Neuraal netwerk
Een neuraal netwerk is een reeks algoritmen die probeert onderliggende relaties in een set gegevens te herkennen door middel van een proces dat de werking van het menselijk brein nabootst. In deze zin verwijzen neurale netwerken naar neuronsystemen, organisch of kunstmatig van aard. Neurale netwerken kunnen zich aanpassen aan veranderende input; dus het netwerk genereert het best mogelijke resultaat zonder de uitvoercriteria opnieuw te hoeven ontwerpen. Het concept van neurale netwerken, dat zijn wortels heeft in kunstmatige intelligentie, wint snel aan populariteit bij de ontwikkeling van handelssystemen.
Basisprincipes van neurale netwerken
Neurale netwerken in de financiële wereld helpen bij de ontwikkeling van processen als tijdreeksenvoorspelling, algoritmische handel, effectenclassificatie, kredietrisicomodellering en constructie van eigen indicatoren en prijsderivaten.
Een neuraal netwerk werkt op dezelfde manier als het neurale netwerk van het menselijk brein. Een "neuron" in een neuraal netwerk is een wiskundige functie die informatie verzamelt en classificeert volgens een specifieke architectuur. Het netwerk vertoont een sterke gelijkenis met statistische methoden zoals curve-aanpassing en regressie-analyse.
Een neuraal netwerk bevat lagen van onderling verbonden knooppunten. Elke knoop is een perceptron en lijkt op een meervoudige lineaire regressie. De perceptron voedt het signaal geproduceerd door een meervoudige lineaire regressie in een activeringsfunctie die niet-lineair kan zijn.
In een meerlagige perceptron (MLP) zijn perceptrons gerangschikt in onderling verbonden lagen. De invoerlaag verzamelt invoerpatronen. De uitgangslaag heeft classificaties of uitgangssignalen waaraan ingangspatronen kunnen worden toegewezen. De patronen kunnen bijvoorbeeld een lijst met hoeveelheden voor technische indicatoren over een effect omvatten; mogelijke outputs kunnen 'kopen', 'vasthouden' of 'verkopen' zijn.
Verborgen lagen passen de inputwegingen aan totdat de foutmarge van het neurale netwerk minimaal is. De hypothese is dat verborgen lagen opvallende kenmerken in de invoergegevens extrapoleren die voorspellende kracht hebben met betrekking tot de uitvoer. Dit beschrijft functie-extractie, waarmee een hulpprogramma wordt bereikt dat vergelijkbaar is met statistische technieken zoals hoofdcomponentanalyse.
Belangrijkste leerpunten
- Neurale netwerken zijn een reeks algoritmen die de werking van een menselijk brein nabootsen om relaties tussen grote hoeveelheden gegevens te herkennen.
- Ze worden gebruikt in verschillende toepassingen in de financiële dienstverlening, van voorspelling en marketingonderzoek tot fraudeopsporing en risicobeoordeling.
- Het gebruik van neurale netwerken voor het voorspellen van de beurskoersen varieert.
Toepassing van neurale netwerken
Neurale netwerken worden breed gebruikt, met toepassingen voor financiële operaties, bedrijfsplanning, handel, bedrijfsanalyse en productonderhoud. Neurale netwerken hebben ook een brede acceptatie gekregen in bedrijfstoepassingen zoals oplossingen voor voorspelling en marketingonderzoek, fraudeopsporing en risicobeoordeling.
Een neuraal netwerk evalueert prijsgegevens en biedt mogelijkheden om handelsbeslissingen te nemen op basis van de gegevensanalyse. De netwerken kunnen subtiele niet-lineaire afhankelijkheden en patronen onderscheiden die andere methoden van technische analyse niet kunnen. Volgens onderzoek verschilt de nauwkeurigheid van neurale netwerken bij het maken van prijsvoorspellingen voor aandelen. Sommige modellen voorspellen de juiste aandelenkoersen 50 tot 60 procent van de tijd, terwijl anderen in 70 procent van alle gevallen nauwkeurig zijn. Sommigen hebben gesteld dat een verbetering van de efficiëntie met 10 procent het enige is waar een belegger om kan vragen bij een neuraal netwerk.
Er zullen altijd datasets en taakklassen zijn die beter kunnen worden geanalyseerd met behulp van eerder ontwikkelde algoritmen. Het gaat niet zozeer om het algoritme; het zijn de goed voorbereide invoergegevens op de gerichte indicator die uiteindelijk het succesniveau van een neuraal netwerk bepalen.
Vergelijk beleggingsrekeningen Aanbieder Naam Beschrijving Adverteerder Openbaarmaking × De aanbiedingen die in deze tabel worden weergegeven, zijn afkomstig van samenwerkingsverbanden waarvan Investopedia een vergoeding ontvangt.