A general heuristic for the design

A general heuristic for the design of neural networks in financial domains is that the more knowledge that is available to the neural network for forming its model, the better the ultimate performance of the neural network [11, 38]. with a minimum of two years of training data a nominal starting point. Box et al. [5] indicate that time series models improve as more data is incorporated into the modeling process. Technical analysis estimates for various financial time series indicate that historical information is required for anywhere from one year 1171 to six years 16]. Others [30] have indicated that currency exchange rates have a long-term memory, which implies that larger quantities (periods of time) of data will produce more comprehensive models and produce better generalization.

ผลลัพธ์ (ไทย) 1:

Heuristic ทั่วไปสำหรับการออกแบบเครือข่ายประสาทในโดเมนการเงินได้ว่า ความรู้เพิ่มเติมจะพร้อมใช้งานเครือข่ายประสาทสำหรับการขึ้นรูปของรุ่น ดีกว่าประสิทธิภาพที่ดีที่สุดของเครือข่ายประสาท [11, 38] มีอย่างน้อยสองปีของการฝึกอบรมข้อมูลเริ่มต้นระบุชี้ กล่อง et al. [5] บ่งชี้เวลาที่ชุดรูปแบบปรับปรุงเป็นข้อมูลที่จะรวมอยู่ในกระบวนการสร้างโมเดล ประเมินวิเคราะห์ทางเทคนิคสำหรับชุดเวลาทางการเงินต่าง ๆ บ่งชี้ว่า ข้อมูลทางประวัติศาสตร์ต้องเลยจากหนึ่งปี 1171 ถึงหกปี 16] อื่น ๆ [30] ได้ระบุว่า อัตราแลกเปลี่ยนสกุลเงินมีการระยะยาวหน่วยความจำ ซึ่งหมายความว่า ปริมาณขนาดใหญ่ (ระยะเวลา) ของข้อมูลจะสร้างรูปแบบที่ครอบคลุมมากขึ้น และผลิต generalization ดี

ผลลัพธ์ (ไทย) 2:

แก้ปัญหาทั่วไปของการออกแบบของเครือข่ายประสาทในโดเมนทางการเงินที่มีความรู้มากขึ้นว่าสามารถใช้ได้กับเครือข่ายประสาทสำหรับการขึ้นรูปรุ่นที่ดีกว่าผลการดำเนินงานที่ดีที่สุดของเครือข่ายประสาท [11, 38] มีอย่างน้อยสองปีของข้อมูลการฝึกอบรมเป็นจุดเริ่มต้นที่ระบุ กล่อง et al, [5] ระบุเวลาที่รุ่นซีรีส์ที่ปรับปรุงเป็นข้อมูลเพิ่มเติมรวมอยู่ในขั้นตอนการสร้างแบบจำลอง ประมาณการการวิเคราะห์ทางเทคนิคสำหรับอนุกรมเวลาทางการเงินที่หลากหลายแสดงให้เห็นว่าข้อมูลทางประวัติศาสตร์เป็นสิ่งจำเป็นสำหรับทุกที่ตั้งแต่หนึ่งปี 1171 ถึงหกปีที่ 16] อื่น ๆ [30] ได้ชี้ให้เห็นว่าอัตราแลกเปลี่ยนเงินตราต่างประเทศมีหน่วยความจำระยะยาวซึ่งแสดงให้เห็นว่าปริมาณที่มากขึ้น (ระยะเวลา) ของข้อมูลจะผลิตรุ่นที่ครอบคลุมมากขึ้นและการผลิตทั่วไปดีขึ้น

ผลลัพธ์ (ไทย) 3:

แบบทั่วไปสำหรับการออกแบบโครงข่ายประสาทเทียมในโดเมนการเงินคือ ความรู้เพิ่มเติมที่สามารถใช้ได้กับโครงข่ายประสาทเทียมสำหรับการสร้างรูปแบบของมัน ดีกว่าการปฏิบัติที่ดีที่สุดของโครงข่ายประสาทเทียม [ 11 : 38 ] มีอย่างน้อยสองปีของการฝึกอบรมข้อมูลระบุจุดเริ่มต้น กล่อง et al .[ 5 ] พบว่า แบบจำลองอนุกรมเวลาปรับปรุงเป็นข้อมูลเพิ่มเติมที่ถูกรวมเข้ากับแบบจำลองกระบวนการ การวิเคราะห์ทางเทคนิคการประมาณการสำหรับอนุกรมเวลาทางการเงินต่างๆ พบข้อมูลว่า ประวัติศาสตร์เป็นสิ่งจำเป็นสำหรับที่ใดก็ได้จากหนึ่งปีแต่ต้อง 6 ปี 16 ] คนอื่น ๆ [ 30 ] ระบุว่า อัตราแลกเปลี่ยนมีความจำระยะยาวซึ่งหมายความว่าปริมาณขนาดใหญ่ ( ช่วงเวลา ) ข้อมูลจะผลิตรุ่นที่ครอบคลุมมากขึ้นและผลิตดีกว่าการ .