신경망 거래 전략

신경망 Forex 무역 전략 배우기.

외환 세계의 최신 버즈는 인공 지능 공동체에서 가져온 용어 인 신경망입니다. 전문 용어로, 신경망은 가중치 확률로 연결된 많은 수의 처리 단위로 구성된 데이터 분석 방법입니다. 보다 간단한 용어로, 신경망은 인간의 두뇌가 작동하고 학습하는 방식과 유사합니다. 수십 년 동안 인공 지능 공동체의 사람들은 자신의 행동 결과에 따라 '생각하고'배우는 '컴퓨터를 만드는 데 신경망 모델을 사용했습니다.

기존의 데이터 구조와는 달리, 신경망은 여러 데이터 스트림을 받아 한 결과를 출력합니다. 데이터를 정량화 할 수있는 방법이 있다면 예측을 할 때 고려해야 할 요소에이를 추가하는 방법이 있습니다. 그들은 네트워크가 데이터를 해석하고 그로부터 결론을 도출 할 수 있기 때문에 종종 Forex 시장 예측 소프트웨어에 사용됩니다.

Forex 예측을 만드는데 사용되기 전에, 입력과 출력 사이에서 발생하는 패턴을 인식하고 조정하기 위해서는 신경망을 '훈련'해야합니다. 훈련과 테스트는 시간이 오래 걸릴 수 있지만, 과거 데이터를 기반으로 향후 결과를 예측할 수있는 신경 네트워크를 제공합니다. 기본 개념은 입출력 데이터 쌍의 예제를 제시 할 때 네트워크는 종속성을 '학습'할 수 있고 새로운 데이터로 제시 될 때 종속성을 적용 할 수 있다는 것입니다. 거기에서 네트워크는 자신의 출력을 비교하여 예측을 정정 할 수있는 정도를 확인하고 정답에 도달 할 때까지 다양한 종속성의 무게를 조정할 수 있습니다.

이를 위해서는 교육 및 테스트 세트의 두 가지 개별 데이터 세트로 네트워크를 교육해야합니다. 신경 네트워크의 강점 중 하나는 지속적으로 자신에게 공급되는 데이터와 자체 예측을 비교함으로써 학습을 계속할 수 있다는 것입니다. 신경망은 기술적 인 데이터와 기본 데이터를 결합하여 두 시나리오 모두에서 최고의 성능을 발휘합니다. 그들의 힘은 그들이 생각하지 못했을 패턴을 찾고 예상치 못한 패턴을 예측에 적용하여 매우 정확한 결과를 도출합니다.

불행히도, 이 힘은 또한 거래 예측을위한 신경 네트워크의 사용에 약점이 될 수 있습니다. 궁극적으로 출력은 입력만큼 양호합니다. 엄청난 양의 데이터를 제공하더라도 데이터 상관 관계가 매우 좋습니다. 패턴이나 관계가없는 경우에도 매우 다른 유형의 정보에서 패턴을 추출하는 데 매우 효과적입니다. 감정적이지 않은 지능을 적용하는 능력, 결국 컴퓨터가 자존심을 갖지 않는 또 다른 주요 강점은 변동성이 큰 시장을 다룰 때 약점이 될 수 있습니다. 알려지지 않은 요소가 도입되면, 인공 신경망은 그 요인에 정서적 인 가중치를 부여 할 방법이 없습니다.

현재 시장에는 수십 개의 Forex 거래 플랫폼이 있습니다. 신경망 이론과 기술을 통합하여 네트워크를 '가르쳐'시스템을 예측하고이를 기반으로 예측을하고 구매 / 판매 주문을 생성합니다. 중요한 것은 명심해야 할 것은 Forex 거래의 가장 기본적인 규칙은 신경 네트워크를 구축하기 시작할 때 - 자신을 교육하고 자신이하는 일을 알고있을 때 적용됩니다. 기술적 분석, 기본, 신경 네트워크 또는 자신의 감정을 다루는 경우 Forex 거래에서 성공을 보장하기 위해 할 수있는 가장 중요한 일은 가능한 모든 것을 배우는 것입니다.

기계적인 Forex.

기계 거래 전략을 사용하여 외환 시장에서 거래합니다.

거래에서의 신경망 : 강력한 거래를 구축하는 뇌 & 여러 NN.

좋은 소식을 들려 주를 시작합시다 : o). 지난 2 년 동안 기계 학습 시스템의 개발이 절실히 요구되었습니다. 이러한 기술은 거래 결정이 항상 최신 데이터와 일치하도록 조정되는 영구적 자체 적응 거래 구현의 꿈을 우리에게 제공합니다. 이 수준의 적응성조차도 수익성을 보장하지 않는다는 것을 알고 있습니다. 근본적인 모델이 새로운 조건 하에서 쓸모 없게 될 수도 있기 때문에 & # 8211; 앞으로는 특정 시장 도구를 예측할 수있는 능력에 대해 큰 확신을줍니다. 오늘 저는 신경 네트워크의 세계에서 최근 개발 한 것을 보여 드리려고합니다. 마침내 기계 학습 기술을 기반으로 뛰어난 역사적인 테스트 결과를 얻었습니다. 이 기사를 통해이 새로운 시스템에 적용된 여러 가지 방법과 그 성공의 열쇠가 이전에 성공적으로 수행 된 여러 가지 방법을 논의하는 방법에 대해 논의 할 것입니다. 아직 뛰어난 것은 아닙니다. & # 8211; 거래 구현.

우선, 신경 네트워크 전략을 개발하는 방식을 설명하여 내 시스템과 최신 개발을 더 잘 이해할 수있게하려고합니다. 내 신경망 거래 시스템은 과거 N 개의 막대 (일반적으로 약 200-500 일 동안의 데이터가 사용됨)를 사용하여 매일 새로운 바의 새로 무작위로 추출 된 가중치를 항상 재 훈련하고 다음 일일 바에 대해서만 거래 결정을 내릴 수 있도록 설계되었습니다 . 재시동 프로세스는 주어진 시작 시간 또는 트레이닝 빈도에 맞는 커브를 피하기 위해 모든 막대에서 수행되며 이전 트레이닝 동작에 대한 의존성을 피하기 위해 가중치는 완전히 재설정됩니다. 내가 프로그래밍 한 신경망은 F4 프로그래밍 프레임 워크와 기계 학습 구현의 핵심 인 FANN (Fast Artificial Neural Network) 라이브러리를 활용합니다. 네트워크 토폴로지는 수익성에 맞춰 최적화되지 않지만 합리적인 수의 교육 기간 내에 수렴을 달성하는 데 필요한 최소 뉴런 량으로 간단하게 할당됩니다. 훈련 입력의 수 및 사용 된 사례와 같은 일부 변수는 실제로 모델 매개 변수로 남아 있습니다. 이제는 신경 네트워크에 어떻게 접근하는지 더 잘 이해 했으므로 NN에서의 작업을 더 깊이 이해할 수 있습니다.

나는 신경망 거래 전략을 향상시키기위한 나의 탐구가 좌절로 가득 차 있다고 고백해야한다. 첫 번째 성공적인 모델 (Sunqu 거래 시스템은 실제로 1 년 넘게 실시간 거래가 끝난 후 실제로 이익을 얻었습니다)을 개발하는 데 오랜 시간이 걸렸지 만, 이 초기 개발 이후에는 개선 할 수 없었습니다 훨씬 더 (약간의 개선점 이상). 이 후에 나는이 모델을 홀로 남겨두기로 결정했다. & # 8211; 이는 사실상 복잡합니다. & # 8211; 그리고 더 쉽게 개선 될 수있는 더 간단한 모델을 개발하려고 시도합니다. 이것은 내가 Paqarin 시스템을 개발했을 때, 간단한 입출력 세트를 사용하여 비슷한 수준의 역사적인 수익성을 EUR / USD에 도달하는 것입니다. 그러나 & # 8211; 내 좌절을 계속하려면 & # 8211; Paqarin은 개선하기가 쉽지 않았습니다. 지난 몇 주간이 거래 전략을 개선하기 위해 몇 가지 진전을 보였지만, 향후 논의를 위해 (입력을 다루는 것처럼)이 논의를 남기고 싶습니다.

위의 문제를 극복하려는 마지막 시도는 Tapuy 거래 전략이었습니다. 이 전략은 이미지에서 NN을 사용하는 기사에서 영감을 얻은 것입니다. ChartDirector, DeVil 및 FANN 라이브러리를 사용하여 다음 거래일에 대한 예측을하기 위해 EUR / USD 일일 차트 (급격한 감소)를 사용한 이미지 생성 및 처리 메커니즘을 구현할 수있었습니다. 이 시스템은 매우 흥미 롭습니다. 왜냐하면이 그래픽 내의 간단한 픽셀은 중요한 역사적 경계를 가진 결정을 내리는 데 충분한 정보를 포함하고 있기 때문입니다. 또한 Tapuy는 수동 거래자가 시장을 다루기 위해 사용하는 동일한 입력 인 거래 차트를 처리한다는 점에서 흥미 롭습니다. 그러나이 시스템은 만병 통치약이 아니었고이 전략을 개선하는 것은 매우 어려웠습니다. Tapuy는 백 테스트하기도 어렵습니다 (이미지 생성 및 읽기 프로세스로 인해 오래 걸립니다). 따라서 실험을 할 수있는 양이 줄어 들었습니다.

이 3 가지 시스템을 만든 후에는 새로운 NN 제작물이 전혀 필요하지 않았습니다. NN을 만들기위한 새로운 전략을 찾을 수 없었습니다. 이것이 선형 분류기, keltners, 지원 벡터 머신 등과 같은 새로운 기계 학습 기술을 실험하기 시작한 주된 이유였습니다. ). 그러나 지난 주 동안 필자는 필자가 이러한 시스템의 시장 노출을 어떤 식 으로든 덜 거래함으로써 제한 할 수있는 방법을 생각할 때 일종의 주현절을 가졌으며 내 문제에 대한 해결책이 내 앞에 있었다는 것을 깨달았습니다. 시각. 세 가지 분류 기준의 성능을 향상시키는 솔루션 & # 8211; 그들 모두는 장기간의 역사적 경계를 보여주고 있습니다. & # 8211; 간단하다 & # 8230; 거래 결정을 내리기 위해 그것들을 조합하십시오! :영형)

분명히 다른 기계 학습 기술에 대한 경험으로 분류기를 결합하여 거래 의사 결정을 내리는 것이 일반적으로 성능을 향상 시켰지만 기계를 사용하는 의사 결정권자가 아닌 별도의 거래 전략으로 간주했기 때문에 이러한 시스템을 함께 고려하지 않았습니다. 그럼에도 불구하고 세 가지 의사 결정 핵심을 하나의 전략으로 세우는 것이 합리적이었습니다. 이제 저는 AsirikuyBrain & # 8221; 3 가지 기술에 부합하는 예측으로부터 거래 의사 결정에 관한 결론을 도출 할 수 있습니다. 그들 모두가 장기적인 경계를 지니고 있다면, 그들의 총 합의는 부분 합의보다 더 많은 예측력을 가져야한다. 결과는 완전히 나를 놀라게했다. 거래 전략은 서로의 통계를 엄청나게 향상 시켰으며 (포트폴리오 내의 시스템으로 함께 거래되는 것보다 훨씬 더) 또한 전략의 전반적인 시장 노출을 큰 폭으로 줄였습니다. 시스템은 주어진 시간에 오직 하나의 위치 만 열지 만 위치를 입력하거나 나가기 위해서는 모든 예측자를 동의해야합니다.

전반적인 수익성이 모든 시스템 중에서 가장 높고 수익 감소가 가장 낮습니다. 즉, AsirikuyBrain은 사용 된 개별 거래 기법보다 높은 평균 연 환환 률을 달성하고 최대 수익률 기간은 다른 NN 시스템의 경우 1000 일 이상에서 750 일 미만으로 상당히 단축되었습니다. 비합법적 인 시뮬레이션에서 트레이딩 시스템의 선형성은위원회 효과 (이는 아이디어가 작동한다는 것을 의미 함)에서 얻은 평탄화력 덕분에 (R ^ 2 = 0.98까지) 엄청나게 증가합니다. 이 게시물의 이미지에서 볼 수 있듯이 개별 시스템의 커브는 AsirikuyBrain 전략의 지분 곡선과 비교할 때 현저하게 열등합니다. 앞으로도 몇 가지 테스트와 개선 작업을 계속 수행 할 예정이므로 향후 며칠 및 몇 주 내에 NN에 대한 새로운 소식을 기대할 것입니다. (입력, 예상 정확도 V 수익성 및 수익성 예측 V 방향성 예측)

신경 네트워크 전략에 대해 더 배우고 싶다면 MQL4 / MQL5 / JForex 또는 Oanda REST API에서 실행될 수있는 FANN을 사용하여 지속적으로 NN 시스템을 재교육 할 수있는 방법을 배우고 싶다면 • 교육용 웹 사이트 Asirikuy에 가입하십시오. 비디오, 거래 시스템, 개발 및 건전하고 정직하고 투명한 접근 방식을 제공합니다. 나는이 기사를 즐겼기를 바랍니다! :영형)

거래에서의 신경망에 대한 7 가지 응답 : 강력한 거래 & 뇌 구성; 여러 NN & # 8221;

가까운 미래에이 AsirikuyBrain EA를 공개 할 예정입니까?

의견을 주셔서 감사합니다. o) 예, 다음 주말에 F4.3.14 업데이트가 적용될 예정이며,

재미있는 개념. 나는 CAGR = 3.5 % 또는 그 근처를 계산한다. 나는 이것이 너무 낮다고 생각한다 (같은 기간 동안 SPX TR은 약 10 %이다). 그리고 나는 당신이 여전히 이것으로 갈 길이 멀다고 생각한다. 그래도 끈질 기게하는 것이 좋다. :)

게재 순위 크기를 조정하는 경우 2 건의 예측이 2/3에 동의하고 모두 동의하면 전체 게재 순위에 맞게 조정할 수 있습니까?

예측이 동의하지 않거나 하루가 끝나기 전에 예측을 닫을 때까지 계속 자세를 유지합니까? 내가 그걸 놓쳤다는 것을 모르겠다.

게시 해 주셔서 감사합니다. o)

재미있는 개념. CAGR = 3.5 %를 계산하는 I†™ m 또는 그것의 가까이에. 나는 이것이 너무 낮다고 생각한다 (같은 기간 동안 SPX TR은 약 10 %이다). 그리고 나는 당신이 여전히 이것으로 갈 길이 멀다고 생각한다. 그래도 끈질 기게하는 것이 좋다. :)

리스크는 미화로 일정한 금액이므로 (초기 잔액의 1 %) 일반 계산 에서처럼 비 합성 시뮬레이션으로 CAGR을 계산할 수 없습니다. 정기적 인 자금 관리 (무역 개방에 대한 균형 위험 1 %)를 사용할 때 CAGR은 실제로 10 %에 가깝고 AAR / MaxDD는 0.8-0.9 지역에 있습니다 (최대 DD는 약 13.5 %입니다). 정규 복리 자금 관리는 항상 비 합성 (non-compounding) 시뮬레이션을 게시하는 이유를 지수 적 성장 차트 (시각적으로 올바르게 해석하기가 어렵습니다)로 생성합니다. 그러나 거래를 할 때 항상 일정한 금전 관리를 사용하여 거래에 대한 일정 비율의 균형을 유지해야합니다. 나는 지난 며칠간 몇 가지 중요한 개선을했고 500 일 이내에 최대 삭감 길이를 얻었다 : o)

게재 순위 크기를 조정하는 경우 2 건의 예측이 2/3에 동의하고 모두 동의하면 전체 게재 순위에 맞게 조정할 수 있습니까?

재미있는 아이디어입니다! 나는 그것을 시도하고 내가 얻은 것을 보게 될 것입니다.

예측이 동의하지 않거나 하루가 끝나기 전에 예측을 닫을 때까지 계속 자세를 유지합니까? 나는 나가 그것을 놓친 경우에 don†™ t 알고있다.

나는 양쪽 모두 시도했다. 어떤 의견 차이로 닫히는 포지션은 나에게 나쁜 결과를 주었다. SL이 맞을 때만 거래를 끝내거나 (모든 NN이 동의하는) 반대 신호 만 나타난다.

Bog에 대해 다시 한번 감사드립니다. o)

& # 8220; 정기적으로 돈 관리를 복합화하면 비재가적인 시뮬레이션을 게시하는 이유에 대한 지수 성장 차트 (시각적으로 올바르게 해석하기가 어렵습니다)가 생성됩니다. 그러나 거래를 할 때 항상 일정한 금전 관리를 사용하여 일정액의 거래 잔고가 위험에 노출 될 수 있습니다. & # 8221;

나는 적절한 안티 마팅 방법이기 때문에 정기적 인 MM을 백 테스팅에 사용해야한다고 생각합니다. 축소로 인해 기하 급수적으로 증가하는 경우는 거의 없습니다. 역행하는 가장 좋은 방법은 당신이 실제로 거래하는 방식을 믿고 MM이 관련되어 있다는 것입니다.

나는 적절한 안티 마팅 방법이기 때문에 정기적 인 MM을 백 테스팅에 사용해야한다고 생각합니다. 축소로 인해 기하 급수적으로 증가하는 경우는 거의 없습니다. 역행하는 가장 좋은 방법은 당신이 실제로 거래하는 방식을 믿고 MM이 관련되어 있다는 것입니다.

예, 물론, 완전히 동의합니다. 이것은 (MM과 함께) 분명히 실시간 거래 전에 분석 할 시스템을 테스트하는 방식입니다. 나는 블로그에서 비 합성 시뮬레이션을 수행하기 때문에 (차트 만 가지고) 분석하고 결론을 도출하기가 쉽기 때문에 블로그를 수행합니다. 통계가없는 일반 MM 시뮬레이션 (차트 만)은 분석하기가 더 어렵습니다. 다음 번에는 정규 MM 통계도 게시 할 예정입니다. Bob에게 감사의 말을 전한다. o)

지분 곡선의 선형성은 대니얼의 경우 매우 인상적입니다. 열심히 나누어 주셔서 감사합니다.

신경 네트워크 : 이익 예측.

신경 회로망은 인간 두뇌의 기능에있어 주요한 측면을 모방하는 최첨단의 훈련 가능한 알고리즘입니다. 이것은 그들에게 독특한, 자체 훈련 능력, 분류되지 않은 정보를 공식화하는 능력, 그리고 가장 중요한 것은 그들이 처분 할 수있는 과거 정보를 기반으로 예측을 할 수있는 능력을 부여합니다.

신경망은 예측 솔루션 및 마케팅 솔루션을 포함한 다양한 비즈니스 애플리케이션에서 점점 더 많이 사용되고 있습니다. 사기 탐지 또는 위험 평가와 같은 일부 영역에서는 논란의 여지가없는 리더입니다. 신경 회로망이 적용되는 주요 분야는 재무 운영, 기업 계획, 거래, 비즈니스 분석 및 제품 유지 관리입니다. 뉴럴 네트워크는 모든 종류의 거래자들에 의해 유용하게 적용될 수 있습니다. 따라서 당신이 상인이고 아직 뉴런 네트워크에 소개되지 않았다면, 우리는이 기술적 분석 방법을 통해 당신에게 그것을 적용하는 방법을 보여줄 것입니다. 당신의 거래 스타일.

기회를 발견하기 위해 신경망을 사용하십시오.

어떤 종류의 훌륭한 제품이나 기술과 마찬가지로, 신경 네트워크는 신생 시장을 원하는 모든 사람들을 끌어 들이기 시작했습니다. 차세대 소프트웨어에 대한 급류의 광고가 시장에서 홍수를 겪었습니다. 모든 신경 네트워크 알고리즘 중에서 가장 강력한 기능을 자랑하는 광고입니다. 드문 경우에도 광고 주장이 진실과 비슷할 때 효율성이 10 % 증가한 것은 아마도 신경 네트워크에서 얻을 수있는 것임을 명심하십시오. 즉, 기적적인 수익을 내지 않으며 특정 상황에서 얼마나 잘 작동하는지에 관계없이 이전에 사용 된 알고리즘이 우수하게 유지되는 일부 데이터 세트 및 작업 클래스가 있습니다. 이것을 기억하십시오 : 트릭을 수행하는 알고리즘이 아닙니다. 목표 지표에 대한 잘 준비된 입력 정보는 신경망을 성공으로 이끄는 가장 중요한 요소입니다.

더 빠른 컨버전스가 더 좋습니까?

이미 신경 네트워크를 사용하는 많은 사람들이 자신의 그물이 빠를수록 결과가 좋을수록 더 좋다고 잘못 생각합니다. 그러나 이것은 망상이다. 좋은 네트워크는 결과를 산출하는 비율에 의해 결정되지 않으며 사용자는 네트워크가 흘러 드는 속도와 그것이 생산하는 결과의 품질 사이에서 최상의 균형을 찾는 법을 배워야합니다.

신경망의 올바른 적용.

많은 상인들은 적절하게 사용하는 방법에 대한 적절한 지침이 제공되지 않은 채 사용하는 소프트웨어를 너무 많이 신뢰하기 때문에 신경망을 잘못 적용합니다. 신경망을 올바른 방법으로 사용하고 유익하게, 상인은 네트워크 준비주기의 모든 단계에주의를 기울여야합니다. 이 아이디어를 형식화하고, 테스트하고 개선하며, 더 이상 유용하지 않을 때 폐기 할 적절한 순간을 선택하는 것은 아이디어 창안을 책임지는 상인이 아니라 그물망이 아닙니다. 이 중요한 프로세스의 단계를 더 자세히 살펴 보겠습니다.

1. 거래 아이디어를 찾아 내고 공식화하기.

2. 모델의 매개 변수 개선.

3. 모델이 폐기 될 때 폐기.

모든 신경망 기반 모델은 수명이 있으며 무기한으로 사용할 수 없습니다. 모델 수명의 수명은 시장 상황과 시장 상황에 반영되는 시장 상호 의존성이 얼마나 오래 지속되는지에 달려 있습니다. 그러나 조만간 어떤 모델도 쓸모 없게됩니다. 이 경우 완전히 새로운 데이터 (예 : 사용 된 모든 데이터 교체)를 사용하여 모델을 재교육하거나 기존 데이터 세트에 새로운 데이터를 추가하고 모델을 다시 교육하거나 단순히 모델을 폐기 할 수 있습니다.

많은 거래자는 가장 단순한 경로를 따르는 실수를 저 지르며 소프트웨어가 가장 사용자 친화적이고 자동화 된 기능을 제공하는 방법을 많이 사용합니다. 이 간단한 접근 방식은 가격을 몇 막대로 예측하고 거래 시스템을이 예측에 기초합니다. 다른 거래자는 가격 변동 또는 가격 변동 비율을 예측합니다. 이 접근법은 가격을 직접 예측하는 것보다 나은 결과를 거의 얻지 못합니다. 단순한 접근 방식은 중요한 장기간 상호 의존성의 대부분을 밝히지 않고 유용하게 활용하지 못하고 결과적으로 글로벌 추진력이 변함에 따라 모델이 신속하게 쓸모 없게됩니다.

신경망을 사용하는 가장 최선의 전반적인 접근법.

신경망 Forex 무역 전략 배우기.

외환 세계의 최신 버즈는 인공 지능 공동체에서 가져온 용어 인 신경망입니다. 전문 용어로, 신경망은 가중치 확률로 연결된 많은 수의 처리 단위로 구성된 데이터 분석 방법입니다. 보다 간단한 용어로, 신경망은 인간의 두뇌가 작동하고 학습하는 방식과 유사합니다. 수십 년 동안 인공 지능 커뮤니티의 사람들은 신경망 모델을 사용하여 생각하고있는 컴퓨터를 만들었습니다. & learn & # 39; 그들의 행동 결과에 따라

기존의 데이터 구조와는 달리, 신경망은 여러 데이터 스트림을 받아 한 결과를 출력합니다. 데이터를 수량화 할 수있는 방법이 있다면 예측을 위해 고려해야 할 요소에 데이터를 추가하는 방법이 있습니다. 네트워크는 데이터를 해석하고 결론을 도출 할 수 있기 때문에 Forex 시장 예측 소프트웨어에서 자주 사용됩니다.

그들이 Forex 예측을 만드는데 사용되기 전에, 신경 네트워크는 훈련되어야합니다. & # 39; 입력과 출력 사이에서 발생하는 패턴을 인식하고 조정합니다. 훈련과 테스트는 시간이 오래 걸릴 수 있지만, 과거 데이터를 기반으로 향후 결과를 예측할 수있는 신경 네트워크를 제공합니다. 기본 개념은 입력 및 출력 데이터 쌍의 예가 제시 될 때 네트워크가 & nbsp; 종속성을 확인하고 새 데이터가 제시 될 때 이러한 종속성을 적용합니다. 거기에서 네트워크는 자신의 출력을 비교하여 예측을 정정 할 수있는 정도를 확인하고 정답에 도달 할 때까지 다양한 종속성의 무게를 조정할 수 있습니다.

이를 위해서는 네트워크가 두 개의 별도 데이터 세트로 교육 받아야합니다. 훈련 및 시험 세트. 신경 네트워크의 강점 중 하나는 지속적으로 자신에게 공급되는 데이터와 자체 예측을 비교함으로써 학습을 계속할 수 있다는 것입니다. 신경망은 기술적 인 데이터와 기본 데이터를 결합하여 두 시나리오 모두에서 최고의 성능을 발휘합니다. 그들의 힘은 그들이 생각하지 못했을 패턴을 찾고 예상치 못한 패턴을 예측에 적용하여 매우 정확한 결과를 도출합니다.

불행히도, 이 힘은 또한 거래 예측을위한 신경 네트워크의 사용에 약점이 될 수 있습니다. 궁극적으로 출력은 입력만큼 양호합니다. 엄청난 양의 데이터를 제공하더라도 데이터 상관 관계가 매우 좋습니다. 이들은 매우 다른 유형의 정보에서 패턴을 추출하는 데 아주 능합니다. 패턴이나 관계가없는 경우에도 마찬가지입니다. 그것의 다른 주요한 힘 & mdash; 감정없이 지능을 적용 할 수있는 능력; 결국 컴퓨터는 자아를 가지지 않는다. 또한 휘발성 시장을 다룰 때 약점이 될 수 있습니다. 알려지지 않은 요소가 도입되면, 인공 신경망은 그 요인에 정서적 인 가중치를 부여 할 방법이 없습니다.

시장에는 현재 수십 개의 Forex 거래 플랫폼이 있으며 신경 네트워크 이론 및 기술을 통합하여 교육하고 있습니다. 네트워크를 통해 귀하의 시스템을 예측하고이를 기반으로 구매 / 판매 주문을 생성하십시오. 중요한 것은 명심해야 할 것은 Forex 거래의 가장 기본적인 규칙은 신경 네트워크를 구축하기 시작할 때 적용된다는 것입니다. 자신을 교육하고 자신이하는 일을 알고 있어야합니다. 기술적 분석, 기본, 신경망 또는 자신의 감정을 다루 든 상관없이 Forex 거래에서 성공을 보장하기 위해 할 수있는 가장 중요한 일은 가능한 모든 것을 배우는 것입니다.