加入收藏在线咨询
位置:网站首页 > 新闻传媒 >

首页_菲娱3注册地址_首页

作者:admin时间:2020-09-18 18:04浏览:

  首页_菲娱3注册地址_首页_4981002_最近在看神经网络算法,所以做了一个简单的尝试——对证券价格的行情进行简单的分类和识别。

  自组织竞争网络是一种典型的无导师学习的神经网络,它可以通过不断的“观察”、“分析”和“比较”,从而发现样本的内在规律,从而对其进行分类和识别。它与有导师学习的神经网络最大的区别就是无需知道期望的输出,也就是说一场搏击比赛无需裁判来判定胜负,通过比赛者自身之间的相互竞争,最后活着站在擂台上的那一个就是胜利者,并且胜利者可以获得各种奖励甚至成为搏击界的权威(该神经元相关的各连接权值和阈值向着其有利竞争的方向发展),而失败者则啥也没有(其神经元对应的权值和阈值都保持不变)。

  在用它对行情进行识别之前,我们首先要对行情进行分类,例如说“涨/跌/平”,或者“趋势/震荡”等等。在这里我对上证指数进行分类——“上涨”、“下跌”和“区间震荡”三类,然后对样本外的的数据进行识别,看看其识别结果能否令我们满意。当然,这识别结果与你输入的训练数据有着密切关系。

  net = newc(Q,3,0.1); %建立网络,因为我定义了3种行情,所以输出层有3个神经元,学习速率为0.1

  当然,这只是一个简单的例子,有很多细节还需要处理,离实际的应用还有很长的路要走:

  (2)这是对历史行情进行识别的,也就是说,我们只能站在t时间对t-lookback+1:t的行情进行识别,因此具有一定的滞后性(或许在实际应用当中我们还要结合行情变换的周期来使用);

  或许有人会问我,这些直接用肉眼判断不就行了吗,何必搞得那么麻烦呢。我只想说,我觉得这样做很有意思,很感兴趣,例如说,结合波浪理论,让电脑帮我自动“数浪”,那难道不是件很有意思的事情吗?当然,这些东西能否为我在交易中带来超额收益,都已不重要了(如果能的话,那就再好不过了)。

  在上面的基础上,我们将训练好的网络分别对上证指数、恒生指数和道琼斯指数进行移动识别。

  效果“麻麻地”,可能是由于回顾的周期比较长,因为我的lookback设了100,所以上面的识别结构都是t-100+1:t的识别结果,滞后性很强。(陈道民 佛科院)

QQ:4981002
地址:浙江省杭州市西湖区
邮箱:4981002@qq.com