《通向金融王国的自由之路》5C

过度训练 过度训练与基于惯例的交易系统曲线拟合类似，是开发神经系统网络时必须避开的主要缺陷之一。过度训练在网络存储细微差别和训练集合的特质时发生，会减弱综合新数据的能力。当过度训练发生时，虽然网络在训练集的表现比较好，但在样本外的测试集以及之后的实际交易期间的表现就会比较差。为了避免过度训练，网络训练应被预定的间隔周期中断一下，以回忆模式继续运行测试集，并根据预定的误差标准来评估网络的业绩。然后训练再从原来的中断点开始重新进行。这个自动化的过程不停地反复，直到测试集的表现开始下降。意味着网络开始过度训练了。之后再进一步评价所有符合误差标准的中间结果。

误差统计 另一个重要的网络设计决策关系到使用哪种误差统计方法进行训练和测试。一种测度方法可能是类似移动平均值的实际统计计算与网络输出之间的差别。对测试集中的每个事实都要进行这种差别的计算，然后对结果求和，并除以测试集中的事实总数，这是一种标准的误差测度方法，叫做“平均误差”。各种误差测度包括绝对值平均误差、平方和误差和均值平方根误差。选定了一个网络模型后，就需要进行周期性的再训练，利用正在进行中的研究来修改输入、输出、体系结构和测试训练过程的全部工具，以便提高网络表现和预测的正确性。

一个有效的神经网络金融预测应用的设汁是无法预料的，除非你有相当多的交易经验、编程和数学方面的专门知识，以及能够投入到这个任务上的时间。成功的神经系统网络开发是对“艺术”和“科学”两者的结合。即使是对于一群共同工作的专家来说，这种努力也是极其耗费时间和体力的。

以我的经验来说一下。1991年，我公司的研究开发部门技术预测群在进行了20世纪80年代中期开始的跨市场分析实验后，引进了跨市场分析的优势软件。为了预测市场走势、移动平均和第二天各种金融期货市场的价格，该优势软件把神经系统网络应用到了跨市场分析中。目前，交易商可以从跨市场分析受益的通货、利率市场、股票指数和能源组合有21种惯例定制优势程序，不需要我们再另外去发明车轮或者必须成为一个尖端科学家了。

2. 实际应用

被交易商广泛用来识别走势的简单移动平均。由于其数学结构而被作为一个滞后指标、几十年来这个限制都向技术分析家们提出了挑战，针对减小滞后的不断研究形成了对这个相对简单但有效的技术指标的稳定的修改。（这些在第 8 章进行了详细介绍）

移动平均启蒙 移动平均使价格的波动变得平滑以展示潜在的走势方向。在一个典型的移动平均系统中，会产生一个包含有两个移动平均或者一个价格一个移动平均的交叉振子。当一个指标越过或者跌破另一个指标时，入市和离市点就得到确定。例如，交易商可能会依据道氏的5日移动平均和20日移动平均方法来确定入市和离市点。

移动平均在突破点时反应仍然比较慢，传统的移动平均系统一般在市场方向的变化发生后进入或退出交易，通常是在几天之后给你利润．但也可能把盈利交易变成亏损交易。此外，交叉系统在盘整的或者没有走势的市场中一般都会产生错误的信号，在移动平均线互相交叉因而改变买卖信号触发时造成双重损失。

移动平均值的大小可以通过系统测试进行优化以使它们配合每个市场的价格行为，并找到可以捕获该市场“突破点”的最佳交叉点以及减小滞后。另外，其他的平滑方法可以在连接移动平均线以进一步减小滞后时使用，从而使交易策略对市场中的突然变化更有响应性、这些方法包括使用价格过滤方法，或者移动平均线周围的敏感带和增加第三条移动平均线，这两者都是获利者的最初系统体系结构的一部分。其他广泛使用的方法包括 Bollinger 带和流行的4-9-18日移动平均结合。

移动平均的预测 逐渐发展起来更新取代移动平均线的所有关于简单的移动平均方法的变更都已最大程度地接近了我们想要的结果，因为人们试图把它们转换成“预料的”技术指标。然而，即使是更新后的移动平均线也有一个显著的弱点：它的假定过分简单化，就是移动平均值在未来某个时间将会与它今天计算的值一样。基本上说来，这比对移动平均值在未来某个时间段内的简单预测没有高出什么。在这个预测中，该值被假定为与今天计算的移动平均值相等，这在真实世界的交易情形中是极不现实的。为什么不把这个观念再推进一步，从而能真正地预测移动平均值呢？那样的话，它们的平滑优势就能保留，而且它们的滞后就可以被一次性地全部消除。

相关市场 另外，通过把跨市场输入引入神经系统网络的设计中，移动平均预测就不受单个市场输入的限制了。比如对中长期国债优势程序的情形来说，移动平均预测的输入考虑了实际中长期国债合约在它们交易最活跃期间的过去 10年中的开盘、最高、最低、收盘、成交量和开盘利息，加上确实对国库券有相当影响的九个相关市场，即中长期国债兑现、纽约轻原油、CRB指数、德国马克、美国美元指数、欧洲美元、纽约商品交易所的黄金、日本日元和标准普尔500指数。

既然正确识别走势方向对交易的成功来说很关键，那么走势预洲与走势跟踪相比，为交易商提供了一种新的更有前途的识别走势和方向变化的方法。并且是在它们发生的时候，而不是这个事实之后。把神经系统 网络与跨市场分析结合后，优势通过预测未来4天以上的移动平均进行走势预侧，为达到这个目的，优势需要由五个分立的神经系统网络组成。每个都针对特定的输出变量的预测。一个神经网络预测明天的最高点，第二个预测明天的最低点，第三个预测指示市场什么时候将要有一个最高点和最低点的“神经指数”，第四个网络预测两天后一条收盘时的五日移动平均线的形状，而第五个网络则预测4天后一条收盘时的10日移动平均线的形状。

移动平均预测被用来确定走势方向，预测的最高点和最低点则被用来设定入市和离市点以及止损点。这些预测的高-低幅度与传统的单个市场技术分析中的支撑和压力线类似，除了优势对每日幅度的预测是建立在神经网络的识别能力模式与10个相关市场的跨市场分析结合的基础上之外。

头寸交易商利用预测的高低点来设定入市点．然后利用随后每一天预测的高-低幅度来紧缩止损。例如，若你作了国库券的多头，而且预期明天市场将会继续上涨。你可能就会设一个跟踪止损，因为明天可能会有一小部分记号会在预测的作为支撑水平的最低点以下，这就降低了过早地由于市场中一天内的波动性而被停出场的可能性，而且仍然能在突发的市场低迷时期保住利润。这种情形发生时，预测的最低点就被跌破了。

 2/5   首页 上一页 1 2 3 4 5 下一页 尾页