Построение нейронной сети как задача механической торговой системы

Отображение входов в выход

Архив представляет нейронную сеть как программу, которая отображает независимые входы в зависимый выход. Выученная зависимость может быть линейной или нелинейной. Она берётся из репрезентативных выборок и затем применяется к новым входам.

Этот выпуск — первая из двух частей. Он охватывает определение сети, методы оптимизации и проектирование программы. Правила покупки и продажи, подготовка данных и метод проверки результативности торговой системы оставлены для продолжения.

Как узел вычисляет свой результат

Каждый узел сети суммирует входящие сигналы плюс необязательное смещение. Затем он применяет нелинейную функцию передачи, например сигмоиду, гауссову или синус, прежде чем передать результат дальше. Описанные сети заканчиваются одним выходным узлом.

Обучение как оптимизация системы

Обучение трактуется как оптимизационный поиск. Поиск уменьшает разницу между желаемым и фактическим выходом, изменяя силу связей и другие внутренние характеристики. Архив сравнивает этот поиск с подгонкой кривой методом наименьших квадратов.

Различаются четыре процедуры оптимизации. Полный перебор перебирает каждого кандидата. Стохастический поиск сохраняет случайные догадки, которые улучшают результат. Градиентный спуск следует наклону ошибки. Генетические алгоритмы сочетают кроссовер с мутацией.

Градиентный спуск, как утверждается, быстро достигает глобального минимума, когда поверхность ошибки гладко вогнута. Локальные минимумы всё же могут удерживать поиск в стороне от этого минимума.

Стохастические веса и автоматическая архитектура

Программа использовала стохастический поиск весов вместо градиентного спуска. Она сохраняла случайно выбранные веса, которые уменьшали ошибку выхода, сужала диапазон выборки по мере падения ошибки и допускала функции передачи с нулевым наклоном или разрывными скачками.

Архитектура сети, включая число слоёв, число узлов, набор функций передачи и использование смещения, выбиралась автоматически. Автономные испытания генетическим алгоритмом проверяли небольшое число внутренних слоёв и смешанные функции передачи. Штраф за сложность применялся, чтобы ограничить переобучение.

Проверки до выхода на рынок

До выхода на рынок программа проверялась на исключающем ИЛИ, площади круга, тригонометрических и полиномиальных отображениях, рядах солнечных пятен и канадской рыси, а также на большой входной матрице, в которой лишь несколько столбцов определяли выход.

Что эта часть оставляет для продолжения

Продолжение отведено под предварительную обработку данных, вероятностные правила покупки и продажи и метод проверки результативности торговой системы. Редакция: именно на этом более позднем шаге проверки Walk-forward analysis завершил бы единую процедуру Mechanical trading system. Эта часть не даёт ни этих правил, ни этой проверки.