• BTC/USD : $100
  • ETH/USD : $100
  • RIPPLE/USD : $100
  • BCC/USD : $100
  • EOS/USD : $100
  • LTC/USD : $100
  • XMR/USD : $100
  • ZEC/USD : $100
  • ETC/USD : $100
  • DASH/USD : $100
  • ADA/USD : $100
  • USDT/USD : $100

First Block Capital.人工智能係統

本研究的目的是通過提供基於人工智能的模型來提高投資回報。可以在短期(每日)和中期(每月)條件下對金融市場的投資進行調查。在每日加密貨幣股票市場數據的短期維度中,他們是從2010年初至2017年9月底提取的,並輸入了人工神經網絡(ANN)和遺傳規劃(GP)模型以將其用於價值預計第二天的市場。此外,在回報和月度風險的中期,遺傳算法使用了20多個活躍的數字證券交易所和每月的市場風險為投資者提供最優投資組合。模型的實施結果表明人工神經網絡和遺傳編程在金融市場短期預測中的效率,而人工神經網絡表現更好。遺傳算法的效率也被證明可以通過識別最優投資組合來提高收益和投資風險。

人工神經網絡

神經網絡是具有學習和概化能力的計算結構。 從概念上講,神經網絡使用分佈式風扇來幫助他們存儲來自已知和眾所周知的例子的發現,並將它們分類為分類,預測,分析,控制和優化。 神經網絡是一種模擬人類大腦生物結構的軟件程序,具有相同的複雜性; 換句話說,神經網絡可以稱為人腦大腦神經元結構的模擬電子模型。 幾個獨特的特徵引起了神經元網絡的關注:學習能力,信息分散(作為協作或聯想記憶的可用性),泛化,並行處理和電阻率。

運動神經元建模

神經網絡由一系列層組成,包括稱為“運動神經元”的簡單處理器組件,它們並行運行。 每個輸入層都鏈接到一個或多個中點,中間層也連接到輸出層,其中網絡響應顯示為系統的輸出。 人造運動神經元是任何神經網絡的基礎。 其設計和結構受到作為神經網絡基礎的“自然神經元”的啟發。 生物神經網絡和人工神經網絡有兩個簡單的相似之處:首先,兩者的形式和結構都很簡單,其次,運動神經元之間的關係決定了網絡的工作方式。 合成神經網絡比生物學開發簡單得多,但他們有能力在很大程度上學習它們。

多層感知器神經網絡基礎結構,鑲嵌層,一個或多個隱藏層和出口層。 每個層都由一個或多個節點組成。 輸入層是獨立節點變量的數量,輸出層也與從屬變量的數量相關聯,但很難指定隱藏層的結構。 輸入值通過凸函數轉換為輸出; 因此,有必要考慮傳遞函數及其類型。 為了獲得最佳輸出,研究人員必鬚根據神經網絡的使用類型使用適當的傳遞函數。 傳遞函數可以是線性或非線性的。 根據解決問題的具體需要來選擇傳遞函數。

結論

這項研究的目的是找到基於人工智能的工具,可以改善投資金融市場的決策過程。 在這方面,研究了人工神經網絡和遺傳規劃模型對金融市場短期預測的影響。 這是通過使用當天前一周的平均值來預測這些市場的每日價值。 研究結果表明,這兩種模型都具有高度的日常金融市場預測能力,而人工神經網絡在數量和質量上均表現出較好的表現。

在平均期限內,遺傳算法的效率在尋找金融市場的最佳投資籃子方面進行了調查。 為此,資產持有收益和二階扭矩回報被用作回報和機會風險。 這項工作的結果表明,所有確定的投資組合在夏普指標方面相對於任何投資機會都具有優勢。

這項研究的結果,例如以前的研究,表明了人工智能技術用於金融決策,特別是金融市場投資的能力。