記事「選択的状態空間モデルを採用したMambaベースのニューラルネットワーク自動売買ロボットの開発」についてのディスカッション

[MetaQuotes]

新しい記事「選択的状態空間モデルを採用したMambaベースのニューラルネットワーク自動売買ロボットの開発」はパブリッシュされました:

本記事では、金融時系列予測のための革新的なMamba/SSMニューラルネットワークアーキテクチャについて解説します。Transformerに代わる現代的なアーキテクチャとして、二次計算量O(N²)ではなく線形計算量O(N)を実現するMamba/SSMを取り上げます。選択的状態空間モデル(SSM, Selective State Space Model)、ハードウェアを考慮した最適化、パッチング技術、さらに高度なAdamWによる学習手法について詳しく説明します。実用的なテストでは、精度が62%から71%に向上する一方、学習時間は45分から8分に短縮されました。また、自動学習機能と適応型リスク管理機能を備えた、MetaTrader 5用の完成済み取引EAも紹介します。

現代のアルゴリズム取引には、根本的な問題があります。従来のニューラルネットワークアーキテクチャでは、Attention（アテンション）機構に基づくモデルが広く利用されていますが、その計算量はO(N²)となります。つまり、時系列の長さを2倍にすると、処理量は4倍になります。数千本ものローソク足からなる過去データを分析するトレーディングシステムにとって、この非効率性は重大な制約となります。

たとえば、ある取引システムが、エントリーを判断するために直近2048本の価格バーを分析する必要があるとします。Transformerでは、この長さの系列に対して約400万個のAttention計算が必要になります。そのため、処理に数秒を要する場合があります。高頻度取引(HFT)では、ミリ秒単位の遅延が取引結果を左右するため、このような遅延は、戦略の失敗に等しいと言えます。

さらに、現代の金融市場は、複雑化すると同時に市場間の相互連関も強まっています。精度の高い予測をおこなうためには、より長い過去データを分析し、異なる資産間や時間軸間の相関関係を考慮する必要があります。従来のアーキテクチャではこの課題に十分対応できず、分析可能なコンテキスト長が512～1024データポイント程度に制限されるケースもあります。

作者: Yevgeniy Koshtenko

[Борис Ворона]

ModernTimeSeriesNet.mqh ファイルをコンパイルすると、次のようなエラーが発生します：- undeclar

[Yevgeniy Koshtenko]

Борис Ворона #:
ModernTimeSeriesNet.mqh ファイルをコンパイルすると、次のようなエラーが発生します：- undeclare

こんにちは！記事の最新版に最新のバージョンを添付しました。以前のバージョンでは、EAはそのままコンパイルできていましたが、問題は必要な変数がmqhではなくEA内で定義されていたことにありました。

[Борис Ворона]

Yevgeniy Koshtenko #:

こんにちは！記事の最新版に最新のバージョンを添付しました。以前のバージョンでは、アドバイザーはそのままコンパイルできていましたが、問題は変数がmではなくEA内で定義されていた点にありました。

ありがとうございます、すべて正常に動作するようになりました。