Diskussion zum Artikel "Neuronale Netze im Trading: Zerlegen statt Skalieren (Fazit)"

[MetaQuotes]

Neuer Artikel Neuronale Netze im Trading: Zerlegen statt Skalieren (Fazit) :

Wir laden Sie ein, einen Algorithmus kennenzulernen, mit dem eine Zeitreihe in aussagekräftige Schichten zerlegt und daraus ein sparsames Modell aufgebaut wird. Wir stellen systematisch die Architektur, die praktische Umsetzung in MQL5/OpenCL sowie Praxistests unter Verwendung historischer Marktdaten vor.

Schließlich haben wir das Modell anhand völlig neuer Daten getestet – Kursnotierungen für den Zeitraum von Januar bis März 2025. Alle Parameter und Einstellungen blieben unverändert. Die Ergebnisse vermitteln ein objektives Bild von der Genauigkeit und der praktischen Zuverlässigkeit des vorgeschlagenen Ansatzes. Die Testergebnisse sind unten aufgeführt.

 

Die Testergebnisse zeigen einen moderaten positiven Trend. Bei einer Anfangseinlage von 100 US-Dollar erzielte der EA einen Gewinn von 62,25 US-Dollar, was einer leicht positiven Differenz zwischen Gesamtgewinn und Gesamtverlust entspricht. Gleichzeitig liegt der Profitfaktor kaum über 1, was darauf hindeutet, dass die Strategie nicht besonders effektiv ist.

Während des Testzeitraums wurden 898 Trades ausgeführt, die sich nahezu gleichmäßig auf Kauf- und Verkaufstrades verteilten. In beiden Fällen lag die Trefferquote bei etwa 50 %, wobei Short-Positionen einen leichten Vorteil hatten. Der durchschnittliche profitable Trade brachte 1,97 US-Dollar ein, während der durchschnittliche Verlust-Trade 1,82 US-Dollar verlor. Der maximale Gewinn belief sich auf 13,56 US-Dollar, der maximale Verlust betrug 12,42 US-Dollar.

Insgesamt arbeitet der Expert Advisor (EA) stabil und führt Trades präzise aus, doch die Rentabilität und Robustheit der Strategie sind weiterhin fraglich.

Autor: Dmitriy Gizlyk