人工智能炒股不是梦！但是有个问题，真的是每个AI都能赚到钱吗？！
本文为捷克布拉格查理大学（作者：Larysa Aharkava）的硕士论文，共108页。
神经网络在金融时间序列预测中具有广泛的应用。然而，期货价值预测有其缺陷，往往不能转化为有效且盈利的交易体系。在这篇论文中，将描述几种不同类型的神经网络。然后，基于Kohonen的自组织映射和反向传播网络，提出并评估两种不同方法如何建立成功和盈利的交易模型。此外，给出了外汇市场的概况回顾和神经网络在该类市场的使用。
近年来，人工神经网络（ANN）从理论方法向广泛应用的技术转化，成功地应用于各种问题。这些应用大多与模式识别有关，神经网络常被用作非线性逼近器，其对于不精确度具有很高的容错性，甚至在噪声环境中也能很好地工作。这些特点也使得神经网络适合于金融领域，特别是金融交易。
人们曾多次尝试将神经网络应用于贸易系统的开发，该系统不仅能够预测某些商品的未来价值，而且还能从这些预测中赚取利润。这些尝试中的大多数案例在形式上和统计上都是成功的，但是由于不同的原因，在实时金融交易中表现不佳，因此仍然是纯粹的理论研究。但是在真实的金融市场至少有一个结果被证明是非常有效的。
Olexandr Topchylo是2007年自动交易锦标赛的获胜者。他开发了一个基于人工神经网络的自动交易程序，能够在三个月内产生超过1200%的毛利。锦标赛项目的初始金额是10000美元，不到三个月的交易就完成了超过130000美元的收入。锦标赛结束后，他开始使用该项目进行个人自动交易，根据他的交易报告，在真实的交易市场上仍然非常有利可图。
Olexandr使用方法的细节仍然是未知的——作为每一个成功的交易者，他都不会泄露他的秘密。但他的例子表明，使用人工神经网络创造一个盈利的智能顾问是可能的。这一事实正是本论文开展研究的重要基础。
Neural networks are widely used forfinancial time series prediction. However, the future values’ prediction hasits drawbacks and often cannot be converted to the effective and profitabletrading system. In that thesis I will describe several different types ofneural networks. Then, I will propose and evaluate on real series data twodifferent approaches based on Kohonen’s self-organizing maps and backpropagation networks of how to use those networks for creating successful andprofitable trading models. Also, I will give a general overview of the Forexmarket (Foreign exchange market) and neural networks’ usage within that market.
1 引言
2 人工神经网络ANN
3 Kohonen自组织映射
4 金融市场简介
5 用于外汇交易的神经网络
6 自组织映射与外汇
7 FXANN——一种外汇交易模型
8 结论与未来工作展望
附录 专业词汇介绍
下载英文原文地址：
http://page2.dfpan.com/fs/4lcja221629116de448/
更多精彩文章请关注微信号：
