Xarxa Neural
Una xarxa neuronal és una sèrie d’algoritmes que s’esforcen a reconèixer les relacions subjacents en un conjunt de dades mitjançant un procés que imita el funcionament del cervell humà. En aquest sentit, les xarxes neuronals es refereixen a sistemes de neurones, de naturalesa orgànica o artificial. Les xarxes neuronals es poden adaptar al canvi d’entrada; de manera que la xarxa genera el millor resultat possible sense necessitat de redissenyar els criteris de sortida. El concepte de xarxes neuronals, que té les seves arrels en la intel·ligència artificial, està guanyant popularitat ràpidament en el desenvolupament de sistemes comercials.
Fonaments de les xarxes neuronals
Les xarxes neuronals, en el món de les finances, ajuden en el desenvolupament de processos com ara la predicció de sèries horàries, la negociació algorítmica, la classificació de valors, el modelat de riscos de crèdit i la construcció d’indicadors propietaris i derivats de preus.
Una xarxa neuronal funciona de manera similar a la xarxa neuronal del cervell humà. Una "neurona" en una xarxa neuronal és una funció matemàtica que recull i classifica informació segons una arquitectura específica. La xarxa té una gran semblança amb els mètodes estadístics, com ara l’ajustament de corbes i l’anàlisi de regressió.
Una xarxa neuronal conté capes de nodes interconnectats. Cada node és un perceptre i és similar a una regressió lineal múltiple. El perceptre introdueix el senyal produït per una regressió lineal múltiple en una funció d’activació que pot ser no lineal.
En un perceptre multicapa (MLP), els perceptors es disposen en capes interconnectades. La capa d'entrada recull els patrons d'entrada. La capa de sortida té classificacions o senyals de sortida als quals es poden mapejar els patrons d’entrada. Per exemple, els patrons poden incloure una llista de quantitats per a indicadors tècnics sobre una seguretat; Les sortides potencials podrien ser “comprar”, “mantenir” o “vendre”.
Les capes ocultes ajusten les ponderacions d’entrada fins que el marge d’error de la xarxa neuronal sigui mínim. Es hipòtesi que les capes ocultes extrapolen funcions destacades a les dades d’entrada que tenen poder predictiu respecte a les sortides. Es descriu l'extracció de funcions, que aconsegueix una utilitat similar a tècniques estadístiques com ara l'anàlisi de components principals.
Compres per emportar
- Les xarxes neuronals són una sèrie d'algorismes que imiten les operacions d'un cervell humà per reconèixer les relacions entre grans quantitats de dades.
- S'utilitzen en diverses aplicacions en serveis financers, des de previsions i investigacions de màrqueting fins a detecció de fraus i avaluació de riscos.
- L’ús de les xarxes neuronals per la predicció de preus borsaris varia.
Aplicació de xarxes neuronals
Les xarxes neuronals s’utilitzen àmpliament, amb aplicacions per a operacions financeres, planificació empresarial, comerç, analítica empresarial i manteniment de productes. Les xarxes neuronals també han aconseguit una àmplia adopció en aplicacions empresarials com ara solucions de recerca de màrqueting, predicció i detecció de fraus i avaluació de riscos.
Una xarxa neuronal avalua les dades de preus i descobreix les oportunitats per prendre decisions comercials a partir de l’anàlisi de dades. Les xarxes poden distingir interdependències no lineals subtils i pautes que altres mètodes d'anàlisi tècnica no poden fer. Segons la investigació, la precisió de les xarxes neuronals a l'hora de fer prediccions de preus per a les existències és diferent. Alguns models prediuen el correcte preu de les accions del 50 al 60 per cent del temps, mentre que d’altres són precisos en el 70% de totes les instàncies. Alguns han pensat que una millora del 10% d'eficiència és tot el que un inversor pot demanar a una xarxa neuronal.
Sempre hi haurà conjunts de dades i classes de tasques que s’analitzen millor mitjançant algorismes desenvolupats prèviament. No és tant l’algorisme l’important; es tracta de les dades d’entrada ben preparades de l’indicador objectiu que en definitiva determinen el nivell d’èxit d’una xarxa neuronal.
Comparació de comptes d'inversió Nom del proveïdor Descripció del anunciant × Les ofertes que apareixen a aquesta taula provenen de col·laboracions per les quals Investopedia rep una compensació.