Discussão do artigo "Redes neurais em trading: Resultados práticos do método TEMPO"
Você está errado, 100*$200 == $20000, grande lucro! E vocês são todos nerds, reclamando de algumas estratégias de negociação forex..... Tudo o que resta é colocar essa estratégia nos sinais MQL5 e apostar se pelo menos uma pessoa se inscreverá.
Sobre a sugestão - eu a estenderia ao fato de que o autor deveria iniciar um sinal e mostrar o resultado pelo menos por um mês. Ultimamente, o site tem sido inundado com um grande número de artigos vazios. ((:
Por um lado, isso é verdade. Por outro lado, você mesmo escreve pelo menos um artigo para entender o custo da mão de obra e o nível de complexidade.... Como diz o ditado clássico, falar não é falar....
E para que serve essa complexidade?
Quem retornará o tempo gasto com esses artigos?
Trata-se de forex, não de robótica.
E para que serve essa complexidade?
Quem retornará o tempo gasto com esses artigos?
Trata-se de forex, não de robótica.
Depende do que você chama de "grosso". Se você acha que no artigo o autor compartilha o Graal, então provavelmente sim, não há uso.... Mas se você considera o artigo como uma fonte e desenvolvimento de alguma ideia de mercado, então ele pode ter direito à vida....
Atitude em relação aos usuários
Claramente
Somente para aqueles que acham que o autor deve algo a ele.....
O golpista também não deve nada a ninguém.
Mas as pessoas caem no golpe por algum motivo.
Se os artigos não contiverem gatilhos e motivações flagrantes como "...o modelo é capaz de gerar lucro", então está tudo bem. Nossos problemas.
E quando informações não testadas são manipuladas, isso não é realmente problema nosso.
Considerando que o primeiro usuário foi banido por criticar, eu também vou acabar de vez. Você pode contra-argumentar com contra-argumentos, eu deixarei melhor sem resposta.
...Se os artigos não contivessem gatilhos e motivação flagrante como "...o modelo é capaz de gerar lucros", tudo bem. Nossos problemas.
E quando eles manipulam informações não testadas - não são realmente nossos problemas....
Em um artigo de Dmitry nos comentários, pedi a ele que escrevesse um artigo especificamente sobre o treinamento de seus Expert Advisors. Ele poderia pegar qualquer um de seus modelos de qualquer artigo e explicar completamente no artigo como ele o ensina. Do zero até o resultado, em detalhes, com todas as nuances. O que observar, em que sequência ele ensina, quantas vezes, em que equipamento, o que ele faz se não aprender, que erros ele observa. Aqui está o máximo de detalhes possível sobre o treinamento no estilo "para manequins". Mas Dmitry, por algum motivo, ignorou ou não notou essa solicitação e não escreveu esse artigo até agora. Acredito que muitas pessoas ficarão gratas a ele por isso.
Dmitry, escreva um artigo desse tipo, por favor.
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Você concorda com a política do site e com os termos de uso
Novo artigo Redes neurais em trading: Resultados práticos do método TEMPO foi publicado:
Damos continuidade à exploração do método TEMPO. Neste artigo, avaliaremos a eficácia prática das abordagens propostas com base em dados históricos reais.
O método TEMPO utiliza um modelo linguístico pré-treinado. Em particular, os autores do método utilizam o GPT-2 pré-treinado em seus experimentos. A ideia principal do método consiste em utilizar os conhecimentos adquiridos pelo modelo durante o pré-treinamento para prever séries temporais. Neste ponto, é importante destacar as não tão óbvias semelhanças entre a linguagem e as séries temporais. Afinal, essencialmente, nossa fala é uma série temporal de sons registrados por meio de letras. Já diferentes entonações são marcadas por sinais de pontuação.
Outro ponto importante é que um modelo linguístico extenso (Long Language Model — LLM), como o GPT-2, foi pré-treinado em um grande conjunto de dados (geralmente em vários idiomas) e aprendeu diversas dependências em sequências temporais de palavras, que gostaríamos de usar na previsão de séries temporais. Porém, as sequências de letras e palavras diferem bastante dos dados analisados em séries temporais. E sempre destacamos que, para a operação correta de qualquer modelo, é fundamental que a distribuição dos dados nos conjuntos de treinamento e teste seja consistente. Especialmente os dados analisados durante a utilização prática do modelo. É necessário lembrar que qualquer modelo linguístico não trabalha com o texto em sua forma pura. Primeiro, ele passa por uma etapa de incorporação, na qual o texto que conhecemos é transformado em um código numérico (estado oculto). Esse é o formato com o qual o modelo trabalha. A saída do modelo gera probabilidades para o uso subsequente de letras e sinais de pontuação. Os símbolos com maior probabilidade formam o texto legível.
Os autores do método TEMPO aproveitaram essa característica. Durante o treinamento do modelo de previsão de séries temporais, eles "congelam" os parâmetros do modelo linguístico e otimizam os parâmetros de transformação dos dados brutos em incorporações compreensíveis para o modelo utilizado. Aqui, os autores do método TEMPO propõem uma abordagem abrangente, que permite fornecer ao modelo o máximo de informações úteis. Primeiro, a série temporal analisada é decomposta em seus componentes: tendência, sazonalidade etc. Em seguida, cada componente é segmentado e transformado em incorporações compreensíveis pelo modelo linguístico. Para direcionar o modelo linguístico no caminho desejado (análise de tendências ou sazonalidade), os autores desenvolveram um sistema de "indicações suaves".
Autor: Dmitriy Gizlyk