記事「取引におけるニューラルネットワーク：データ固有の依存性なしに時系列を一般化する（結論）」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：データ固有の依存性なしに時系列を一般化する（結論）」はパブリッシュされました:

Mamba4Castが理論をどのように実用的な取引アルゴリズムへと発展させるのか、そして読者自身が実験をおこなうための基盤をどのように築くのかを紹介します。 独自の取引戦略を開発するための知識と着想を得る、この機会をぜひお見逃しなく。

学習データセットには、2024年通年の1分足EURUSDデータを使用しました。 実験の客観性を保つため、最終テストには、学習に使用していない2025年1月から3月までの過去データを使用しました。 戦略の評価を公平に行えるよう、それ以外のパラメータはすべて変更していません。

テスト結果を以下に示します。

見てのとおり、取引頻度はかなり高くなっています。 ポジションの平均保有時間は3分強です。 テスト期間中、モデルは合計2,677回の取引を実行し、そのうち1,240回が利益で決済されました。 負けトレードの数は勝ちトレードをやや上回っていますが、それでもテスト期間全体では利益を上げており、残高曲線も比較的安定して上昇しています。 この結果の一因として、比較的狭いストップロスを設定してポジションを建て、その後も管理を続けていることが考えられます。 平均損失額と最大損失額の差が小さいことは、この仮定を裏付けています。 一方、最大利益を記録した取引の利益額は、1取引当たりの平均利益の約7倍に達しています。

作者: Dmitriy Gizlyk

[fxsaber]

Результаты тестирования представлены ниже.

スクリーンショットに、該当するtstファイルも追加していただけますか。よろしくお願いします。