使用神经网络进行证券交易

我进入了神经网络领域，并被它们所吸引。

我终于开发出了一个用于在证券交易所测试交易系统的应用程序框架，现在我将在其中实现我的第一个神经网络。非常简单原始的一种，不适合真正的交易，仅适合初学者。

我只想知道我的方法是否是好的方法。

而且，如果您发现我遗漏了某些东西（或者我在某些方面错了），或者您对在市场交易的神经网络领域的初学者有什么帮助的想法，那将令我非常高兴:)

我有40个来自证券交易所的市值输入（S＆P e-mini，但这并不重要）。

对于这40个输入，我知道2个数字。

• 购买订单会赚多少钱
• 我卖出一张订单会赚多少钱

由于证券交易所的运作方式，两个数字实际上都可能为负/正，表示我可以通过买卖来赚钱/赚钱（这是因为交易可以附加“亏损限制”或“目标”订单，如止损，限价等等）。

但是，如果发生这种情况，则表明即使买入和卖出两个订单均给出正数，我也都不应下订单。

我想最好用的激活函数是...乙状结肠，但范围是-1到1（我发现它在互联网上被称为很多名字...双极乙状结肠，tanh，切线等...我不是高深的数学家）。

通过反向传播学习，我告诉网络对于40个输入，有1个输出，此输出是这些数字之一。

• -1表示卖单要赚钱，买单要亏钱
• +1表示买单将要赚钱，卖出将要亏钱
• 0表示买入和卖出都将卖出/卖出钱，最好避免交易

我在想，学习之后，网络输出将始终是接近-1、1或0的某个数字，这取决于我设定买卖门槛的情况。

这是使用神经网络的正确方法吗？

在互联网上的任何地方，用于学习的人所得到的输出都是反向传播学习机，它是市场图表的未来价值，而不是不同交易条目（买入或卖出）的预期货币收益。我认为这种方法不好，因为我对未来的图表价值不感兴趣，但对我想赚的钱不感兴趣。

编辑：我打算建立一个用于自动交易的神经网络，而不是用于决策帮助。

这种方法存在严重缺陷。

$90\%$$10\%$

$6\%$$5\%$$60\%$

第三，您应该意识到自己正在与也可以使用神经网络的其他人竞争。有很多针对基于神经网络的日间交易者的商业程序。（这些是由发现将软件出售给混乱的日间交易者而不是使用自己的系统更有利可图的人们所创造的。）有许多专有系统，其中一些可能涉及神经网络。要找到他们忽略的价值，您需要拥有一些优势，而您没有提到任何优势。

我是神经网络的忠实拥护者，但我认为股票市场中神经网络的典型用户并不了解基本知识并浪费金钱。

我意识到这是一个旧线程，但是以防万一有人绊倒它，OP需要做的就是将他想要的字段压缩到0到1的空间。即只需重新映射-1 = 0.0、0 = 0.5和1 =1。然后您就可以使用标准的logistic Sigmoid激活函数。