Discussão do artigo "Redes neurais em trading: Aprendizado hierárquico de características em nuvens de pontos"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Redes neurais em trading: Aprendizado hierárquico de características em nuvens de pontos foi publicado:
Continuamos estudando algoritmos para extração de características de nuvens de pontos. Neste artigo, exploraremos mecanismos para aumentar a eficiência do método PointNet.
Como mencionado anteriormente, nossa nova abordagem difere da anterior apenas em uma camada. Além disso, essa nova camada é apenas uma versão aprimorada da solução anterior. Isso torna a comparação entre os dois modelos ainda mais interessante. Para garantir uma comparação o mais justa possível, treinamos os modelos utilizando exatamente o mesmo conjunto de dados da pesquisa anterior.
Geralmente, recomendo atualizar periodicamente o conjunto de dados de treinamento para obter melhores resultados com o aprendizado do modelo. Apenas assim a amostragem permanecerá alinhada à política atual do Ator, permitindo uma avaliação mais precisa de suas ações e ajustes mais eficientes na estratégia. No entanto, neste caso específico, não posso deixar de lado a oportunidade de comparar dois métodos semelhantes e avaliar a eficácia do aprendizado hierárquico. No artigo anterior, treinamos uma política de Ator capaz de gerar lucro a partir desse conjunto de dados. Agora, esperamos que a nova abordagem obtenha resultados semelhantes.
Ao final do treinamento, a nova arquitetura foi capaz de aprender uma política que gerava lucro tanto no conjunto de treinamento quanto no conjunto de teste. Os resultados do teste da nova abordagem são apresentados a seguir.
É preciso dizer que comparar os resultados de ambas as arquiteturas não é uma tarefa fácil. Durante o período de teste, ambas as versões geraram aproximadamente o mesmo lucro. As variações na drawdown do saldo e do equity permaneceram dentro da margem de erro. No entanto, a nova abordagem executou um número menor de operações e apresentou um leve aumento no fator de lucro.
No entanto, o número reduzido de operações realizadas por ambas as abordagens não permite tirar conclusões definitivas sobre sua eficácia em períodos mais longos.
Autor: Dmitriy Gizlyk