記事「取引におけるニューラルネットワーク：層状メモリを持つエージェント（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：層状メモリを持つエージェント（最終回）」はパブリッシュされました:

引き続き、FinMemフレームワークの構築に取り組みます。本フレームワークは、人間の認知プロセスを模した層状メモリアプローチを用いることで、複雑な金融データを効果的に処理できるだけでなく、新しいシグナルに適応することも可能にします。その結果、動的に変化する市場における投資判断の精度と有効性が大幅に向上します。

前回の2つの記事ではFinMemフレームワークに焦点を当てました。それらの記事では、フレームワークの提案手法を私たちなりに解釈し、MQL5で実装しました。今回は最も興味深い段階に到達しました。それは、実装したソリューションの有効性を実際の過去データで評価することです。

実装の過程でFinMemアルゴリズムに大幅な変更を加えている点を強調することが重要です。したがって、元のフレームワークではなく、実装されたソリューションのみを評価します。

モデルはEUR/USD通貨ペアの2023年の過去データを用いてH1の時間軸で学習しました。モデルが分析したインジケーターの設定はすべてデフォルト値のままです。

初期学習フェーズでは、前回の研究で作成したデータセットを使用しました。実装した学習アルゴリズムは、エージェントにとって「ほぼ理想的」なターゲットアクションを生成するため、学習データセットを更新せずにモデルを学習させることが可能です。ただし、より幅広い口座状態をカバーするためには、可能であれば学習データセットの定期的な更新を追加することを推奨します。

複数回の学習サイクルを経て、学習データとテストデータの両方で安定した収益性を示すモデルが得られました。最終テストは2024年1月の過去データを用いて、その他のパラメーターは変更せずに実施しました。テスト結果は以下に記載されています。

作者: Dmitriy Gizlyk