Diskussion zum Artikel "Neuronale Netze im Trading: Effektive Merkmalsextraktion zur präzisen Klassifizierung (letzter Teil)"
Seltsam, warum wird nur in eine Richtung gehandelt? Und wie entstehen die Signale zum Schließen von Positionen?
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: Effektive Merkmalsextraktion zur präzisen Klassifizierung (letzter Teil) :
Die erste Phase ist das kontrastive Training des Encoders. Dies erfolgt unter Verwendung historischer Daten der letzten fünf Jahre für das Währungspaar EURUSD auf dem M1-Zeitrahmen. Dieser Umfang und Detaillierungsgrad der Daten ermöglichen es dem Encoder, qualitativ hochwertige, informative latente Repräsentationen des Marktstatus zu generieren, die als Grundlage für den weiteren Betrieb des gesamten Systems dienen.
Als Nächstes folgt die zweite Stufe – das Offline-Training der Schlüsselkomponenten des Systems: des Actors, des Directors und des Critics. Dazu wird ein Trainingsdatensatz verwendet, der aus Daten von 2024 gesammelt wurde, wobei alle zuvor festgelegten Parameter beibehalten werden. Der Prozess nutzt das Konzept einer nahezu perfekten Trajektorie, die es den Modellen ermöglicht, aus den zuverlässigsten Beispielen von Aktionen und Bewertungen zu lernen. Diese Phase ist wichtig für die Stärkung grundlegender Strategien und Entscheidungskriterien.
Die dritte Stufe ist die Online-Feinabstimmung der Modelle, die direkt im Strategietester über denselben historischen Zeitraum durchgeführt wird. Dies ermöglicht es, die Modelle an sich ändernde Marktbedingungen anzupassen und die Parameter mit höchster Präzision zu verfeinern.
Sobald alle Trainingsphasen abgeschlossen sind, wird das Modell anhand von Daten von Januar bis März 2025 getestet. Alle während der Trainingsphasen verwendeten Parameter bleiben unverändert. Dieser Ansatz gewährleistet eine faire und objektive Bewertung der Modellleistung anhand eines neuen, bisher nicht verwendeten Datensatzes. Die Testergebnisse sind wie folgt:
Autor: Dmitriy Gizlyk