Diskussion zum Artikel "Neuronale Netze im Handel: Speichererweitertes kontextbezogenes Lernen für Kryptowährungsmärkte (letzter Teil)"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Neuronale Netze im Handel: Speichererweitertes kontextbezogenes Lernen für Kryptowährungsmärkte (letzter Teil) :
Wir haben umfangreiche Arbeiten durchgeführt, um unsere Interpretation der von den Autoren des MacroHFT-Rahmens vorgeschlagenen Ansätze mit MQL5 umzusetzen. Der nächste Schritt ist die Bewertung der Wirksamkeit der implementierten Methoden anhand realer historischer Daten.
Es sei darauf hingewiesen, dass die hier vorgestellte Umsetzung erheblich vom Original abweicht, auch was die Wahl der technischen Indikatoren betrifft. Dies wird sich unweigerlich auf die Ergebnisse auswirken, sodass alle Schlussfolgerungen vorläufig und spezifisch für diese Änderungen sind.
Für das Modelltraining wurden EURUSD-Daten aus dem Jahr 2024 im 1-Minuten-Zeitrahmen (M1) verwendet. Die analysierten Indikatorparameter wurden unverändert gelassen, um sich auf die Bewertung der Algorithmen und Ansätze selbst zu konzentrieren, ohne störende Auswirkungen von Indikatoreinstellungen. Das Verfahren für die Sammlung des Trainingsdatensatzes und das Training des Modells wurde oben beschrieben.
Das trainierte Modell wurde mit historischen Daten vom Januar 2025 getestet. Die Testergebnisse sind wie folgt:
Autor: Dmitriy Gizlyk