Diskussion zum Artikel "Neuronale Netze im Handel: Verallgemeinerte 3D-Segmentierung von referenzierten Ausdrücken"

Neuer Kommentar
 

Neuer Artikel Neuronale Netze im Handel: Verallgemeinerte 3D-Segmentierung von referenzierten Ausdrücken :

Bei der Analyse der Marktsituation unterteilen wir den Markt in einzelne Segmente und ermitteln die wichtigsten Trends. Herkömmliche Analysemethoden konzentrieren sich jedoch oft auf einen Aspekt und schränken so die richtige Wahrnehmung ein. In diesem Artikel lernen wir eine Methode kennen, die die Auswahl mehrerer Objekte ermöglicht, um ein umfassenderes und vielschichtigeres Verständnis der Situation zu gewährleisten.

Für das Training haben wir einen Algorithmus verwendet, der bereits in früheren Studien validiert wurde.

Die trainierte Akteurs-Politik wurde im MetaTrader 5 Strategy Tester mit historischen Daten vom Januar 2024 getestet. Alle anderen Parameter blieben unverändert. Die Testergebnisse werden im Folgenden vorgestellt.

Während des Testzeitraums führte das Modell 22 Handelsgeschäfte aus, von denen genau die Hälfte mit Gewinn abgeschlossen wurde. Bemerkenswert ist, dass der durchschnittliche Gewinn pro Gewinngeschäft mehr als doppelt so hoch war wie der durchschnittliche Verlust pro Verlustgeschäft. Der größte Gewinn überstieg den größten Verlust um das Vierfache. Im Ergebnis erreichte das Modell einen Gewinnfaktor von 2,63. Aufgrund der geringen Anzahl von Handelsgeschäften und des kurzen Testzeitraums lassen sich jedoch keine endgültigen Schlussfolgerungen über die langfristige Wirksamkeit der Methode ziehen. Bevor das Modell in einer realen Umgebung eingesetzt wird, sollte es auf einem längeren historischen Datensatz trainiert und einem umfassenden Test unterzogen werden. 


Autor: Dmitriy Gizlyk

Neuer Kommentar