¿Qué tipos de redes neuronales artificiales serían las más adecuadas para pronosticar el comportamiento del próximo período de un mercado de valores (arriba, abajo o neutral)?

Desea análisis de series de tiempo y métodos de valoración. El mercado de valores es como un gran promedio de la economía calculado constantemente (y los índices son en sí mismos una capa de promedios), no es el mejor problema para NN a menos que intente usarlos para aproximar un modelo de fórmula en particular. En tal caso, sospecho que se quedaría atrás de los métodos analíticos matemáticos razonados, ya que ya están bien categorizados y generalizados. Tanto el sobreajuste como la generalización laxa pueden ser muy costosos. En el mejor de los casos, alcanzaría algún modelo autorregresivo si no proporciona información adicional para manejar fenómenos como la Fed o los shocks externos. Entonces, el problema está en seleccionar variables adicionales y preprocesarlas, lo que en sí mismo es un problema de modelado para el que tenemos métodos más eficientes. Un mejor uso puede ser agregar un NN al cálculo de los parámetros para los métodos de valoración establecidos. Sospecho que este problema es susceptible de análisis matemático a lo largo de las líneas de prueba de la eficiencia de los estimadores y morfismos NN de las soluciones de arquitectura NN a los métodos de modelado conocidos. Si cree que el mercado se factoriza en pequeños patrones repetibles, algún clasificador no dirigido es un punto de partida interesante.

Dos redes neuronales de capas ocultas serían suficientes para construir un juguete de predicción con tres clases en la salida.

Pero en la realidad esto es imposible para la predicción práctica de trabajo. Dado que el mercado no solo está estudiando el gráfico durante un período determinado, incluye muchos estudios para el mercado global y lo que podría influir en el mercado del día siguiente. También teniendo en cuenta las noticias actuales, incluidos los rumores.