trend ve aşağı trend matrisini oluşturmak için eğim bulanıklaştırılır. Ardından, sırasıyla fiyat tahminini yürütmek ve işlem davranışını almak için BP Sinir Ağı Algoritması ve Fisher Linear Discriminant'ı kullanın ve buna bağlı olarak, geriye dönük testi sürdürmek için örnek olarak Şanghay ve Shenzhen 300 hisse senedi endeksi vadeli işlemlerini alıyoruz. Sonuç, ilk olarak, ilk fiyat eğiliminin uydurma yoluyla iyi bir şekilde korunduğunu göstermektedir; ikinci olarak, Neural Network ve Fisher Linear Discriminant'ın eğitim optimizasyonu yoluyla ticaret sisteminin karlılığı ve risk kontrol yeteneği geliştirildi.
 

OpenNN (Open Neural Networks Library) is a software library written in the C++ programming language which implements neural networks, a main area of deep learning research..

OpenNN, veri madenciliği yöntemlerini bir işlevler demeti olarak uygular. Bunlar, yazılım aracı ile tahmine dayalı analitik görevleri arasındaki etkileşim için bir uygulama programlama arabirimi (API) kullanılarak diğer yazılım araçlarına yerleştirilebilir. Bu bağlamda, bir grafik kullanıcı arabirimi eksiktir ancak bazı işlevler belirli görselleştirme araçlarının entegrasyonunu destekleyebilir.

OpenNN'nin ana avantajı yüksek performansıdır. Bu kütüphane, yürütme hızı ve bellek tahsisi açısından üstündür. Verimliliğini en üst düzeye çıkarmak için sürekli olarak optimize edilir ve paralelleştirilir.

http://www.opennn.net/
 

Sinir ağı

Sinir Ağı: tartışma/geliştirme konuları

  1. Göstergeler, pdf dosyaları vb. ile daha iyi NN EA geliştirme dizisi .
  2. Daha iyi NN EA son iş parçacığı
  3. Sinir Ağları dizisi (iyi bir genel tartışma)
  4. MT4'te NN-EA nasıl oluşturulur: geliştiriciler için faydalı bir konu .
  5. Radyal Tabanlı Ağ (RBN) - Fiyata Uygun Filtre: iş parçacığı

Sinir Ağı: Göstergeler ve sistem geliştirme

  1. Kendi kendini eğiten MA cross!: yeni nesil göstergeler için geliştirme dizisi
  2. Levenberg-Marquardt algoritması: geliştirme iş parçacığı

Sinir Ağı: EA'lar

  1. CyberiaTrader EA: tartışma başlığı ve EA'ların başlığı .
  2. EA'ların dosyalarıyla kendi kendine öğrenme uzmanı ileti dizisi burada .
  3. Yapay Zeka EA konuları: AI ("nöron") EA dizisi ve Yapay Zeka dizisi nasıl "öğretilir" ve kullanılır
  4. Forex_NN_Expert EA ve gösterge dizisi .
  5. SpiNNaker - Bir Sinir Ağı EA dizisi .

Sinir Ağı: Kitaplar

  1. Makine Öğrenimi hakkında ne okunmalı ve nereden öğrenilmeli ( 10 ücretsiz kitap) - yazı .