المتاجرة استراتيجية العصبية الشبكة

أود أن أقول في سياق التداول بشكل عام (ل هفت انظر تعليقي أعلاه) مزيد من التطورات في الشبكات العصبية المتكررة (رن)، على سبيل المثال. ما يسمى الشبكات العصبية المتسقة التاريخية (هن) جنبا إلى جنب مع فرق التنبؤ، هي حالة من الفن. نشرت مقالة عن هذا الذي سينشر هذا الشهر من قبل سبرينغر فيرلاغ (زيمرمان، غروثمان، تيتز، فون جوان-ديدريش: نمذجة السوق، التنبؤ وتحليل المخاطر مع الشبكات العصبية المتوافقة التاريخية) فقط لإعطائك فكرة عن النموذج الجديد وهنا مقتطفات قصيرة: في هذه المقالة، نقدم نوع جديد من ن المتكررة، ودعا الشبكة العصبية متسقة التاريخية (هن). ويسمح هذا النظام بنمذجة الأنظمة الديناميكية غير الخطية عالية التفاعل عبر نطاقات زمنية متعددة. ولا تقوم شبكات هنز بأي تمييز بين المدخلات والمخرجات، ولكن يمكن ملاحظتها النموذجية في ديناميات مساحة الدولة الكبيرة. يستخدم رن لنموذج وتوقع نظام ديناميكي مفتوح باستخدام نهج الانحدار غير الخطية. ومع ذلك، يجب النظر إلى العديد من التطبيقات التقنية والاقتصادية في العالم الحقيقي في سياق النظم الكبيرة التي تتفاعل فيها الديناميات المختلفة (غير الخطية) مع بعضها البعض في الوقت المناسب. ومن المتوقع في هذا النموذج، أننا لا نفرق بين المدخلات والمخرجات ولكننا نتحدث عن الملاحظات. ونظرا للمراقبة الجزئية للنظم الكبيرة، نحتاج إلى حالات مخفية لكي نتمكن من شرح ديناميات المرصدات. وينبغي أن يعامل النموذج المرئي والمتغيرات الخفية بالطريقة نفسها. ويشتمل المصطلح الملحوظ على متغيرات المدخلات والمخرجات (i. Y: y. u)). وإذا تمكنا من تنفيذ نموذج يمكن فيه وصف ديناميات جميع الملاحظات، سنكون في وضع يسمح لنا بإغلاق النظام المفتوح. ومن الاستنتاج: النمذجة المشتركة للمتغيرات الخفية والملحوظة في الشبكات العصبية المتكررة الكبيرة توفر آفاقا جديدة للتخطيط وإدارة المخاطر. ويتيح نهج المجموعة القائم على شبكة هن نهجا بديلا للتنبؤ بالتوزيعات الاحتمالية في المستقبل. تعطي هنز وصفا مثاليا لديناميكيات الملاحظات في الماضي. ومع ذلك، فإن قابلية الرصد الجزئي للعالم تؤدي إلى إعادة إعمار غير فريدة للمتغيرات الخفية، وبالتالي سيناريوهات مستقبلية مختلفة. وبما أن التطور الحقيقي للديناميكية غير معروف وأن جميع المسيرات لها نفس الاحتمال، يمكن اعتبار متوسط ​​المجموعة أفضل التنبؤات، في حين أن عرض النطاق للتوزيع يصف مخاطر السوق. واليوم، نستخدم توقعات هن لتوقع أسعار الطاقة والمعادن الثمينة لتحسين توقيت قرارات الشراء. ويتعلق العمل الجاري حاليا بتحليل خصائص المجموعة وتنفيذ هذه المفاهيم في إدارة المخاطر العملية وتطبيقات الأسواق المالية. إديت يمكن الآن عرض أجزاء من الورق علنا: هنا يعتمد على البيانات التي تحاول نموذج. إذا تغير نظام تجربة البيانات الخاصة بك ثم شيء مع وظيفة السيني (أركتان، هتان). إذا كانت البيانات الخاصة بك في الغالب خطية ولكن لديها بعض الانحراف استخدام التحيز شعاعي. هذه هي المبادئ التوجيهية العامة للشبكات العصبية. وتيرة البيانات غير ذات صلة بالبيانات المذكورة أعلاه. تذكر أن أي مجموعة من الوظائف الأساسية يمكن أن تتناسب مع أي مجموعة من البيانات. والفكرة هي استخدام الوظائف التي تكشف بعض تحت الحقيقة الكذب حول البيانات. ذلك يعتمد على البيانات والأفق والمدخلات، وما إلى ذلك. ويبدو أن تحويلات المويجات جيدة لتقليل الوقت، ويبدو أن يكا جيدة لتقليل الأصول. كانت هناك الكثير من الأعمال التي تم القيام بها في هذا المجال، لذلك على سبيل المثال. ننظر في جوريك البحوث واف وحدات در. وتشير نتائجها إلى أنك لا تعرف أي الحانات (أيام للتخلص من الذخائر المتفجرة) هي الأكثر إفادة وأيضا الميزات التي هي الأكثر بالمعلومات - حتى انهيار عن طريق المويجات يقدم ميزة. نظرت إلى ن كثيرا ولا أعتقد أن معرفة الماضي يساعد على التنبؤ بالمستقبل. البراءة التي حصلت على موافقة فانتاجيبوانت لا معنى لها على الإطلاق - ولكن ربما تحليلات إنتيرماركيت يساعد على الإجابة مارس 28 14 في 1:51 من تجربتنا، والعمل على الإطار الزمني اليومي لا تحتاج إلى مثل هذا النهج غير الخطية (ن، رن، سفم. ) يوميا فتح وإغلاق هي بريسيفولوم مفيدة جدا أن فارما بسيط (نموذج خطي) شرح أسعار الأسهم الديناميكية مع دقة كبيرة. ولكن يجب أن تدرك أن وضع القدمين في اللحظي هو قصة مختلفة تماما. علينا أن نعترف بأن استخدام نهج غير الخطية الديناميكية له قيمة حقيقية مقارنة مع النماذج الاقتصادية الخطي القياسي الاقتصادي. وعلى الرغم من ذلك، فإننا نواصل منع أقصى قدر ممكن من هذا النهج غير الخطية، لأن ما هو مفهومة جيدا يجب أن يفسر ببساطة، وهذا النوع من النماذج يحمل الكثير من الميزات الخفية. أجاب على أوكت 25 16 في 9:59 يور أنسور 2017 ستاك إكسهانج، الشبكات العصبية: التنبؤ التوقعات الأرباح الشبكات العصبية هي من أحدث الفن، خوارزميات قابلة للتدريب التي تحاكي بعض الجوانب الرئيسية في عمل الدماغ البشري. وهذا يعطيهم قدرة فريدة على التدريب الذاتي، والقدرة على إضفاء الطابع الرسمي على المعلومات غير المصنفة، والأهم من ذلك، القدرة على جعل التنبؤات استنادا إلى المعلومات التاريخية لديهم تحت تصرفهم. وقد استخدمت الشبكات العصبية بشكل متزايد في مجموعة متنوعة من التطبيقات التجارية، بما في ذلك التنبؤ وتسويق حلول البحث. في بعض المجالات، مثل كشف الاحتيال أو تقييم المخاطر. هم قادة لا جدال فيه. المجالات الرئيسية التي وجدت الشبكات العصبية التطبيق هي العمليات المالية، وتخطيط المشاريع، والتجارة، وتحليلات الأعمال وصيانة المنتجات. الشبكات العصبية يمكن تطبيقها بكفاءة من قبل جميع أنواع التجار، لذلك إذا كنت تاجر وكنت قد تم إدخالها بعد إلى الشبكات العصبية، وأيضا يأخذك من خلال هذا الأسلوب من التحليل الفني وتظهر لك كيفية تطبيقه على أسلوب التداول الخاص بك. الأوهام الشائعة معظم الناس لم يسمعوا أبدا من الشبكات العصبية، وإذا كانوا التجار أرينت، فإنها ربما لا تحتاج إلى معرفة ما هي عليه. ولكن ما يثير الدهشة حقا هو حقيقة أن عددا كبيرا من أولئك الذين يمكن أن تستفيد غنية من التكنولوجيا الشبكة العصبية لم يسمع حتى من ذلك، أعتبر لفكرة علمية نبيلة أو التفكير في ذلك اعتبارا من وسيلة للتحايل التسويق البقعة. وهناك أيضا أولئك الذين يعلقون كل آمالهم على الشبكات العصبية، أسد الشباك بعد بعض الخبرة الإيجابية معهم، وفيما يتعلق بها كمحل رصاصة فضية لأي نوع من المشاكل. ومع ذلك، مثل أي استراتيجية التداول. الشبكات العصبية ليست سريعة الإصلاح التي سوف تسمح لك لضربها الغنية عن طريق النقر على زر أو اثنين. في الواقع، والفهم الصحيح للشبكات العصبية والغرض منها أمر حيوي لتطبيقها الناجح. فيما يتعلق بالتداول، الشبكات العصبية هي طريقة جديدة وفريدة من نوعها للتحليل الفني، وتهدف لأولئك الذين يأخذون نهج التفكير في أعمالهم، وعلى استعداد للمساهمة بعض الوقت والجهد لجعل هذه الطريقة العمل بالنسبة لهم. أفضل للجميع، عندما تطبق بشكل صحيح، الشبكات العصبية يمكن تحقيق الربح على أساس منتظم. استخدام الشبكات العصبية للكشف عن الفرص هناك اعتقاد خاطىء كبير بأن العديد من التجار يخطئون الشبكات العصبية لأداة التنبؤ التي يمكن أن تقدم المشورة بشأن كيفية التصرف في حالة سوق معينة. الشبكات العصبية لا تجعل أي توقعات. وبدلا من ذلك، تقوم بتحليل بيانات الأسعار وكشف الفرص. باستخدام الشبكة العصبية، يمكنك اتخاذ قرار التجارة استنادا إلى بيانات تحليلها بدقة، وهو ليس بالضرورة الحال عند استخدام أساليب التحليل الفني التقليدية. بالنسبة للتاجر الجاد والتفكير، فإن الشبكات العصبية هي أداة من الجيل التالي ذات إمكانات كبيرة يمكنها الكشف عن الترابطات الخطي غير الخطية والأنماط التي لا تستطيع أساليب التحليل الفني الكشف عنها. أفضل شبكات مثل أي نوع من منتج كبير أو التكنولوجيا، بدأت الشبكات العصبية جذب كل أولئك الذين يبحثون عن سوق في مهدها. وقد أغرقت السيول من الإعلانات حول برنامج الجيل التالي من السوق - الإعلانات تحتفل أقوى من جميع خوارزميات الشبكة العصبية التي تم إنشاؤها من أي وقت مضى. حتى في تلك الحالات النادرة عندما تشبه الدعاوى الاعلانية الحقيقة، نضع في اعتبارنا أن زيادة 10 في الكفاءة هي على الارجح الاكثر سوف تحصل من أي وقت مضى من الشبكة العصبية. وبعبارة أخرى، فإنه لا ينتج عوائد خارقة وبغض النظر عن مدى نجاحه في حالة معينة، وسوف يكون هناك بعض مجموعات البيانات وفئات المهام التي الخوارزميات المستخدمة سابقا لا تزال متفوقة. تذكر هذا: ليس الخوارزمية التي لا خدعة. وتعد معلومات المدخلات المعدة جيدا عن المؤشر المستهدف أهم عنصر في نجاحك مع الشبكات العصبية. هو أسرع التقارب أفضل كثير من أولئك الذين يستخدمون بالفعل الشبكات العصبية يعتقدون خطأ أن أسرع شبكتها يوفر النتائج، كان ذلك أفضل. ومع ذلك، هذا هو الوهم. لا يتم تحديد شبكة جيدة بالمعدل الذي ينتج عنه النتائج ويجب على المستخدمين معرفة كيفية إيجاد أفضل توازن بين السرعة التي تدرب فيها الشبكة وجودة النتائج التي تنتجها. التطبيق الصحيح للشبكات العصبية يطبق العديد من التجار الشبكات العصبية بشكل غير صحيح لأنهم يضعون قدرا كبيرا من الثقة في البرنامج الذي يستخدمونه جميعا دون أن يتم تزويدهم بالتعليمات المناسبة حول كيفية استخدامه بشكل صحيح. لاستخدام الشبكة العصبية بالطريقة الصحيحة، وبالتالي، مكسب، تاجر يجب أن تولي اهتماما لجميع مراحل دورة إعداد الشبكة. هو التاجر وليس شبكته التي هي المسؤولة عن ابتكار فكرة وإضفاء الطابع الرسمي على هذه الفكرة واختبارها وتحسينها، وأخيرا، اختيار اللحظة المناسبة للتخلص منها عندما لم تعد مفيدة. دعونا ننظر في مراحل هذه العملية الحاسمة بمزيد من التفصيل: 1. إيجاد فكرة تجارية وإضفاء الطابع الرسمي عليها يجب على المتداول أن يفهم تماما أن الشبكة العصبية لا تهدف إلى ابتكار أفكار ومفاهيم تجارية ناجحة. الغرض منه هو توفير المعلومات الأكثر موثوقية ودقيقة ممكنة حول مدى فعالية فكرة التداول الخاص بك أو مفهوم. لذلك، يجب أن تأتي مع فكرة التداول الأصلي وتحديد واضح الغرض من هذه الفكرة وما كنت تتوقع تحقيقه من خلال توظيفه. هذه هي المرحلة الأكثر أهمية في دورة إعداد الشبكة. (للحصول على قراءة ذات صلة، انظر الدروس من مذكرات التجار.) 2. تحسين معلمات النموذج الخاص بك المقبل، يجب أن تحاول تحسين الجودة الشاملة للنموذج عن طريق تعديل مجموعة البيانات المستخدمة وتعديل المعلمات المختلفة. الشكل 1: تحديد خوارزمية التحسين وخصائصه 3. التخلص من نموذج عندما يصبح عفا عليها الزمن كل نموذج الشبكة العصبية على أساس العمر الافتراضي، ولا يمكن استخدامها إلى أجل غير مسمى. طول العمر من نماذج العمر الافتراضي يعتمد على الوضع في السوق وعلى مدى الترابط في السوق ينعكس في أنه لا يزال موضعي. ومع ذلك، عاجلا أو آجلا يصبح أي نموذج عفا عليها الزمن. عند حدوث ذلك، يمكنك إما إعادة تدريب النموذج باستخدام بيانات جديدة تماما (أي استبدال جميع البيانات التي تم استخدامها)، وإضافة بعض البيانات الجديدة إلى مجموعة البيانات الحالية وتدريب النموذج مرة أخرى، أو ببساطة سحب النموذج تماما. العديد من التجار يجعلون خطأ اتباع أبسط مسار - أنها تعتمد بشكل كبير على واستخدام النهج الذي برامجها يوفر وظيفة سهلة الاستخدام والأكثر سهولة. هذا أبسط النهج هو التنبؤ سعر بعض الحانات المقبلة واستنادا نظام التداول الخاص بك على هذه التوقعات. ويتوقع المتداولون الآخرون تغير الأسعار أو النسبة المئوية لتغير الأسعار. نادرا ما ينتج عن هذا النهج نتائج أفضل من التنبؤ بالسعر مباشرة. ويخفق النهجان التبسيطان في الكشف عن معظم الترابطات الهامة الطويلة الأجل واستغلالها بأكبر قدر من الأرباح، ونتيجة لذلك يصبح النموذج عفا عليه الزمن بسرعة مع تغير القوى الدافعة العالمية. النهج الأمثل الأمثل لاستخدام الشبكات العصبية سيركز المتداول الناجح ويقضي وقتا طويلا في اختيار عناصر الإدخال الحاكمة لشبكته العصبية وضبط معلماته. وسوف ينفق من (على الأقل) عدة أسابيع - وأحيانا تصل إلى عدة أشهر - نشر الشبكة. وسيعمل المتداول الناجح أيضا على تعديل شبكته إلى الظروف المتغيرة طوال فترة حياته. لأن كل شبكة عصبية يمكن أن تغطي فقط جانبا صغير نسبيا من السوق، وينبغي أيضا أن تستخدم الشبكات العصبية في لجنة. استخدام العديد من الشبكات العصبية حسب الاقتضاء - القدرة على توظيف عدة في وقت واحد هو فائدة أخرى من هذه الاستراتيجية. وبهذه الطريقة، كل من هذه الشبكات متعددة يمكن أن تكون مسؤولة عن بعض جوانب محددة من السوق، مما يتيح لك ميزة كبيرة في جميع المجالات. ومع ذلك، فمن المستحسن أن تبقي على عدد من الشبكات التي تستخدمها في نطاق من خمسة إلى 10. وأخيرا، ينبغي الجمع بين الشبكات العصبية مع واحدة من النهج الكلاسيكية. هذا سوف يسمح لك لتحسين الاستفادة من النتائج التي تحققت وفقا لتفضيلات التداول الخاصة بك. الاستنتاج سوف تواجه نجاحا حقيقيا مع الشبكات العصبية فقط عند التوقف عن البحث عن أفضل صافي. بعد كل شيء، مفتاح نجاحك مع الشبكات العصبية يكمن ليس في الشبكة نفسها، ولكن في استراتيجية التداول الخاصة بك. لذلك، لإيجاد استراتيجية مربحة التي تعمل بالنسبة لك، يجب عليك تطوير فكرة قوية حول كيفية إنشاء لجنة من الشبكات العصبية واستخدامها في تركيبة مع المرشحات الكلاسيكية وقواعد إدارة الأموال. للقراءة ذات الصلة، وتحقق من التداول العصبي: مفاتيح البيولوجية للربح ونظم التداول الترميز التعليمي. نظرية اقتصادية للإنفاق الكلي في الاقتصاد وآثاره على الإنتاج والتضخم. وقد تم تطوير الاقتصاد الكينزي. حيازة أصل في محفظة. ويتم استثمار الحافظة مع توقع تحقيق عائد عليها. هذه. وهي النسبة التي وضعها جاك ترينور التي تقيس العائدات المكتسبة أكثر من تلك التي كان يمكن أن يكون حصل على دون مخاطر. إعادة شراء الأسهم القائمة (إعادة الشراء) من قبل شركة من أجل تقليل عدد الأسهم في السوق. الشركات. استرداد الضرائب هو رد على الضرائب المدفوعة للفرد أو الأسرة عندما يكون الالتزام الضريبي الفعلي أقل من المبلغ. القيمة النقدية لجميع السلع والخدمات الجاهزة المنتجة داخل حدود البلد في فترة زمنية محددة. الشبكة العصبية للشبكة العصبية هي واحدة من أكثر العبارات الطنانة في التجارة. يبدو باردا ومتطورة. لا يبدو أن الكثير من الناس يفهمون ما هي الشبكات العصبية. الخلايا العصبية في العالم الحقيقي أدمغتنا معقدة بشكل معتاد. ومع ذلك، فإن ما يفاجئ معظم الناس هو أن الدماغ يشكل نوعا ما صندوقا هائلا من الدوائر. الخلايا العصبية هي الخلايا التي تتصرف مثل الدوائر مع الأسلاك الكهربائية، ودعا المحاور، التي نفد والتواصل عبر الجسم البشري. كل حركة، التصور أو العمل الذي تقوم به هو مجموع كل محاور إطلاق النبضات الكهربائية. يحدث التغيير كلما تواتر النبضات الكهربائية المرسلة من الخلايا العصبية يختلف. المزيد من النبضات تسبب رد فعل واحد، وانخفاض يسبب آخر. الشبكات العصبية تحاول محاكاة عمليات الدماغ البشري من خلال تنظيم المعلومات في الخلايا العصبية. خلافا للخلايا العصبية الفعلية، الخلايا العصبية الشبكة موجود فقط في الجهاز. لها وزن الجهاز الذي يحتوي على معلومات حول كل ما هو قيد الدراسة. الشبكة العصبية لنظام التداول قد تقرر دراسة المؤشرات المشتركة مثل المتوسط ​​المتحرك، مؤشر القوة النسبية ومؤشر ستوشاستيك. قيمة المتوسط ​​المتحرك للشريط الحالي تعتبر الخلايا العصبية الخاصة بها. مؤشر القوة النسبية مختلف، لذلك يصبح أن يكون عصبون منفصل. إذا كان لدي عشرة مؤشرات في مربع أدوات بلدي، ثم لدي 10 الخلايا العصبية في شبكتي. أجهزة الكمبيوتر حل المشاكل الخطية، بسيطة تقليديا. إذا كنت تريد أن تعرف نتيجة العمليات الرياضية مثل جذر مكعب من 355، أجهزة الكمبيوتر هي مثالية للمهمة. أنها تحسب بسرعة إجابة دقيقة. كما هو الحال في العقول البشرية، والشبكات العصبية تشكل نقاط الاشتباك العصبي مع الخلايا العصبية الأخرى. عندما تدرب مجموعات من الخلايا العصبية يمكن أن تتعلم التعرف على الأنماط. هذا هو العقار الذي يجعل الشبكات العصبية مفيدة جدا. وهذا يسمح لنا لخلق البرامج التي من المستحيل مع الحوسبة التقليدية. إن إنشاء برنامج للاعتراف بالوجه، على سبيل المثال، سيكون صعبا للغاية. فمن الأسهل بكثير لتدريب شبكة للتعرف على وجه من خلال إظهار مرارا وجوه الشبكة. الدماغ هو موضوع رائع في حد ذاته. كما جانبا، زوجتي وأنا أخذ دورة دراسية في علم الأعصاب من خلال سلسلة فيديو من الدورات الكبرى. إذا كان لديك أي اهتمام على الإطلاق في هذا الموضوع، وأنا أوصي فهم الدماغ من قبل جانيت نوردن. ويغطي بالتفصيل كيفية توصيل الخلايا العصبية إلى التشريح في جميع أنحاء الدماغ والجسم كله. الشبكات العصبية وتداول العملات الأجنبية الشبكات العصبية تأتي في اللعب عندما تكون الإجابة ليست دقيقة جدا. التمسك مع هذا بلوق موضوع تداول العملات الأجنبية، وليس هناك إجابة صحيحة لما يجعل نظام التداول المثالي. مستثمر التجزئة نموذجية قد يقول أفضل نظام التداول هو الذي يجعل أكبر قدر من المال. قد يقول آخر أفضل نظام التداول هو واحد مع أعلى نسبة شارب. كثير يريد شيئا في الوسط. أفضل مشكلة نظام التداول غامضة، مما يجعلها مرشحا مثاليا للهجوم مع الشبكات العصبية. ويحدد المصمم مجموعات من القواعد التي، في رأي المتداولين، تشكل طريقة رقمية لقياس أفضل نظام. العقول البشرية تستضيف ما يقرب من 100 مليار الخلايا العصبية. على الرغم من الجهود المثلى لكثير من عملائنا، لم أكن قد اجتمع مع أي شخص لديه 100 مليار مؤشر السوق تحت تصرفهم. طريقة واحدة لتضخيم تأثير الخلايا العصبية في الأدوات لدينا هو خلق طبقات خفية. تتكون الشبكة من طبقات متعددة، تتكون كل منها من عدة خلايا عصبية. ويرتبط كل الخلايا العصبية إلى كل الخلايا العصبية في الطبقة التالية. كل اتصال ثم يحمل قيمة فريدة من نوعها المرجحة. سوف الخلايا العصبية تمر على قيمته عن طريق ضرب قيمة الخلايا العصبية وبحجم الاتصال الصادرة. سوف الخلايا العصبية في نهاية الاتصال المنتهية ولايته تلخيص جميع الاتصالات الواردة ونشر هذه النتيجة على الطبقة التالية من خلال جميع الاتصالات الصادرة. الصور تجعل فكرة أكثر بديهية بكثير. يحتوي الشكل 1 على مثال صغير. و 2 و 3 على اليسار هي المدخلات في الشبكة. وتضاعف هذه المدخلات في وزن الاتصال بالطبقة التالية. يتم ضرب 2 في 0.5 تعطينا 1، و 3 من 2 تعطينا 6. الطبقة الثانية تحتوي على عقدة واحدة تلخص النتائج من الطبقة السابقة، تعطينا 7. الخطوة التالية ستكون مضاعفة 7 حسب الأوزان على الاتصالات الصادرة وتمريرها إلى الطبقة التالية. الشكل 1: مثال على الشبكة العصبية نشر النتائج إلى الأمام. ويمكن تكرار المثال القصير أعلاه والربط بالسلاسل معا لتشكيل شبكة أكبر. أدناه، في الشكل 2، لدينا مثال على شبكة أكبر. شبكة المثال لديها 3 المدخلات التي ترتبط طبقة مخفية. ثم يتم توصيل الطبقة الخفية إلى إخراج واحد. الطبقات الخفية هي لتسهيل التدريب. أكثر تعقيدا المشكلة والمزيد من الطبقات والعقد اللازمة. الشكل 2: مثال على شبكة عصبية أكبر. تتعلم الشبكة عن طريق تحديث أوزان العديد من الاتصالات. هناك العديد من خوارزميات البرمجيات التي تستخدم لإنجاز التعلم في الشبكات العصبية. وهي تنقسم إلى فئتين، التعلم تحت الإشراف والتعلم غير الخاضع للرقابة. يتم إنجاز التعلم تحت الإشراف مع المستخدم يقول الشبكة إذا توقعاتها صحيحة أم لا. ثم تقوم الشبكة بحساب خطأها وتستخدم إحدى الخوارزميات لتصحيح الخطأ. ومن الأمثلة على ذلك الانتشار العكسي الذي يحسب خطأ التنبؤ بالشبكات. ثم تستخدم الشبكة خوارزمية سريعة لتحديث كل من أوزان التوصيل مع هذا الخطأ. ويعد الانتشار العكسي أحد استراتيجيات التدريب الأكثر شيوعا. التعلم غير الخاضعة للرقابة يستخدم بعض نوع من اللياقة البدنية أو التهديف خوارزمية حيث الشبكة سوف يسجل نفسه مع ومحاولة لتحسين كل محاولة لاحقة. ومن الأمثلة على التدريب غير الخاضع للرقابة الخوارزمية الجينية. هذه الخوارزمية يخلق مجموعة من الشبكات العصبية ويستخدم خوارزمية التهديف التي صممها المستخدم لترتيب السكان. بعد ذلك، فمن البقاء للأصلح. أعلى الشبكات المرتبة الحصول على البقاء والتكاثر والحصول على المرتبة أسفل القاع بها. تتكاثر الشبكات عن طريق خلط وموازنة أوزان التوصيل. ويمكن للشبكات العصبية أن تساعد تجار النظم بشكل كبير في تصميم خوارزمياتهم من خلال استكشاف مليارات من التركيبات بين مجموعة أدوات صغيرة نسبيا من المؤشرات. وهذا يختلف عن التحسين القياسي، الذي يتضمن توصيل الأرقام إلى مؤشرات مختلفة تبحث عن أي مزيج يعود معظم المال. وحقيقة أن الشبكات يمكن أن تنظر في اتخاذ تدابير متعددة (التوازن، نسبة شارب، الخ) لتحديد أفضل نظام التداول يساعد على تقليل احتمال أن المبالغة في التأكيد على مقياس واحد معين. ومثال جيد على ذلك هو رصيد الحساب. إذا كان النظام يزن العطاء واتخاذ بين العائد الصافي والعائد المعدل المخاطر، فإنه يبدأ في الابتعاد عن عدد الطحن لاكتشاف أفضل الأرقام لاستخدام والتوجه نحو التعلم الفعلي والتعرف على الأنماط. الشبكات العصبية تثبت نفسها لتكون مفيدة جدا في مجموعة واسعة من التطبيقات من التعرف على الوجه لتوقعات سوق العملات. فهم يتفوقون عندما تكون هناك أنماط يصعب علينا أن نعترف بها. هذه القدرة تجعل الشبكات لا تقدر بثمن في حل المشاكل الصعبة التي تنطوي على متغيرات متعددة. ترك الرد إلغاء الردالشبكات العصبية تعلم استراتيجيات تداول الفوركس أحدث الطنانة في عالم الفوركس هو الشبكات العصبية، وهو مصطلح مأخوذ من مجتمع الذكاء الاصطناعي. من الناحية التقنية، الشبكات العصبية هي طرق تحليل البيانات التي تتكون من عدد كبير من وحدات المعالجة التي ترتبط معا من خلال الاحتمالات المرجحة. بعبارات أكثر بساطة، الشبكات العصبية هي نموذج يشبه بشكل فضفاض الطريقة التي يعمل بها الدماغ البشري ويتعلم. لعدة عقود الآن، تلك الموجودة في مجتمع الذكاء الاصطناعي قد استخدمت نموذج الشبكة العصبية في خلق أجهزة الكمبيوتر التي 39think39 و 39learn39 على أساس نتائج أفعالهم. وخلافا لبنية البيانات التقليدية، تأخذ الشبكات العصبية في تيارات متعددة من البيانات والإخراج نتيجة واحدة. إذا كان هناك طريقة لتحديد البيانات، هناك طريقة لإضافتها إلى العوامل التي تؤخذ في الاعتبار عند التنبؤ. وهم غالبا ما يستخدمون في سوق الفوركس التنبؤ البرمجيات لأن الشبكة يمكن تدريب لتفسير البيانات ورسم استنتاج منه. قبل أن يكون من أي استخدام في جعل التنبؤات فوركس، يجب أن تكون الشبكات العصبية 39 تريند 39 للاعتراف وضبط للأنماط التي تنشأ بين المدخلات والمخرجات. قد يكون التدريب والاختبار مضيعة للوقت، ولكن ما يعطي الشبكات العصبية قدرتها على التنبؤ بالنتائج المستقبلية استنادا إلى البيانات السابقة. الفكرة الأساسية هي أنه عندما تقدم مع أمثلة من أزواج من البيانات المدخلات والمخرجات، يمكن للشبكة 39learn39 التبعيات، وتطبيق تلك التبعيات عندما قدمت مع بيانات جديدة. من هناك، يمكن للشبكة مقارنة الانتاج الخاصة بها لمعرفة مدى قرب تصحيح التنبؤ كان، والعودة وضبط الوزن من تبعيات مختلفة حتى تصل إلى الإجابة الصحيحة. وهذا يتطلب أن يتم تدريب الشبكة مع مجموعتين منفصلتين من البيانات مداش التدريب ومجموعة الاختبار. واحدة من نقاط القوة للشبكات العصبية هو أنه يمكن أن تستمر في التعلم من خلال مقارنة التنبؤات الخاصة بها مع البيانات التي يتم تغذية باستمرار له. الشبكات العصبية هي أيضا جيدة جدا في الجمع بين كل من البيانات التقنية والأساسية، مما يجعل أفضل من سيناريو العالمين. وتتيح لهم قوتهم جدا العثور على أنماط قد لا تكون قد أخذت في الاعتبار، وتطبيق تلك الأنماط على التنبؤ من أجل التوصل إلى نتائج دقيقة بشكل غير دقيق. للأسف، هذه القوة يمكن أيضا أن يكون ضعف في استخدام الشبكات العصبية للتداول التنبؤات. في نهاية المطاف، والناتج هو فقط جيدة مثل المدخلات. أنها جيدة جدا في ربط البيانات حتى عندما كنت إطعامهم كميات هائلة منه. أنها جيدة جدا في استخراج أنماط من أنواع متباينة على نطاق واسع من مدش المعلومات حتى عندما لا يوجد نمط أو علاقة. قوتها الرئيسية الأخرى قوة مدش القدرة على تطبيق الاستخبارات دون مدهش العاطفة بعد كل شيء، computern39t الكمبيوتر لديها الأنا مدش يمكن أن تصبح أيضا نقطة ضعف عند التعامل مع السوق المتقلبة. عندما يتم إدخال عامل غير معروف، الشبكة العصبية الاصطناعية ليس لديها طريقة لتعيين الوزن العاطفي لهذا العامل. هناك حاليا العشرات من منصات التداول الفوركس في السوق التي تدمج نظرية الشبكة العصبية والتكنولوجيا إلى 39teach39 شبكة النظام الخاص بك والسماح لها جعل التوقعات وتوليد أوامر بيسيل على أساس ذلك. الشيء المهم أن نأخذ في الاعتبار هو أن القاعدة الأساسية لتداول العملات الأجنبية ينطبق عندما كنت وضعت لبناء الشبكة العصبية مدش الخاص بك تثقيف نفسك ومعرفة ما you39re القيام به. ما إذا كنت you39re التعامل مع التحليل الفني والأساسيات والشبكات العصبية أو العواطف الخاصة بك، الشيء الوحيد الأكثر أهمية يمكنك القيام به لضمان نجاحك في تداول العملات الأجنبية هو أن تتعلم كل ما تستطيع. من قبل دنكان ماكوين