期貨
如何將技術指標納入神經網路？
我計劃開發一個神經網路來交易商品期貨，但是在搞亂一些程式碼時，出現了一個問題。如果我理解正確，人們會在他們的網路中使用各種技術指標（移動平均線、MACD 等）。但是，這些如何在機器學習環境中發揮作用？我是否應該將每個時間點的這些函式的值連同實際數據一起作為輸入？
大多數當代 NN 系統只是使用原始價格時間序列作為輸入（可能使用某種簡單的標準化），但在我的論文中，我編寫了一個系統，該系統使用具有技術指標輸入（MA、MACD 甚至頭肩、支撐位等的模式匹配）。所以至少在概念上它絕對是可能的。
我在研究論文時看到的最有趣的系統之一，實際上也取得了很多令人印象深刻的結果，它使用帶有遺傳程式的技術指標來創建一種動態決策樹來生成買入/持有/賣出評級。如果我要再次進入 AI 算法交易，那可能是我關注的方向。
預測變數將由神經網路的輸入層組成。輸出層將包含您的目標。您需要指定隱藏層、每層節點數、學習算法和學習算法停止標準。通常，輸入在輸入到神經網路之前會進行正規化（一階差分、z 評分等），因此模型是針對相對變化而不是絕對水平進行訓練。神經網路在量化金融領域的成功參差不齊，在我看來，還有一些更有趣的非參數技術值得關注。