机器学习之神经网络入门
【摘要】机器学习之神经网络入门神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的
机器学习之神经网络入门
神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。神经网络用途极其广泛,本文采用神经网络算法用于金融领域量化选股策略。
神经网络原理
神经网络中最基本的成分是神经元模型,在生物神经网络中,每个神经元与其他神经元相连,当它“兴奋”时,就会向相连的神经元发送化学物质,从而改变这些神经元的电位;如果某神经元的电位超过了一个“阈值”,那么它就会被激活,即“兴奋”起来,向其他神经元发送化学物质。下图为M-P神经元模型:
在这个模型中,神经元接收到来自n个其他神经元传递过来的输入信号,这些输入信号通过带权重的连接进行传递,神经元接收到的总输入值将与神经元的阈值进行比较,然后通过“激活函数”处理以产生神经元的输出。
理想中的激活函数是上图中的(a)阶跃函数,它将输入值映射为输出值“0”或“1”,显然“1”代表神经元兴奋,“0”代表神经元抑制,但由于其不连续,不光滑的性质,所以实际常用(b)Sigmoid函数作为激活函数。把许多个这样的神经元按一定的层次结构连接起来,就得到了神经网络。
基于神经网络的量化选股策略
策略思想:选取一些常用技术指标作为训练样本特征集,对于类别,如果未来20个工作日上涨幅度超过10%则标记为1,否则为-1,采用神经网络算法进行训练,预测结果为1且未持仓则买入,预测结果为-1且已持仓则卖出。
特征因子选取:本文采用神经网络算法解决有监督学习的分类问题,特征因子选取了2015-01-05那天上证50指数成份股的总市值,OBV能量潮,市盈率,布林线,KDJ随机指标,RSI相对强弱指标共6个指标。
数据标准化:数据标准化方法有很多,本文采用高斯预处理方法,即每个特征因子减去它对应的均值再除以它的标准差((x-x.mean)/x.std)。
就业培训申请领取
环球青藤
官方QQ群扫描上方二维码或点击一键加群,免费领取大礼包,加群暗号:青藤。 一键加群
数据分析师相关文章推荐
|数据分析师最新文章推荐
刷题看课 APP下载
免费直播 一键购课
代报名等人工服务
- 1 传统数据和大数据的区别
- 2 数据分析的8种方法都是哪些?
- 3 3大常用的数据分析工具是什么?
- 4 数据分析的具体流程是什么?
- 5 excel中的运算符
- 6 数据分析的作用有哪些?
- 7 电子商务需要分析哪些数据?
- 8 数据分析包括哪些内容?
- 9 rdd是什么?
- 10 数据分析的基本步骤