Список проголосовавших за комментарий "chizhan,<br/> <br/> Статистически. Прогноз лишь тогда релевантен, если его ско — стабильна. Поэтому выбираем только те сети, для которых критерий на различие дисперсий ошибок на обучающей выборке и на тестирующей указывает на их совпадение с вероятностью 0,75. И сравниваем лучшую нейросеть, удовлетворяющую этому условию, с линейной регрессией. И во всех исследованных мной случаях оказалось, что ско ошибки прогноза по нейросети не лучше ско ошибки прогноза по линейной регрессии.<br/> <br/> Прогнозируемой величиной было будущее приращение логарифма цены закрытия дня, а входными данными приращения логарифмов H, L, C, дневок, а также C/O-1, H/L-1 за предыдущие 100 дней. Исследовались SPY, IBM, BOA и GE.<br/> <br/> Кстати, в условно-нормальной модели приращений логарифмов цен факт можно доказать и математически.<br/> <br/> Забыл уточнить: исследовался только персептрон с 1-5 внутренними слоями."