什么是神经网络？
神经网络是一系列算法，致力于通过模仿人脑运作方式的过程来识别一组数据中的潜在关系。从这个意义上说，神经网络是指神经元系统，无论是有机的还是人工的。
神经网络可以适应不断变化的输入；因此网络无需重新设计输出标准即可生成最佳结果。神经网络的概念源于人工智能，在交易系统的开发中迅速普及。
要点
- 神经网络是一系列模仿动物大脑操作来识别大量数据之间关系的算法。
- 因此，它们往往类似于大脑中神经元和突触的连接。
- 它们用于金融服务的各种应用，从预测和营销研究到欺诈检测和风险评估。
- 具有多个处理层的神经网络被称为“深度”网络，用于深度学习算法
- 神经网络在股票市场价格预测方面的成功程度各不相同。
神经网络基础知识
在金融领域，神经网络有助于开发时间序列预测、算法交易、证券分类、信用风险建模以及构建专有指标和价格衍生品等流程。
神经网络的工作原理与人脑的神经网络类似。神经网络中的“神经元”是一种数学函数，它根据特定的架构收集信息并对其进行分类。该网络与曲线拟合和回归分析等统计方法非常相似。
神经网络包含互连节点层。每个节点都是一个感知器，类似于多元线性回归。感知器将多元线性回归产生的信号输入到可能是非线性的激活函数中。
多层感知器
在多层感知器 (MLP) 中，感知器排列在互连的层中。输入层收集输入模式。输出层具有输入模式可以映射到的分类或输出信号。例如，这些模式可以包括有关证券的技术指标的数量列表；潜在的输出可能是“买入”、“持有”或“卖出”。
隐藏层微调输入权重，直到神经网络的误差幅度最小。假设隐藏层推断输入数据中的显着特征，这些特征对输出具有预测能力。这描述了特征提取，它实现了类似于主成分分析等统计技术的实用程序。
神经网络的应用
神经网络应用广泛，可应用于财务运营、企业规划、交易、业务分析和产品维护。神经网络还在预测和营销研究解决方案、欺诈检测和风险评估等商业应用中得到了广泛采用。
神经网络评估价格数据并根据数据分析挖掘做出交易决策的机会。该网络可以区分微妙的非线性相互依赖性和模式，而其他技术分析方法则无法区分。根据研究，神经网络对股票价格预测的准确性各不相同。一些模型在 50% 到 60% 的时间内预测正确的股票价格，而其他模型在 70% 的情况下预测准确。一些人认为，投资者对神经网络的要求就是提高 10% 的效率。
总会有一些数据集和任务类可以通过使用以前开发的算法来更好地分析。重要的不是算法，而是算法。最终决定神经网络成功程度的是针对目标指标准备充分的输入数据。
神经网络的组成部分是什么？
主要由三个部分组成：输入层、处理层和输出层。可以基于各种标准对输入进行加权。在隐藏在视图之外的处理层内，存在节点以及这些节点之间的连接，类似于动物大脑中的神经元和突触。
什么是卷积神经网络？
卷积神经网络是一种适用于分析和识别视觉数据（例如数字图像或照片）的网络。
什么是循环神经网络？
循环神经网络是一种适用于分析时间序列数据、事件历史或时间顺序的神经网络。
什么是深度神经网络？
深度神经网络也称为深度学习网络，从本质上讲，它是一种涉及两个或多个处理层的网络。