Discussão do artigo "Redes neurais em trading: Agente multimodal complementado com ferramentas (Conclusão)"
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: Agente multimodal complementado com ferramentas (Conclusão) foi publicado:
Nos dois últimos artigos, examinamos em detalhes o framework FinAgent. Ao mesmo tempo, implementamos nossa própria visão das abordagens propostas por seus autores. Adaptamos os algoritmos do framework de acordo com nossas necessidades. E agora chegamos ao estágio decisivo — a verificação da eficácia das soluções implementadas em dados históricos reais.
É importante destacar que, no processo de desenvolvimento, introduzimos modificações significativas nos algoritmos que servem de base para o framework FinAgent. Essas alterações dizem respeito a aspectos-chave do funcionamento do modelo. Portanto, neste caso, não estamos avaliando a solução original, mas sim a nossa versão adaptada.
O treinamento do modelo foi realizado utilizando dados históricos do par de moedas EURUSD referentes ao ano de 2023, no timeframe H1. Todas as configurações dos indicadores usados pelo modelo foram mantidas em seus valores padrão, o que permitiu concentrar a avaliação no próprio algoritmo e em sua capacidade de trabalhar com os dados brutos sem ajustes adicionais.
Para a etapa inicial de treinamento, foi usada uma amostra de dados preparada em pesquisas anteriores. Aplicamos um algoritmo de aprendizado com a formação de “ações quase ideais” do Agente, o que possibilitou treinar o modelo sem a necessidade de atualização constante da amostra de treinamento. No entanto, apesar do bom desempenho do algoritmo nesse formato, consideramos que a atualização regular da amostra de treinamento seria um complemento útil para aumentar a precisão e ampliar a cobertura de um espectro maior de estados da conta.
Autor: Dmitriy Gizlyk