Discusión sobre el artículo "Redes neuronales en el trading: Pipeline de pronóstico inteligente (Time-MoE)"
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: Pipeline de pronóstico inteligente (Time-MoE):
El Time-MoE es un Decoder-Only Transformer de última generación diseñado específicamente para secuencias basadas en el tiempo. Se basa en los principios de aprendizaje disperso, modularidad y predicción multiescala. Los autores de este framework de trabajo demostraron cómo transferir la escalabilidad y la flexibilidad de los modelos a gran escala al dominio de las series temporales sin sacrificar la eficiencia computacional. La arquitectura del modelo que presentaron admite longitudes de secuencias analizadas y horizontes de planificación arbitrarios. Además, el modelo es capaz de procesar flujos de datos en tiempo real.
El primer eslabón en la arquitectura es la tokenización punto por punto de la serie temporal (Point-Wise Tokenization). A diferencia de los enfoques de ventana o agregación, aquí cada paso de tiempo se convierte en un token aparte. Esta propiedad puede resultar útil en el trading de alta frecuencia, donde incluso un solo tick puede cambiar el panorama. En el entorno MQL5, los tokens se pueden generar según las barras, ticks e indicadores derivados, como la volatilidad, los volúmenes y las señales de estrategias personalizadas.
Tras la tokenización, los datos pasan por una capa de incorporación con activación SwiGLU, que es un híbrido de Swish y Gated Linear Unit. Permite presentaciones más fluidas y consistentes de la información analizada, lo cual resulta especialmente útil en presencia de ruido de mercado y tendencias inestables.
Autor: Dmitriy Gizlyk