Discussão do artigo "Redes neurais em trading: Modelos com uso de wavelet transform e atenção multitarefa (Conclusão)"

 

Novo artigo Redes neurais em trading: Modelos com uso de wavelet transform e atenção multitarefa (Conclusão) foi publicado:

No artigo anterior, exploramos os fundamentos teóricos e começamos a implementar as abordagens do framework Multitask-Stockformer, que combina wavelet transform e o modelo multitarefa Self-Attention. Damos continuidade à implementação dos algoritmos desse framework e avaliamos sua eficácia com dados históricos reais.

Durante os testes, os modelos foram treinados com dados históricos de todo o ano de 2023 do instrumento financeiro EURUSD, no timeframe H1. Todos os parâmetros dos indicadores analisados foram utilizados conforme os valores padrão.

Na primeira etapa do treinamento, utilizamos um conjunto de dados de treino coletado em pesquisas anteriores. Posteriormente, a amostra de treino foi atualizada periodicamente para se adaptar à política atual do АктераApós vários ciclos de treinamento e atualização do conjunto, foi obtida uma política que demonstrou lucratividade tanto nos dados de treino quanto nos dados de teste.

O teste da política treinada foi realizado com dados históricos de janeiro de 2024, mantendo todos os demais parâmetros. Os resultados dos testes são apresentados a seguir.


Autor: Dmitriy Gizlyk