Diskussion zum Artikel "Neuronale Netze im Handel: Superpoint Transformer (SPFormer)"

Neuer Kommentar
 

Neuer Artikel Neuronale Netze im Handel: Superpoint Transformer (SPFormer) :

In diesem Artikel stellen wir eine Methode zur Segmentierung von 3D-Objekten vor, die auf dem Superpoint Transformer (SPFormer) basiert und bei der die Notwendigkeit einer zwischengeschalteten Datenaggregation entfällt. Dadurch wird der Segmentierungsprozess beschleunigt und die Leistung des Modells verbessert.

Der Trainingsalgorithmus wurde aus früheren Veröffentlichungen übernommen, ebenso wie die unterstützenden Programme für Training und Auswertung.

Die trainierte Akteurs-Politik wurde im Strategietester des MetaTrader 5 unter Verwendung echter historischer Daten für Januar 2024 getestet, wobei alle anderen Parameter unverändert blieben. Die Testergebnisse werden im Folgenden vorgestellt. 

Während des Testzeitraums tätigte das Modell 54 Abschlüsse, von denen 26 mit Gewinn abgeschlossen wurden. Dies machte 48 % aller Handelsoperationen aus. Das durchschnittliche gewinnbringende Handelsgeschäft ist 2-mal höher als der vergleichbare Wert für Operationen mit Verlust. Dies ermöglichte es dem Modell, während des Testzeitraums einen Gewinn zu erzielen.


Autor: Dmitriy Gizlyk

Neuer Kommentar