神經網路

神經網路是一系列的演算法，透過模仿人腦運作方式的過程，努力識別一組資料中潛在的關係。從這個意義上說，神經網路指的是神經元系統，無論是有機的還是人工的。神經網路能適應輸入的變化；因此，網路產生了最好的結果，而不需要重新設計輸出標準。神經網路的概念起源於人工智慧，在交易系統的發展中迅速流行起來。...

什麼是神經網路(a neural network)？

神經網路是一系列的演算法，透過模仿人腦運作方式的過程，努力識別一組資料中潛在的關係。從這個意義上說，神經網路指的是神經元系統，無論是有機的還是人工的。神經網路能適應輸入的變化；因此，網路產生了最好的結果，而不需要重新設計輸出標準。神經網路的概念起源於人工智慧，在交易系統的發展中迅速流行起來。

關鍵要點

神經網路是一系列模仿人腦操作的演算法，用來識別大量資料之間的關係。
它們被用於金融服務的各種應用，從預測和營銷研究到欺詐檢測和風險評估。
神經網路在股票市場價格預測中的應用各不相同。

神經網路基礎

在金融界，神經網路協助發展諸如時間序列預測、演算法交易、證券分類、信用風險建模以及構建專有指標和價格衍生品等過程。

神經網路的工作原理與人腦的神經網路類似。神經網路中的“神經元”是一個數學函式，它根據特定的結構收集和分類資訊。該網路與曲線擬合和回歸分析等統計方法有很大的相似性。

神經網路包含多個相互連線的節點層。每個節點都是一個感知器，類似於多元線性回歸。感知器將多元線性回歸產生的訊號輸入一個可能是非線性的啟用函式。

在多層感知器（MLP）中，感知器被佈置在相互連線的層中。輸入層收集輸入模式。輸出層具有輸入模式可以對映到的分類或輸出訊號。例如，所述模式可以包括關於證券的技術指標的數量列表；潛在產出可以是“買入”、“持有”或“賣出”

隱藏層對輸入權重進行微調，直到神經網路的誤差最小。假設隱藏層外推輸入資料中具有輸出預測能力的顯著特徵。這描述了特徵提取，它實現了一個類似於主成分分析等統計技術的實用程式。

神經網路的應用

神經網路被廣泛應用於金融運營、企業規劃、貿易、商業分析和產品維護。神經網路在商業應用中也得到了廣泛的應用，如預測和營銷研究解決方案、欺詐檢測和風險評估。

神經網路對價格資料進行評估，並根據資料分析挖掘做出貿易決策的機會。這些網路可以分辨出微妙的非線性相互依賴關係和其他技術分析方法無法分辨的模式。根據研究，神經網路對股票價格預測的準確性是不同的。一些模型在50%到60%的時間裡預測正確的股票價格，而另一些模型在70%的時間裡都是準確的。一些人認為，投資者可以從神經網路中獲得10%的效率提升。

總會有一些資料集和任務類可以透過使用以前開發的演算法進行更好的分析。重要的不是演算法；正是目標指標上準備充分的輸入資料最終決定了神經網路的成功程度。