Mạng thần kinh

Kể từ đầu những năm 1990 khi các loại có thể sử dụng thực tế đầu tiên xuất hiện, các mạng thần kinh nhân tạo (ANN) đã nhanh chóng phát triển về mức độ phổ biến. Chúng là các hệ thống phần mềm thích ứng trí tuệ nhân tạo lấy cảm hứng từ cách các mạng thần kinh sinh học làm việc. Chúng được sử dụng bởi vì chúng có thể học hỏi để phát hiện các hình mẫu phức tạp trong dữ liệu. Trong thuật ngữ toán học, chúng là các bộ xấp xỉ hàm phổ quát,[39][40] có nghĩa là được cấp cho các dữ liệu đúng và cấu hình chính xác, chúng có thể nắm bắt và mô hình hóa bất kỳ mối quan hệ đầu vào-đầu ra nào. Điều này không chỉ loại bỏ sự cần thiết của giải thích con người đối với các biểu đồ hoặc các chuỗi quy tắc để tạo ra các tín hiệu vào/ra, mà còn cung cấp một cầu nối với phân tích cơ bản, do các biến được sử dụng trong phân tích cơ bản có thể được sử dụng như là đầu vào.

Do các ANN về cơ bản là các mô hình thống kê phi tuyến tính, độ chính xác và khả năng dự đoán của chúng có thể được kiểm tra cả về mặt toán học và thực nghiệm. Trong các nghiên cứu khác nhau, các tác giả đã cho rằng các mạng thần kinh được sử dụng để tạo ra các tín hiệu trao đổi với các đầu vào kỹ thuật và cơ bản khác nhau đã tốt hơn đáng kể các chiến lược mua và giữ cũng như các phương pháp phân tích kỹ thuật tuyến tính truyền thống khi được kết hợp với các hệ thống chuyên gia dựa trên quy tắc.[41][42][43]

Trong khi bản chất toán học tiên tiến của các hệ thống thích nghi như vậy đã giữ các mạng thần kinh cho các phân tích tài chính chủ yếu trong giới nghiên cứu học thuật, trong những năm gần đây nhiều phần mềm mạng thần kinh thân thiện người dùng đã làm cho công nghệ này dễ tiếp cận hơn đối với các thương nhân. Tuy nhiên, ứng dụng quy mô lớn là có vấn đề vì vấn đề làm phù hợp cấu trúc liên kết mạng thần kinh chính xác với thị trường được nghiên cứu.

Thử nghiệm ngược

Trao đổi có hệ thống thường được sử dụng sau khi thử nghiệm một chiến lược đầu tư trên dữ liệu lịch sử. Điều này được gọi là thử nghiệm ngược (backtesting). Thử nghiệm ngược thường được thực hiện cho các chỉ số kỹ thuật, nhưng có thể được áp dụng cho hầu hết các chiến lược đầu tư (ví dụ như phân tích cơ bản). Trong khi thử nghiệm ngược truyền thống được thực hiện thủ công, điều này thường chỉ được thực hiện trên các cổ phiếu do con người lựa chọn, và như vậy dễ bị thiên về kiến thức đã biết trong lựa chọn cổ phiếu. Với sự ra đời của máy tính, thử nghiệm ngược có thể được thực hiện trên toàn bộ các trao đổi trong nhiều thập kỷ dữ liệu lịch sử trong một lượng thời gian rất ngắn.

Việc sử dụng các máy tính cũng có nhược điểm của nó, bị giới hạn đối với các thuật toán mà máy tính có thể thực hiện. Một số chiến lược trao đổi dựa vào diễn giải của con người,[44] và không thích hợp đối với xử lý máy tính.[45] Chỉ có các chỉ báo kỹ thuật là thuật toán hoàn toàn có thể được lập trình trên máy tính cho thử nghiệm ngược tự động.