摘要
机器学习在股票市场交易中日益普遍。 虽然神经网络已经在计算机视觉和自然语言处理方面取得了成功，但它们在股票市场交易中并没有那么有用。 为了证明神经网络在股票交易中的适用性，我们制作了一个单层神经网络，建议买卖股票，将连续10天的最高点与未来10天的最高点进行比较，这个过程重复了一年之久的历史数据。$x^2$分析发现，神经网络可以准确，适当地决定是否为给定股票买卖股票，表明神经网络可以对股票市场做出简单的决策。
介紹
大公司(如谷歌、埃克森美孚等)不是由一个人或私人团体拥有。
相反，这些公司被分成小块（股票），然后出售给任何有能力的个人。单一股份的价值取决于许多因素，主要是其当前和预期的未来利润。
例如，苹果的股票（以总价值计最大的公司）是
售价约为140美元[1].
随着公司的发展，其股票的价值也增加了；1997年，亚马逊股票的价格为每股18美元[2]但现在价值超过800美元的原因是亚马逊的巨大增长[3].
一个公司的"share[英文成为share]"被称为“股票”。
股票投资者试图购买将大幅增长的公司的股票；而在1997年购买了亚马逊股票的投资者，现在将非常富有。
许多人工智能（AI）技术被应用于股票交易，如遗传算法和概率逻辑网络[4]。
神经网络是一种模拟人类大脑的人工智能技术，已被应用于股票交易，但是成功取得了有限的成果，因为它们对于股票市场没有明确模式的系统最有效[5]。
在神经网络中，神经元被分组成层，它们被组合以形成模拟大脑的网络。
单个神经元从上一层的神经元中获取许多输入，每个乘以一个权重，乘以乘积，加上一个恒定的偏差，最后通过激活函数运行该和，通常是S形或双曲正切函数，灰。
如果我们将输入表示为向量x，则权重作为向量w，偏差作为标量b，激活函数为f，最终输出为标量a，则
$a = f(x * w + b)$
因简书的markdown，对图片和latex支持较弱，可以访问如下地址阅读完整文章。
http://note.youdao.com/noteshare?id=5d15284041b55291ab0f167f98221c98
广告贴:
基于RPC的金融数据服务平台: http://chaostrade.net/
本研究探讨了一个浅层神经网络对股票交易的实用性，特别是在给定公司的股票信息时，决定是否购买或出售给定公司的股票。
网友评论