Discussão do artigo "Aplicação da teoria dos jogos em algoritmos de trading"
O Tsetlin Machine também é interessante para dados pequenos, mas é menos conhecido: https: //github.com/cair/TsetlinMachine
https://www.literal-labs.ai/tsetlin-machines/ , mas acho que é difícil de implementar.
- cair
- github.com
O Tsetlin Machine também é interessante para dados pequenos, mas é menos conhecido: https: //github.com/cair/TsetlinMachine
https://www.literal-labs.ai/tsetlin-machines/ , mas acho difícil de implementar.
Coisa original, estou transbordando de alegria como se fosse um objeto de arte, obrigado :) Mas é desejável testá-lo em carrapatos reais, porque ele é superficial com os negócios.
Saudações, estou muito interessado em seu projeto, mas sou novo nesse campo. Não consigo entender como executar o Expert Advisor no testador de estratégias. Pelo que entendi, é impossível configurá-lo totalmente e treiná-lo por meio do testador? Ou estou fazendo algo errado? Ficaria muito grato se me ajudassem com o sistema operacional
Onde tenho parentes na Holanda? 👀
Ahahahahah, não na Holanda)))) VPN é uma coisa dessas)))))
PS: no final das contas, no testador de estratégia, é possível executar o treinamento ou não? De acordo com a captura de tela do gráfico de saldo, é um testador de estratégia, mas, independentemente do que eu faça, não chego nem perto de + nele
O autor apresenta o "AdaptiveQ Enhanced", um EA de FX com vários símbolos que afirma combinar DQN, equilíbrio de Nash, análise causal, sete pares de moedas principais, seis ações e 531.441 estados. O conjunto de ações inclui comprar, vender, adicionar para comprar, adicionar para vender e fechar somente compras ou vendas lucrativas.
Meu principal problema: o artigo usa mais rótulos sofisticados do que substância real. Seu "equilíbrio de Nash" não é uma solução de equilíbrio real; ele está apenas pegando os Q-scores de um símbolo e os empurrando com os Q-scores de outros símbolos ponderados pela correlação de rolagem quando |corr| > 0,3 . Isso não é teoria dos jogos em nenhum sentido sério. O mesmo problema existe com a linguagem "causal": a atualização de símbolos cruzados é literalmente baseada na recompensa vezes a correlação quando |corr| > 0,2 . Correlação não é causalidade.
O design do estado também parece instável. O artigo diz que ele constrói um estado rico de vários períodos de tempo a partir de preços, diferenças de MA, RSI, estocástico e sinalizadores de MA e, em seguida, faz um has h dessas informações multidimensionais e as reduz com hash % TOTAL_STATES . Assim, diferentes situações de mercado podem ser reunidas em um mesmo balde. Chamar isso de "531.441 estados exclusivos" parece mais impressionante do que realmente é.
A lógica de posição é a parte mais feia. O EA pode ser executado no modo de posições múltiplas ou opostas, adicionar volume às posições existentes, permitir até 5 posições por símbolo e fechar seletivamente apenas as posições lucrativas, deixando as perdedoras abertas "para recuperação". Para mim, isso não é um gerenciamento de estoque inteligente; é um caminho bem-acabado para uma exposição feia.
O que é bom: a parte de engenharia é mais séria do que as bobagens comuns da MQL5. O armazenamento em cache dos identificadores de indicadores, as atualizações periódicas e o salvamento/carregamento da matriz Q são detalhes práticos de implementação.
Portanto, na minha opinião, um experimento interessante e um projeto de negociação fraco. Há muita propaganda em torno de "IA/teoria dos jogos/inferência causal", mas não há provas suficientes de que ela tenha uma vantagem real. Eu não me basearia diretamente nessa lógica.
- 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 Aplicação da teoria dos jogos em algoritmos de trading foi publicado:
Em um contexto no qual a velocidade de tomada de decisões é fundamental e o mercado é caracterizado por um alto grau de incerteza, é necessário um enfoque diferente para a criação de sistemas de trading. O AdaptiveQ Enhanced é um EA desenvolvido com base em métodos de aprendizado profundo por reforço (DQN), teoria dos jogos e análise causal.
Ele analisa o mercado modelando 531 441 estados únicos e levando em conta as interrelações entre os sete principais pares de moedas. O elemento-chave do algoritmo é o equilíbrio de Nash, aplicado para escolher a estratégia ótima em condições de influência mútua entre os instrumentos.
O artigo discute a aplicação prática dessas abordagens em MQL5 e demonstra como a combinação de aprendizado adaptativo, teoria dos jogos e inteligência artificial (IA) permite criar estratégias de trading mais precisas e resilientes.
Autor: Yevgeniy Koshtenko