Rețelele neuronale în tranzacționare
Conținutul
Rezervări în orice hodel. HCNN permit modelarea extrem de interacțiune neliniară sistemelor dinamice de-a lungul mai multor perioade cântare.
HCNN nu trag niciunul distincția dintre intrările și ieșiri, dar observabile de model încorporat în dinamica unei mari spațiu de stat. Mulți reale tehnice și economice cererile trebuie totuși să fie văzute în contextul sistemelor mari în care diferite dinamice dinamice interacționează unul cu celălalt în timp. Proiectat pe un model, asta înseamnă că nu avem diferențiați între intrările și ieșiri, dar vorbesc despre observabile.
Datorită observabilității parțiale a sisteme mari, avem nevoie de stări rețelele neuronale în tranzacționare pentru a putea explica dinamica observabilele. Observații și variabilele ascunse ar trebui tratate prin modelul în același mod. Dacă suntem capabili să implementăm a model în care dinamica tuturor observabilele pot fi descrise, noi va fi în măsură să închidă sistem deschis.
HCNN oferă o descriere perfectă a dinamica observabilelor în trecut. Cu toate acestea, parțial observabilitatea lumii este rezultatul o reconstrucție non-unică a variabilele ascunse și, astfel, diferite scenarii viitoare.
Inteligență artificială
Deoarece autentic dezvoltarea dinamicii nu este cunoscută și toate căile au același lucru probabilitatea, media lui ansamblul poate fi considerat cel mai bun prognoză, în timp ce lățimea de bandă a distribuția descrie piața risc.
Astăzi, folosim prognozele HCNN să prezică prețurile pentru energie și prețioase metale pentru a optimiza calendarul deciziile de achiziții publice.
Lucrați în prezent în curs se referă la analiza proprietățile ansamblului și implementarea acestor concepte în managementul practic al riscurilor și financiar aplicații rețelele neuronale în tranzacționare piață.