Diskussion zum Artikel "Einsatz spieltheoretischer Ansätze in Handelsalgorithmen"
Tsetlin Machine ist auch für kleine Daten interessant, aber weniger bekannt: https: //github.com/cair/TsetlinMachine
https://www.literal-labs.ai/tsetlin-machines/ aber ich finde es schwierig zu implementieren.
- cair
- github.com
Die Tsetlin-Maschine ist auch für kleine Daten interessant, aber weniger bekannt: https: //github.com/cair/TsetlinMachine
https://www.literal-labs.ai/tsetlin-machines/ aber ich finde es schwierig zu implementieren.
Original Sache, ich bin mit Freude wie von einem Objekt der Kunst überfüllt, danke :) Aber es ist wünschenswert, es auf echte Zecken zu testen, weil es mit Geschäften flach ist.
Guten Tag, ich bin sehr an Ihrem Projekt interessiert, aber ich bin neu auf diesem Gebiet. Ich kann nicht herausfinden, wie ich den Expert Advisor im Strategietester ausführen kann. So wie ich es verstehe, ist es unmöglich, ihn vollständig zu konfigurieren und über den Tester zu trainieren? Oder mache ich etwas falsch? Ich wäre dankbar für die OS
Wo habe ich Verwandte in den Niederlanden 👀?
Ahahahahah, nicht in den Niederlanden)))) VPN ist so eine Sache)))))
PS: ist es möglich, im Strategietester ein Training durchzuführen oder nicht? Laut dem Screenshot des Gleichgewichtsdiagramms ist es ein Strategietester, aber egal was ich tue, ich komme nicht einmal in die Nähe von +.
Der Autor stellt "AdaptiveQ Enhanced" vor, einen Multi-Symbol-FX-EA, der angeblich DQN, Nash-Gleichgewicht, Kausalanalyse, sieben Hauptwährungspaare, sechs Aktionen und 531.441 Zustände kombiniert. Der Aktionssatz umfasst Kaufen, Verkaufen, Hinzufügen zum Kaufen, Hinzufügen zum Verkaufen und Schließen nur profitabler Käufe oder Verkäufe.
Mein Hauptproblem: Der Artikel verwendet eher schicke Bezeichnungen als echte Substanz. Das "Nash-Gleichgewicht" ist keine tatsächliche Gleichgewichtslösung, sondern es werden einfach die Q-Werte eines Symbols genommen und mit den Q-Werten anderer Symbole gewichtet, wenn |corr| > 0,3 ist. Das ist keine Spieltheorie in irgendeinem ernsthaften Sinne. Das gleiche Problem besteht bei der "kausalen" Sprache: Die symbolübergreifende Aktualisierung basiert buchstäblich auf Belohnung mal Korrelation, wenn |corr| > 0,2 ist. Korrelation ist keine Kausalität.
Auch das Zustandsdesign sieht wackelig aus. Im Artikel heißt es, dass ein umfangreicher Multi-Zeitrahmen-Status aus Preisen, MA-Differenzen, RSI, Stochastik und MA-Flags erstellt wird, dann werden diese multidimensionalen Informationen gehasht und mit dem Hash % TOTAL_STATES reduziert. So können verschiedene Marktsituationen in denselben Eimer fallen. Die Angabe "531.441 einzigartige Zustände" klingt beeindruckender, als sie tatsächlich ist.
Die Positionslogik ist der hässlichste Teil. Der EA kann im Multipositions- oder Gegenpositionsmodus laufen, Volumen zu bestehenden Positionen hinzufügen, bis zu 5 Positionen pro Symbol zulassen und selektiv nur profitable Positionen schließen, während er Verlierer offen lässt, "um sich zu erholen". Das ist für mich kein intelligentes Bestandsmanagement, sondern ein verkappter Weg zu hässlichen Engagements.
Was gut ist: Die technische Seite ist seriöser als der durchschnittliche MQL5-Flaum. Das Zwischenspeichern von Indikator-Handles, periodische Aktualisierungen und das Speichern/Laden der Q-Matrix sind praktische Implementierungsdetails.
Meiner Meinung nach also ein interessantes Experiment und ein schwaches Handelsdesign. Zu viel Branding rund um "KI/Spieltheorie/Kausalschluss", nicht genug Beweis, dass es einen echten Vorteil hat. Ich würde nicht direkt auf dieser Logik aufbauen.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Einsatz spieltheoretischer Ansätze in Handelsalgorithmen :
Unter Bedingungen, in denen die Geschwindigkeit der Entscheidungsfindung entscheidend ist und der Markt durch ein hohes Maß an Unsicherheit gekennzeichnet ist, ist ein anderer Ansatz für die Entwicklung von Handelssystemen erforderlich. AdaptiveQ Enhanced ist ein Expert Advisor, der auf der Grundlage von Methoden des Deep Reinforcement Learning (DQN), der Spieltheorie und der Kausalanalyse entwickelt wurde.
Der Expert Advisor analysiert den Markt, indem er 531.441 einzigartige Zustände modelliert und dabei die Wechselbeziehungen zwischen den sieben wichtigsten Währungspaaren berücksichtigt. Das Schlüsselelement des Algorithmus ist das Nash-Gleichgewicht, das dazu dient, die optimale Strategie unter Berücksichtigung der gegenseitigen Einflüsse der Handelssymbole auszuwählen.
Der Artikel untersucht die praktische Umsetzung dieser Ansätze in MQL5 und zeigt, wie die Kombination aus adaptivem Lernen, Spieltheorie und KI es Ihnen ermöglicht, genauere und nachhaltigere Handelsstrategien zu entwickeln.
Autor: Yevgeniy Koshtenko