创建用于自动收集和分析交易所报价图形统计信息的神经网络算法-研究论文

目前，尚未完全解决从报价单中自动进行数据分析和统计的问题。 视觉数据的大多数分析都取决于分析师的实际工作或过时的软件解决方案。 总结从金融市场获得的信息的过程仍然需要体力劳动和人工，这增加了主要与人为因素和相应错误有关的风险。 已经开发并测试了一种算法，用于从股票报价图表中自动收集统计信息，包括有关技术分析的各种数字（模式）的发展和上下文的数据，以及针对趋势的改进的适应性和跟踪系统。 介绍了建模过程，分析以及应用分析算法和统计信息收集的结果。 所开发的算法与先前创建的神经网络模式检测器结合使用，该神经网络模式检测器允许自动搜索各种大小的技术分析图形的确切边界，分析其前面的上下文并播放模式。 这使得获得重要的统计数据成为可能，该统计数据可以使人们确定新兴模式的可信度，同时考虑其类型，环境和其他因素。 在准确性和效率方面，开发的算法可以应对金融市场中的现有挑战，并且可以通过自动处理图形和视觉数据来显着提高交易者或投资者的效率。 所创建的解决方案本质上是通用的，并且可以应用于任何资本市场，而不管所放置资产的位置和性质如何。 结果可用于提高现有交易策略的准确性，也可用于金融市场参与者的分析工作。 使用新技术对信息进行统计处理可以显着提高投资和贸易决策的准确性。