記事「取引におけるニューラルネットワーク：金融市場向けマルチモーダルツール拡張エージェント（最終部）」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：金融市場向けマルチモーダルツール拡張エージェント（最終部）」はパブリッシュされました:

マルチモーダル市場の動向データと過去の取引パターンを分析するために設計されたマルチモーダル金融取引エージェント「FinAgent」のアルゴリズム開発を続けます。

前回と前々回の記事では、FinAgentフレームワークを詳細に検討しました。この過程で、私たちはその著者たちが提案したアプローチを独自に解釈して実装しました。さらに、フレームワークのアルゴリズムを当社の特定の要件に合わせて適応させました。今回、別の重要な段階に到達しました。それは、実際の履歴データ上で実装したソリューションの有効性を評価することです。

開発の過程で、FinAgentフレームワークのコアアルゴリズムに大幅な変更を加えました。これらの変更は、モデルの運用の重要な側面に影響を与えます。したがって、今回の評価では、元のフレームワークではなく、私たちが適応させたバージョンを評価していることに注意してください。

モデルは、EUR/USD通貨ペアの2023年のH1時間足の履歴データで学習しました。モデルで使用したすべてのインジケーター設定はデフォルト値のままとし、追加のチューニングをおこなわずに、アルゴリズム自体の性能と生データへの適応能力を評価できるようにしました。

初期の学習段階では、以前の研究で準備したデータセットを使用しました。学習アルゴリズムは、エージェントに対して「ほぼ理想的」な目的行動を生成する方式で、学習データセットを逐次更新することなくモデルを学習可能にしました。ただし、この方法は効果的に機能しましたが、学習セットを定期的に更新することで、精度の向上および異なる口座状態のカバレッジ拡大が可能になると考えています。

作者: Dmitriy Gizlyk