Diskussion zum Artikel "Neuronale Netze im Trading: Duales Clustering multivariater Zeitreihen (Abschlussteil)"
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 Trading: Duales Clustering multivariater Zeitreihen (Abschlussteil) :
Für das Modelltraining verwenden wir einen Datensatz mit historischen Daten für das Währungspaar EURUSD auf dem Zeitrahmen M1 für das gesamte Jahr 2024. Während der Datenerfassung werden die Indikatorparameter auf ihren Standardwerten belassen.
Das Modelltraining wird in zwei Phasen durchgeführt. Zunächst wird die Batchgröße auf 1 gesetzt, sodass bei jeder Iteration ein zufälliger Zustand aus dem Trainingsdatensatz ausgewählt wird. Dadurch kann sich das Modell an unterschiedliche Bedingungen anpassen. Für ein stabiles Funktionieren des Risikomanagement-Blocks ist dies jedoch nicht ausreichend. Daher wird in der zweiten Stufe die Batchgröße auf 60 erhöht, sodass Sequenzen von 60 Umgebungszuständen und entsprechenden Aktionen des Actors berücksichtigt werden können. Dadurch wird der Trainingsprozess stabiler und effizienter.
Das trainierte Modell wird anhand historischer Daten von Januar bis Februar 2025 getestet. Alle Einstellungen bleiben erhalten, sodass eine objektive Bewertung der Prognosequalität gewährleistet ist. Die Testergebnisse sind unten dargestellt.
Autor: Dmitriy Gizlyk