Neuronale Kursprognosen

Sollen Eingabeneuronen hinzufügt werden, so werden diese über ein entsprechendes Auswahlfenster zur Verfürgung gestellt.

Das Netz kann nur auf technischen Indikatoren aufgebaut werden. Die Indikatoren werden hierbei in der vollen Breite der Möglichkeiten genutzt (Indikatorwert, Zonenwert, Signale, Divergenzen). Nachdem MFI und MACD als Eingabeneuronen ausgewählt worden sind, steht anschließend folgendes Netzwerk zur Verfürgung:

Die Datenaufbereitung ist bei NN eines der Themen, denen sehr viel Aufmerksamkeit gewidmet werden sollte. Sie werden mit mangelhaften Kursdaten auch nur mangelhafte oder gar nicht funktionierende System erstellen können.

In der nachfolgenden Beschreibung werde ich nicht auf Technik von NN eingehen, da hierfür eine komplette Dokumentation in der Hilfe exisitert. Ich werde mich auf eine Funktionsvorstellung beschränken.

Um das Netz trainieren zu können, müssen die Daten massiert sowie die Datenbasis festgelegt werden. Gleichzeitig wird die Gesamtdatenmenge in Trainingsdaten und in eine Validierungsmenge durch Auswahl jedes X Element (siehe Einstellung) aufgeteilt. Die Datenaufbereitung wird grafisch aufbereitet wenn diese gestartet wurde und kann auch im Einzelschrittmodus durchgefürhrt werden um die errechneten Daten visuell prüfen zu können.

Vor dem eigentlichen Training ist etwas Detailwissen notwendig um die korrekten Einstellungen vornehmen zu können. Parallel hierzu wird ein Histogramm der Verbindungsgewichte gefürhrt. Dieses wird während des Training zur Kontrolle angezeigt:

Während des Trainings stehen besondere Techniken wie Weight Pruning oder Hidden Merging für die Optimierung zur Verfürgung.

Um Netze weiter optimieren zu können stehen besondere Werkzeuge zur Verfürgung:
- Weight Pruning
- Hidden Merging
- Input Pruning

Daneben kann eine Korrelationsanalyse durchgefürhrt werden.