記事「取引におけるニューラルネットワーク：高精度分類のための効果的な特徴量抽出（最終章）」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：高精度分類のための効果的な特徴量抽出（最終章）」はパブリッシュされました:

Mantisフレームワークは、複雑な時系列を情報量の豊富なトークンへと変換し、リアルタイムで動作可能なインテリジェントな取引エージェントのための信頼性の高い基盤として機能します。

第1段階は、エンコーダの対照学習です。EURUSDのM1について、過去5年間の履歴データを使用して実施します。このデータ量と詳細度によって、エンコーダは市場状態を高品質かつ情報量豊富な潜在表現として構築できるようになり、これがシステム全体のその後の処理を支える基盤となります。

次が第2段階である、システムの主要コンポーネントであるActor、Director、Criticのオフライン学習です。この学習には2024年のデータから収集した学習データセットを使用し、それまでに設定したすべてのパラメータを維持します。この処理では、ほぼ完全な軌跡という概念を利用し、最も信頼性の高いアクションと評価の事例からモデルを学習させます。この段階は、基本的な戦略と取引判断の基準を強化するうえで重要です。

第3段階は、モデルのオンラインファインチューニングです。これは同じ履歴データの期間を使用し、ストラテジーテスター上で直接実施します。これにより、変化する市場環境にモデルを適応させるとともに、パラメータを可能な限り正確に調整できます。

すべての学習段階が完了した後、2025年1月から3月までのデータを使用してモデルをテストします。この際、学習段階で使用したすべてのパラメータは変更しません。この方法によって、これまで使用していない新しいデータセットに対して、モデルの性能を公平かつ客観的に評価できます。以下にそのテスト結果を示します。

作者: Dmitriy Gizlyk

[削除済み]

不思議ですね、なぜ片方向だけで取引しているのでしょうか。取引を決済するシグナルは、どのように形成されるのでしょうか？