Discusión sobre el artículo "Redes neuronales en el trading: Transformador jerárquico de doble torre (Hidformer)"

[MetaQuotes]

Artículo publicado Redes neuronales en el trading: Transformador jerárquico de doble torre (Hidformer):

Hoy le proponemos introducir un framework de transformador jerárquico de dos torres (Hidformer) desarrollado para la previsión de series temporales y el análisis de datos. Los autores del framework propusieron varias mejoras en la arquitectura del Transformer que mejoran la precisión de las predicciones y reducen el consumo de recursos computacionales.

Los modelos de redes neuronales capaces de considerar la estructura temporal de los datos y detectar patrones ocultos se han hecho especialmente populares en la previsión financiera. Sin embargo, los enfoques tradicionales basados en redes neuronales presentan limitaciones por su elevada complejidad computacional y la insuficiente interpretabilidad de los resultados. En este sentido, en los últimos años, las arquitecturas basadas en mecanismos de atención que ofrecen análisis más precisos de series temporales y datos financieros han atraído la atención de los investigadores.

Los modelos más populares son los basados en la arquitectura Transformer y sus modificaciones. En el artículo "Hidformer: Transformer-Style Neural Network in Stock Price Forecasting" se presenta una de estas modificaciones, denominada Hidformer. Este modelo está diseñado específicamente para el análisis de series temporales y se centra en mejorar la precisión de las previsiones usando mecanismos de atención optimizados, una detección eficaz de las dependencias a largo plazo y la adaptación a las particularidades de los datos financieros. La principal ventaja del Hidformer es su capacidad para considerar dependencias temporales complejas, lo cual resulta especialmente importante para analizar el mercado bursátil, donde los precios de los activos dependen de multitud de factores.

Autor: Dmitriy Gizlyk

[Evgeniy Chernish]

MetaQuotes:

Se ha publicado el artículo Neural Networks in Trading: Hierarchical Two-Bar Transformer (Hidformer):

Autor: Dmitriy Gizlyk

¿Podrían decirme cómo obtener un conjunto de tendencias con esta red neuronal?

Tengo entendido que esta es una de sus características -

"La primera analiza las características temporales, identificando tendencias y patrones en la escala temporal".

[Andreas Alois Aigner]

Hola Dmitriy,

De acuerdo con el OnTesterDeinit() el código debe en el modo Tester (es decir, en el StrategyTester) guardar abajo NN archivos.

//+------------------------------------------------------------------+
//| Función TesterDeinit|
//+------------------------------------------------------------------+
void OnTesterDeinit()
  {
//---
   int total = ArraySize(Buffer);
   printf("total %d", MathMin(total, MaxReplayBuffer));
   Print("Saving...");
   SaveTotalBase();
   Print("Saved");
  }
//+------------------------------------------------------------------+

Esto no sucede. Tambien parece que este OnTesterDeinit() no es llamado. Ya que no veo ninguna de las declaraciones de impresión.

¿Es esto debido a una actualización de MQL5? ¿O por qué su código no guardar los archivos más?

[Dmitriy Gizlyk]

Andreas Alois Aigner impresión.

¿Es esto debido a una actualización de MQL5? ¿O por qué su código no guardar los archivos más?

Estimado Andreas,

OnTesterDeinit sólo se ejecuta en modo de optimización. Por favor, consulte la documentación en https://www.mql5.com/en/docs/event_handlers/ontesterdeinit.
No guardamos modelos en el probador porque este EA no los estudia. Es necesario comprobar la eficacia del modelo estudiado previamente.

Saludos cordiales,
Dmitriy.