Primero, voy a asumir que te estás refiriendo a las Redes Neuronales Artificiales como una herramienta de modelado. Si este no es el caso, le animo a que escriba una pregunta más descriptiva que especifique exactamente lo que está preguntando.
En cuanto a las redes neuronales artificiales, aquí está mi respuesta.
Los ANN son herramientas maravillosas para modelar relaciones lineales y no lineales entre datos. Este ejemplo se basa en un diseño típico de red neuronal de propagación hacia atrás y hay demasiados enfoques diferentes para cubrir aquí. La premisa básica es que usted proporciona entradas a la ANN, esta es típicamente una variable múltiple, pero en teoría podría ser tan pequeña como una.
- ¿Cómo ganan dinero los desarrolladores de Android?
- Si estoy atrasado en un par de pagos de préstamos, ¿pueden tomar dinero de mi cuenta cuando lo deseen?
- ¿Cuáles son las mejores cosas de la vida que no cuestan dinero?
- ¿Sería posible y te sorprenderías si Deadpool (2016) ganara más dinero que Avatar?
- Cómo ganar dinero viviendo en una cabaña en una montaña nevada
Estas entradas se alimentan a través de múltiples capas de nodos (neuronas) que tienen una función de activación no lineal. Cada nodo se conecta a todos los nodos de una capa anterior a través de conexiones ponderadas. Los pesos modifican las variables que se ingresan y se suman los valores resultantes.
La función de activación utiliza las entradas ponderadas sumadas como su entrada y calcula una nueva salida. En la capa de salida final, las salidas de los nodos se comparan con los datos esperados y se calculan los errores, normalmente utilizando un enfoque de error cuadrático medio.
Estos errores se propagan a través del nodo y se ajusta el peso de cada conexión. Cada vez que hace esto, el ajuste de los pesos acerca la red neuronal a un modelo interno de la relación entre los datos.
Se les conoce como redes neuronales porque, de manera rudimentaria, se modelan según el funcionamiento de las neuronas en el cerebro. Una búsqueda rápida de modelos de redes neuronales debería brindarle una amplia variedad de recursos que pueden brindar implementaciones específicas.
Así es como funcionan, ahora veamos la pregunta real. ¿Por qué iban a trabajar para los datos del mercado de valores? Me temo que la respuesta será frustrante, ya que no son mejores para predecir el mercado de valores que muchos de los otros modelos.
Veamos los supuestos que necesita tener para que un sistema de predicción del mercado de valores funcione.
# 1 – El mercado de valores es ineficiente. Eso significa que el precio actual de una acción no incorpora instantáneamente toda la información disponible para el mercado. En aras de esta discusión, supongamos que el mercado es ineficiente. Estoy de acuerdo en que el mercado es algo ineficiente, pero muchos no están de acuerdo con esto en absoluto.
# 2 – Los datos que está utilizando tienen una relación directa con una ineficiencia previsible del mercado. Si no es así, solo estás leyendo hojas de té. Los datos que elija alimentar al ANN DEBEN contener algún poder predictivo.
# 3 – La relación entre sus datos de entrada y la ineficiencia es estable. Suponiendo que tienes las uñas 1 y 2, lo cual es increíblemente difícil, necesitas la relación que modelas para mantenerte estable el tiempo suficiente para usarla. El mercado es Heteroscedastic, lo que significa que la forma en que varía también varía con el tiempo. Esto arroja inmediatamente una llave inglesa en su modelo ANN. De alguna manera, deberá tener en cuenta ese efecto.
# 4 – La ineficiencia es indetectable por todos los demás. En realidad, esto se relaciona directamente con el n. ° 3 porque tan pronto como alguien más detecte la misma ineficiencia, actuará con ese nuevo conocimiento. Esto hace que la ineficiencia desaparezca rápidamente. Las ineficiencias se asignan por orden de llegada y se eliminan rápidamente del mercado. Si quieres jugar ese juego, prepárate para gastar grandes cantidades de dinero en grandes computadoras y datos rápidos y caros.
Los ANN pueden ser excelentes herramientas, pero a menudo son mal entendidos y mal utilizados. Son la forma de la persona perezosa de crear un modelo financiero. Internamente crearán un modelo para usted sin que usted entienda por qué.
Ese es el mayor riesgo al usar ANN, nunca se sabe realmente qué características está modelando el ANN. Todo sucede dentro de los pesos y nodos. Es una caja negra. No sabe si su ANN ha convergido en una relación real en los datos o si simplemente le gusta un cierto garabato que ocurre al azar varias veces.
Como nunca comprende el modelo que se genera, nunca tiene la capacidad de evaluarlo lógicamente. No sabe lo que está sucediendo para que le brinde los resultados, por lo tanto, nunca tendrá la capacidad de juzgar si es apropiado para el mercado que está negociando.
No piense en los ANN como un atajo para enriquecerse con el comercio, no lo son. El comercio es un negocio difícil que requiere mucha experiencia y un estudio continuo para hacerlo bien. Dedique su tiempo a aprender sobre inversiones y los mercados en general.
La alternativa es ganar dinero a la antigua usanza. Pídale a su amigo en el club de campo que le brinde información privilegiada sobre la próxima fusión en su compañía y aproveche algunos millones que le prestó a su padre para presentar las noticias.
Buena suerte.