Diskussion zum Artikel "Neuronale Netze im Handel: Hybride Graphsequenzmodelle (letzter Teil)"

Neuer Kommentar
 

Neuer Artikel Neuronale Netze im Handel: Hybride Graphsequenzmodelle (letzter Teil) :

Wir erforschen weiterhin hybride Graphsequenzmodelle (GSM++), die die Vorteile verschiedener Architekturen vereinen und eine hohe Analysegenauigkeit sowie eine effiziente Verteilung der Rechenressourcen bieten. Diese Modelle erkennen verborgene Muster, verringern die Auswirkungen von Marktstörungen und verbessern die Prognosequalität.

Um einen fairen Vergleich zu ermöglichen, wurden beide Modelle auf demselben Datensatz trainiert, der zuvor für das Training von Hidformer verwendet wurde. Erinnern Sie sich daran:

  • Der Trainingssatz besteht aus historischen EURUSD M1-Daten für das gesamte Kalenderjahr 2024.
  • Alle analysierten Indikatorparameter bleiben ohne zusätzliche Optimierung auf den Standardwerten und eliminieren so den Einfluss externer Faktoren.
  • Die Tests des trainierten Modells wurden mit historischen Daten vom Januar 2025 durchgeführt, wobei alle anderen Parameter unverändert blieben, um einen objektiven Vergleich zu gewährleisten.

Die Testergebnisse werden im Folgenden vorgestellt.

Während des Testzeitraums führte das Modell 15 Handelsgeschäfte aus, was für den Hochfrequenzhandel auf dem M1-Zeitrahmen relativ wenig ist. Dieser Wert liegt sogar noch unter dem des Basismodells von Hidformer. Nur 7 Handelsgeschäfte waren gewinnbringend, was 46,67 % entspricht. Dies ist ebenfalls niedriger als der Basiswert von 62,07 %. Hier sehen wir eine geringere Genauigkeit der Verkaufsposition. Allerdings war ein leichter Rückgang der Verlustgröße bei gleichzeitiger relativer Zunahme der gewinnbringenden Handelsgrößen zu verzeichnen.

Lag das Verhältnis von durchschnittlich gewinnbringenden zu verlustbringenden Geschäften beim Basismodell bei 1,6, so liegt dieses Verhältnis beim neuen Modell bei über 4. Dadurch verdoppelte sich der Gesamtgewinn im Testzeitraum nahezu, und der Gewinnfaktor stieg entsprechend an. Dies deutet darauf hin, dass die neue Architektur der Verlustminimierung und der Gewinnmaximierung bei erfolgreichen Geschäften Vorrang einräumt. Dies kann langfristig zu stabileren Finanzergebnissen führen. Aufgrund des kurzen Testzeitraums und der geringen Anzahl von Handelsgeschäften lassen sich jedoch keine Rückschlüsse auf die langfristige Leistung des Modells ziehen.


Autor: Dmitriy Gizlyk

Neuer Kommentar