Technologia

Począwszy od lat dziewięćdziesiątych skuteczne inwestowanie wymaga integracji analizy między rynkowej z tradycją analizą techniczną. Analiza pojedynczych rynków musi dziś ustąpić miejsca szerszej perspektywie analitycznej uwzględniającej nieliniowe zależności między różnymi rynkami finansowymi. Sieci neuronowe są świetnym narzędziem do analizy synergistycznej. Można dzięki nim łączyć w analizie dane różnego rodzaju i odnajdywać ukryte schematy oraz złożone relacje między rynkami. Sieci neuronowe wykonują wspaniałą pracę, przetwarzając wielką ilość rynkowych danych.

Dane wejściowe: techniczne, fundamentalne i międzyrynkowe
Wsteczna propagacja błędu		WEJŚCIE WARSTWA UKRYTA WYJŚCIE
	Dane wyjściowe: cena, kierunek lub sygnał

Sieć działająca na zasadzie wstecznej propagacji błędu składa się z warstwy wejściowej, jednej lub kilku warstw ukrytych i warstwy wyjściowej. Warstwa wejściowa składa się z takiej liczby neuronów, która jest równa liczbie (niezależnych) zmiennych wejściowych. Warstwa wyjściowa zawiera po jednym neuronie dla każdej (zależnej) prognozowanej zmiennej wyjściowej. Neurony warstwy ukrytej połączone są zarówno z warstwą wejściową, jak i z wyjściową. Połączenia warstw są na ogół pełne, co znaczy że każdy neuron danej warstwy jest połączony ze wszystkimi neuronami warstwy sąsiadującej. Wartości przypisane każdemu neuronowi warstwy wejściowej są przekazywane do wszystkich neuronów warstwy ukrytej. Tu są mnożone przez odpowiednią wagę, sumowane i przetwarzane przez funkcję przeniesienia w celu otrzymania danych wyjściowych. Dane wyjściowe z pierwszej warstwy ukrytej są przekazywane do kolejnej warstwy ukrytej lub, w sieciach o jednej warstwie ukrytej, do warstwy wyjściowej. Na wyjściu warstwy wyjściowej pojawia się prognoza opracowana przez sieć.