記事「取引におけるニューラルネットワーク：双曲潜在拡散モデル（最終回）」についてのディスカッション

[MetaQuotes]

新しい記事「取引におけるニューラルネットワーク：双曲潜在拡散モデル（最終回）」はパブリッシュされました:

HypDiffフレームワークで提案されているように、双曲潜在空間における初期データのエンコーディングに異方性拡散プロセスを用いることで、現在の市場状況におけるトポロジー的特徴を保持しやすくなり、分析の質を向上させることができます。前回の記事では、提案されたアプローチの実装をMQL5を用いて開始しました。今回はその作業を継続し、論理的な完結に向けて進めていきます。

訓練は2023年の1年間のEURUSD（H1時間足）の実データを用いて反復的におこない、すべてのインジケーターのパラメータはデフォルト値のままとしています。

訓練過程では訓練データセットの定期的な更新も含まれます。

学習済み方策の有効性を検証するために、2024年の第1四半期の過去データを用いてテストを実施しました。 以下にそのテスト結果を示します。

データが示す通り、モデルはテスト期間中に利益を上げることに成功しました。3か月間で合計23回の取引がおこなわれ、比較的少ない回数となっています。取引のうち56％以上が利益確定であり、1回あたりの最大利益および平均利益は損失の約2倍に達しています。

作者: Dmitriy Gizlyk

[Mulukas]

MetaQuotes:

新しい記事をご覧ください：トレーディングにおけるニューラルネットワーク：ハイパーボリック潜在拡散モデル（最終回）。

著者ドミトリー・ギズリク

技術的には印象的だが、実用的な成果はかなり控えめである。