什么是模糊逻辑？
模糊逻辑是一种变量处理方法，它允许通过同一变量处理多个值。 模糊逻辑试图以开放，不精确的数据频谱解决问题，从而有可能获得一系列准确的结论。 模糊逻辑旨在通过考虑所有可用信息并根据输入做出最佳决策来解决问题。
重要要点
- 模糊逻辑允许更高级的决策树处理并与基于规则的程序更好地集成，从理论上讲，这为该方法提供了更多模拟现实情况的机会。模糊逻辑可以被定量分析人员用来改善其算法的执行力。
了解模糊逻辑
模糊逻辑源于对模糊概念的数学研究，其中还涉及模糊数据集。 当提到模糊概念和模糊分析时，数学家可能会使用各种术语。 这些术语被广泛地和全面地分类为模糊语义。
实际上，这些构造都允许“ true”条件的多个值。 代替True在数值上等于1和False等于0（反之亦然），True条件可以是小于1且大于零的任意数量的值。 这为算法提供了机会，可根据价格数据的范围（而不是一个离散的数据点）做出决策。
模糊逻辑注意事项
最基本的模糊逻辑是通过决策树类型分析开发的。 因此，在更大范围内，它构成了通过基于规则的推理进行编程的人工智能系统的基础。
通常，术语模糊是指可以在类似决策树的系统中开发的大量场景。 开发模糊逻辑协议可能需要集成基于规则的编程。 这些编程规则可以称为模糊集，因为它们是由综合模型决定的。
模糊集也可能更复杂。 在更复杂的编程类比中，程序员可能具有加宽用于确定变量包含和排除的规则的能力。 这会导致使用基于规则的推理不那么精确的更多选项。
人工智能中的模糊语义
模糊逻辑和模糊语义的概念是人工智能解决方案编程的重要组成部分。 随着模糊逻辑的编程能力也在不断扩展，人工智能解决方案和工具在整个行业中的经济持续增长。
IBM的Watson是使用模糊逻辑和模糊语义的变体的最著名的人工智能系统之一。 特别是在金融服务中，模糊逻辑已用于支持投资智能输出的机器学习和技术系统中。
在某些高级交易模型中，模糊逻辑数学的集成也可以用来帮助分析师创建自动的买入和卖出信号。 这些系统可帮助投资者应对影响其投资的广泛变化的市场变量。
在高级软件交易模型中，系统可以使用可编程模糊集实时分析数千种证券，并为投资者提供最佳的机会。 当交易者试图利用多个因素进行考虑时，通常会使用模糊逻辑。 这可能会导致对交易决策的分析变窄。 交易者也可能具有编写各种规则以进行交易的能力。 以下是两个示例：
规则1：如果移动平均线低且相对强度指数低，则卖出。
规则2：如果移动平均线较高且相对强度指数较高，则买入。
在这些基本示例中，模糊逻辑允许交易者在低点和高点编程自己的主观推断，以得出自己的自动交易信号。
