人工智能系统将神经网络与深度学习结合使用
新时代，高科技越来越发达。朋友们读了很多关于科技的重要新闻。我们也应该在生活中使用很多这些高科技的东西。朋友应该注意什么？今天，我想和大家分享一条关于科技的知识。我希望你会喜欢它。
意大利研究人员将新兴的卷积神经网络(CNN)科学与人工智能学科deep learning相结合，以实现市场预测系统。与以往用人工智能方法进行管理的尝试相比，该系统在股票投资组合中具有更多的收益和更少的损失。卡利亚里大学的西尔维奥巴拉教授领导的研究小组在电气和电子工程师协会/计算机辅助自动化学报上发表了他们的发现。
来自卡利亚里大学的团队着手制定一个由AI管理的买入并持有(BH)策略——一个决定是否采取三种可能行动之一的系统——长期行动(在交易前买入股票并卖出股票)、短期行动(卖出股票，然后在市场收盘前回购)和持有(决定当天不投资股票)。他们提出的系统的核心是分析从当前和过去的市场数据生成的分层图像的自动循环。早期BH系统的决策基于机器学习，而这一学科严重依赖于基于过去表现的预测。
通过使他们建议的网络分析覆盖过去数据的当前数据，他们在市场预测方面向前迈出了一步，从而获得了一种能够更好地反映经验丰富的投资者而不是机器人的直觉的学习类型。他们建议的网络可以根据当前和过去的事件调整其买卖阈值。考虑到今天的因素，相比没有实时学习能力的随机猜测和交易算法，可以提高收益。
为了训练他们的有线电视新闻网进行实验，研究小组使用了2009年至2016年的标准普尔500指数数据。标普500被广泛认为是整个全球市场健康的试金石。
起初，他们提出的交易系统预测市场的准确率约为50%，或者说大约足够在现实世界中实现国际收支平衡。他们发现，短期异常值超出预期或表现不佳，导致了一个被称为“随机性”的因素。意识到这一点，他们增加了阈值控制，最终大大稳定了他们的方法。
巴拉教授说：“减少随机性将产生两个简单但重要的后果。”“当我们失败时，我们往往损失很少，当我们获胜时，我们往往会赢得可观的利润。”
本文就为大家讲解到这里了。