記事「取引におけるニューラルネットワーク：インテリジェントな予測パイプライン（最終回）」についてのディスカッション
なぜかまた一方的な取引ばかりだ。まるでエージェントが実際には何も学んでいないかのようだ。トレンドデータのバランスを見てみたいものだ。OpenCLがないから、確認できない :)
取引はロングポジションのみです
コードを共有していただきありがとうございます。以前からあなたの記事を拝読させていただいています。どれもごく最近の学術論文に基づいて書かれているようです。 しかし、コンパイルしようとすると、どれも構文エラーが多すぎてうまくいきません。エラーの多くは「NeuroNet.cl」に起因しているようですが、私の理解が正しければ、これは「NeuroNet.mqh」のOpenCL計算の中核となる部分ですよね。 あなたの環境では、すべてのコードがすでにコンパイルできていることは間違いないと思います。したがって、この問題は私の側のMQLのバージョンに起因しているのではないかと推測しています。あなたの環境とは異なる可能性があります。その点について、少し詳しく教えていただけませんか？よろしくお願いします！
新しい記事「取引におけるニューラルネットワーク：インテリジェントな予測パイプライン（最終回）」はパブリッシュされました:
モデルの学習プロセスは、2つの段階に分けて実施しました。 このアプローチにより、一貫性と信頼性を保ちながら、着実にシステムを構築することができました。
最初の段階は、オフライン学習です。 EURUSD通貨ペアの1分足(M1)の過去15年分の履歴データを使用しました。 これにより、モデルに多様な市場状況を大量に学習させることができました。 Encoderは、規則性を認識し、重要なパターンを特定するとともに、市場の状態を情報量の豊富なコンパクトな特徴ベクトルにエンコードすることを学習しました。 このベクトルは、エージェントがおこなうすべての意思決定の基盤となります。 学習中、ActorはCriticとDirectorからの信号を受け取りながら、行動戦略を学習します。
次に、オンラインでのファインチューニングをおこないます。 これはMetaTrader 5ストラテジーテスター上で実行します。 ここでは、モデルはローソク足を1本ずつ処理し、市場ノイズやランダムな変動、不安定性を含む、より現実的なモードで過去のデータと相互作用します。 これにより、実際の市場の動きに合わせてエージェントの動作を適応させ、実市場に近い条件下で戦略を調整することができます。
学習完了後、新しいデータである2025年1月の相場データを使用してモデルをテストしました。 すべての設定は事前に固定し、テスト中も変更していません。 これにより、客観的かつ透明性の高い評価が可能になります。 テストの結果を以下に示します。
作者: Dmitriy Gizlyk