人们早早（20世纪40年代）就开了脑洞，为什么不尝试通过“模拟神经元细胞网络的行为”这种手段解决实际问题呢？随着机算能力的提高（20世纪80年代以后），神经网络算法慢慢形成了热点。
很多常见的问题都可以用神经网络轻松处理好。例如提供手写的字的图片，神经网络算法就可以完成内容的识别；提供股票历史交易日的信息，神经网络可以判断股票明天是涨是跌，甚至可以告诉你最可能的收盘价是多少（准不准另说，反正人脑也未必准）。到时人工智能将会是广大散户的新敌人。
作者：yongpeng.r
编辑：宏观经济算命师
全部源代码可在原文查看：网页链接
1. 神经网络算法的基础-神经元细胞和神经元细胞网络
大脑中的神经元细胞
为了大家更好的理解神经网络的工作过程，我先把神经元细胞简单的介绍一下：
上图就是一个标准的神经元细胞结构。神经元通过树突（左上角的那些树状结构）来接收信息，这些信息可以是别的神经元传递过来的信息，也可以是直接物理刺激（例如声音造成的对于细胞的刺激）。通过对这些信息的综合处理，神经元细胞体将处理结果通过轴突（下方的那条长长的传送结构）传递给别的神经元。
大脑的神经细胞只有两种状态：兴奋和不兴奋（即抑制）。神经细胞通过某种方法（人类还没研究透），把所有从树突上进来的信号进行相加，如果信号总和超过某个阀值，就会激发神经细胞进入兴奋（fire）状态。此时神经细胞就会发出一个电信号，并且通过轴突发送给其他神经细胞。如果信号总和没有达到阀值，神经细胞就不会兴奋起来。
神经元细胞网络
单个神经细胞处理不了任何复杂的问题，必须形成神经网络才行。
神经元细胞网络中、细胞间的联系错综复杂。神经网络综合每个细胞的成果，最终完成了非常复杂的任务。人类目前还没有完全弄清楚神经网络的运作，但并不妨碍开脑洞，自己设计一套模型 ：）。
2. 神经网络算法-神经元和神经网络
神经元-抄袭神经元细胞行为的人工神经元
人工神经元被用来模拟神经元细胞的行为，其结构如下：
左边的箭头模拟神经元的输入信号，右边的箭头模拟神经元的输出信号。神经元主要做了两部分的工作：首先对于输入信号进行综合，其次通过综合后的信号进行处理，得到输出信号。信号的综合，常用的方法是对输入信号加权求和。信号的处理，常用的方法是通过sigmoid函数处理。
Sigmoid函数的表达式为
，图像是：
可以看出，sigmoid函数的处理结果和真实神经元的处理结果比较类似（sigmoid函数值集中于1和0，对应于神经元细胞的兴奋和不兴奋状态），而且sigmoid函数可以根据函数值很容易的得到导数值。
这样，一个人工神经元就搭建起来了。
神经网络-神经元细胞网络简化版
人工神经网络其实是真实神经网络的简化。一个典型的人工神经网络如下图所示：
神经网络由三层组成，输入层，隐含层，输出层。需要注意的是，输入层和输出层都只有一层结构，隐含层可以是一层，也可以包含多层结构（本图中只有一层）。图中x1和x2是输入数据，y1是输出数据。黄色的圈表示对于神经元的恒定刺激，a1和a2是隐含层输入信号的信号综合结果，z1和z2是隐含层的信号处理结果，s1是输出层输入信号的信号综合结果。
这么说有点抽象，我们实际推演一下：上面这个神经网络可以用来计算异或。异或是一种运算：如果输入的a、b两个值不相同，则异或结果为1。如果输入的a、b两个值相同，异或结果为0。那用神经网络如何做到异或呢？
当输入的x1=1，x2=1的时候：
同理，当x1=1，x2=0的时候，y1=1；
当x1=0，x2=1的时候，y1=1；
当x1=0，x2=0的时候，y1=0。
本文主要目的是让大家对于神经网络有一个直观的认知。关于神经网络的非线性分类能力、神经网络的训练等过程等比较复杂。请大家继续关注量化课堂，我们会在将来推出相关内容。
3. 神经网络的具体使用-pybrain包
在python环境中，我们可以通过pybrain包来帮助我们构建神经网络，训练神经网络并且利用神经网络来对新的数据进行分类。下面是一个小例子帮助我们了解如何使用pybrain包。（一个小提示：在python2环境下使用pybrain包比较好）
特征是通过收盘价数据计算的SMA，WMA，MOM指标，训练样本的特征是从2007-1-4到2016-6-2中截止前一天的SMA，WMA，MOM指标，训练样本的分类类别是2007-1-4日到2016-6-2中每一天的涨跌情况，涨了就是True，跌了就是False，测试样本为2016-6-3日的三个指标以及涨跌情况。程序的结尾输出的是测试样本中的判断误差，由于只有一个测试样本，如果神经网络的判断结果和真实涨跌情况相同，输出0%；如果神经网络的判断结果和真实涨跌情况不相同，输出是100%。
代码可在原文查看：网页链接
本文由JoinQuant量化课堂推出，版权归JoinQuant所有，商业转载请联系我们获得授权，非商业转载请注明出处。
@stock_android @黑鸢 @Janu68 @洛基丶 @qs_cn @faruto @CallMeLucky @释老毛 @漩涡鸣人NARUTO @量化钢铁侠 @那年帝流浆 @达芬奇橙 @张栋_机器学习 @第七子 @william_hsu @今日话题 @非典型伪价值投机 @价值趋势技术派 @重力加速度
人工智能与神经网络在投资领域的前景，有何高见，对本文有何感想，欢迎各位与我们交流 。