証券取引所での取引にニューラルネットワークを使用する

私はニューラルネットワークの分野に飛び込み、それらに夢中になりました。

最終的に、証券取引所の取引システムをテストするためのアプリケーションフレームワークを開発しました。次に、最初のニューラルネットワークを実装します。非常にシンプルで原始的なもので、実際の取引用ではなく、初心者向けです。

私のアプローチが良いアプローチであるかどうかを知りたいだけです。

そして、あなたが私が何かを見逃している（または何かについて間違っている）とわかるか、市場取引のニューラルネットワークの分野で初心者を助けることができるというアイデアを持っているなら、それは私をただ幸せにします:)

私は40のインプット、証券取引所からの市場価値を持っています（S＆P e-miniですが、それは重要ではありません）。

これらの40個の入力に対して、2つの数値を知っています。

• 購入注文でどれくらいのお金を稼ぐか失うか
• 売り注文でどれくらいのお金を稼ぐか失うか

証券取引所の仕組みにより、両方の数値は実際には負/正になる可能性があり、買いと売りのどちらでもお金を失う/稼ぐことができることを示しています（これは、取引がSTOP、LIMIT動作が異なります）。

しかし、それが起こった場合、両方の買い注文と売り注文が正の数を与えたとしても、私はまったく注文をしてはならないことを示しています。

使用するのに最適なアクティベーション関数は...シグモイドのものですが、-1から1までの範囲であると思います（インターネットでは多くの名前と呼ばれていることがわかりました...双極シグモイド、タン、タンジェントなもの...私は深遠な数学者ではありません）。

バックプロパゲーション学習では、40の入力に対して1つの出力があり、この出力はこれらの数値の1つであることをネットワークに教えます。

• -1は、売り注文はお金を稼ぎ、買いはお金を失うことを意味します
• +1は、買い注文はお金を稼ぎ、売りはお金を失うことを意味します
• 0は、買いと売りの両方がお金を売る/失うことを意味し、取引を避けるのが最善です

学習後、ネットワーク出力は常に-1、1、または0に近い数値になり、売買のしきい値を設定するのは自分次第だと想像しています。

これはニューラルネットワークを使用する正しい方法ですか？

インターネット上のあらゆる場所で、学習者が逆伝播学習マシンに与える出力は、市場チャートの将来の値であり、異なるトレードエントリ（買いまたは売り）の期待収益率ではありません。将来のチャートの値には興味がなく、獲得したいお金に興味があるので、それは悪いアプローチだと思います。

編集：意思決定支援ではなく、自動取引用のニューラルネットワークを構築するつもりです。

このアプローチには重大な欠陥があります。

まず、通常は勝つが、悪いギャンブルである多くのギャンブルがあります。あなたが時間の1 $を獲得し、時間の100 $を失うチャンスがあると仮定します。これには負の期待値がありますが、ニューラルネットワークのトレーニング方法は、このような逆宝くじを推奨することを教えます。$90\%$$10\%$

第二に、リスクを管理することである証券取引所の大きなポイントを見逃しています。投資の価格を決定するのは、そのリターンだけではありません。それは、ヘッジされないリターン対リスクです。高収益と高リスクの投資は、必ずしも低収益と低リスクの投資よりも良いとは限りません。でリスクなしで投資し、でお金を借りることができる場合、これはリターンで非常にリスクの高い投資を見つけるよりも価値があります。収益率が負の投資は、収益率の高い危険な投資と強く負の相関関係がある場合、依然として価値があります。そのため、投資を評価するには収益率が不十分です。$6\%$$5\%$$60\%$

第三に、あなたもニューラルネットワークにアクセスできる他の人々と競争していることに気付く必要があります。ニューラルネットワークに基づいたデイトレーダーを対象とした多くの商用プログラムがあります。（これらは、混乱したデイトレーダーにソフトウェアを販売する方が、自分のシステムを使用するよりも収益性が高いと感じる人々によって作られています。）多くの独自システムがあります。彼らが見落としている価値を見つけるためには、いくつかの利点が必要であり、何も言及していません。

私はニューラルネットワークの大ファンですが、株式市場のニューラルネットワークの一般的なユーザーは基本を理解しておらず、お金を消費していると思います。

私はこれが古いスレッドであることに気づきましたが、万が一誰かがそれにつまずいた場合、OPがする必要があるのは、希望するフィールドを0対1のスペースに押しつぶすことでした。つまり、-1 = 0.0、0 = 0.5、および1 = 1だけを再マップします。その後、標準のロジスティックS字型アクティベーション関数を使用できます。