나는 신경망의 분야에 뛰어 들었고 그들에 매료되었습니다.
마지막으로 증권 거래소에서 거래 시스템을 테스트하기위한 애플리케이션 프레임 워크를 개발했으며 이제는 첫 번째 신경망을 구현할 것입니다. 매우 간단하고 원시적 인 것으로, 실제 거래 용이 아닌 초보자 용입니다.
내 접근 방식이 좋은 접근 방법인지 알고 싶습니다.
그리고 당신이 내가 무언가를 놓치고 있거나 (또는 무언가에 대해 틀렸다는 것을) 보거나 시장 거래에서 신경 네트워크 분야의 초보자를 도울 수있는 아이디어가 있다면, 그것은 나를 매우 행복하게 만듭니다 :)
증권 거래소의 시장 가치 인 40 개의 입력이 있습니다 (S & P e-mini이지만 중요하지는 않습니다).
이 40 개의 입력에 대해서는 2 개의 숫자를 알고 있습니다.
- 구매 주문으로 얼마나 많은 돈을 벌거나 잃을 것인가
- 판매 주문으로 얼마나 많은 돈을 벌거나 잃을 것인가
증권 거래소의 작동 방식으로 인해 두 숫자는 실제로 음수 / 양수일 수 있습니다. 이는 매매에 대해 돈을 잃거나 벌 수 있음을 나타냅니다 (거래에서 STOP, LIMIT와 같은 "손실 제한"또는 "타겟팅"주문을 첨부 할 수 있기 때문입니다) 다르게 행동하는 등).
그러나 그러한 상황이 발생하면, 구매 및 판매 주문이 모두 양수를 제공하더라도 주문을하지 말아야한다는 표시입니다.
사용할 수있는 가장 좋은 활성화 기능은 ... sigmoid 일이지만 -1에서 1까지의 범위를 가지고 있다고 생각합니다 (인터넷에서 많은 이름이라고합니다 ... 양극성 sigmoid, tanh, 탄젠트 무언가 ... 나는 심오한 수학자가 아닙니다).
역 전파 학습을 통해 네트워크에 40 개의 입력에 대해 1 개의 출력이 있으며이 출력은이 숫자 중 하나라고 가르칩니다.
- -1은 판매 주문이 돈을 벌고, 구매가 돈을 잃을 것이라는 것을 의미합니다
- +1은 구매 주문이 돈을 벌 것이고, 판매는 돈을 잃을 것임을 의미합니다
- 구매와 판매가 모두 돈을 팔거나 잃을 것이라는 것을 의미합니다.
학습 후 네트워크 출력은 항상 -1, 1 또는 0에 가까운 숫자이며 구매 또는 판매에 대한 임계 값을 설정하는 것은 나에게 달려 있다고 상상합니다.
이것이 신경망을 사용하는 올바른 방법입니까?
인터넷의 어느 곳에서나 사람들이 학습하는 결과는 역전 학습 기계를 제공합니다. 시장 차트의 미래 가치이며 다른 거래 항목 (구매 또는 판매)의 예상 수익률이 아닙니다. 나는 미래 차트 가치에 관심이 없지만 내가 벌고 싶은 돈에 관심이 있기 때문에 나쁜 접근법이라고 생각합니다.
편집 : 의사 결정이 아닌 자동화 된 거래를위한 신경망을 구축하려고합니다.