Вопрос настройки - отдельная большая тема. В сложных ситуациях процесс может занимать часы и дни. Один из критериев качества настройки - способность сети распознавать данные, не участвующие в обучении. Для этого из обучающего набора извлекается "тестовое множество" (обычно 10-20%), которым периодически проверяется работоспособность сети. Отсюда же вытекает понятие "переобучения", когда тестовая ошибка начинает расти, хотя обучающая уменьшается. Такая ситуация говорит о том, что обучение надо прекратить и поменять исходные настройки и (или) состав данных.
Это полезно знать (финансовый ликбез)
Критерием работоспособности сети является для вас среднеквадратичная ошибка обучения. Ее можно характеризовать как "степень разброса" прогнозируемых данных. Точнее - вероятность выхода прогнозируемой величины за диапазон, заданный при настройке. Диапазон изменения - весьма существенный показатель, вне которого сеть не сможет функционировать корректно. Другой критерий работоспособности - статистическая повторяемость точности получаемых прогнозов, определяемая серией экспериментов в "реальном" режиме.
Относительно практического применения для трейдера, то процесс использования нейросети можно представить следующим образом. Трейдеру необходимо отслеживать огромное количество информации как относительно технического анализа (сигналы различных индикаторов, осцилляторов, и технических фигур), так и фундаментальные показатели. Чисто техническое отслеживание и придание разной степени значимости различным показателям трейдер перекладывает на плечи машины. Сначала отбираются сетью технические индикаторы наиболее подходящие для данного инструмента прогнозирования, им придаются различные веса, в зависимости от степени влияния на искомый фактор. На исторических данных (как правило, сотни и тысячи наблюдений) сеть находит определенное сочетание индикаторов в определенных ситуациях правильно дающих сигналы о дальнейшей реакции рынка. Пройдя процесс обучения и настройки, в зависимости от реальных данных, поступивших к ней, нейросеть принимает торговое решение, с учётом всех зависимостей обучающего множества. Но еще одним значительным достоинством сети является то, что она со временем может адаптироваться к постепенно изменяющимся условиям рынка.
Фактически нейронная сеть обрабатывает все индикаторы и находит скрытые взаимосвязи между ними и данным значением цены, что и гарантирует нам правильное решение практически на 100%. Стоит указать особенность применения нейронных сетей в финансах. Она базируется на одном фундаментальном допущении: замене прогнозирования распознаванием. По большому счёту, нейросеть не предсказывает будущее, а "узнаёт" в текущем состоянии рынка ранее встречавшуюся ситуацию и воспроизводит последовавшую реакцию рынка. Конечно, сети не всесильны, поэтому забывать о фундаментальном анализе, который в некоторых ситуациях может сильно влиять на рынок - нельзя. Это говорит о том, что применять сеть в момент выхода "сильных" новостей не рекомендуется. Используя это нехитрое правило, можно рассчитывать на успех.
