Discusión sobre el artículo "Redes neuronales en el trading: Conjunto de agentes con uso de mecanismos de atención (Final)"
¿Por qué publican artículos tan vergonzosos? El beneficio del mes es del 0,27%, mi gato, golpeando accidentalmente su pata, ganará 50 veces más.
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Redes neuronales en el trading: Conjunto de agentes con uso de mecanismos de atención (Final):
Para captar cambios sustanciales en los precios, los agentes usan filtros de movimiento direccional con diferentes umbrales. De esta forma, se extraen las principales características de tendencia de las series temporales de precios analizadas, lo cual mejora la comprensión de las transiciones del mercado de distinta intensidad. El enfoque propuesto introduce una nueva técnica para generar tokens de secuencias que permite a los módulos de análisis transversal basados en la atención (CSA) y de análisis temporal (TA) detectar eficazmente diversas correlaciones. En concreto, al reconstruir los mapas de características, los tokens de secuencia del módulo CSA se generan según el rendimiento de los activos individuales optimizado mediante la aplicación de mecanismos de atención. Al mismo tiempo, los tokens del módulo TA se construyen a partir de las características de los puntos temporales, lo que nos permite destacar relaciones significativas entre momentos individuales en el tiempo.
Los agentes MASAAT combinan las estimaciones de correlación de activos y puntos temporales recogidas en los módulos CSA y TA usando un mecanismo de atención, con el objetivo de encontrar correlaciones para cada activo respecto a cada punto temporal durante el periodo de observación.
A continuación le mostramos la visualización del framework MASAAT realizada por el autor.
El framework MASAAT tiene una marcada estructura de bloques. Esto nos permite implementar cada bloque como una clase independiente y luego combinar los objetos creados en una estructura única. En el último artículo ya presentamos los algoritmos necesarios para implementar un objeto multiagente de transformación paralela de las series temporales multimodales analizadas en representaciones lineales por trozos de diferentes escalas CNeuronPLRMultiAgentsOCL. Asimismo, analizamos el algoritmo del módulo de atención transversal de activos CSACNeuronCrossSectionalAnalysis. En este artículo continuaremos el trabajo iniciado.
Autor: Dmitriy Gizlyk