Discussão do artigo "Redes neurais em trading: Ator–Diretor–Crítico (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: Ator–Diretor–Crítico (Conclusão) foi publicado:
Para formar o conjunto de treinamento, foram utilizados percursos aleatórios do agente no testador de estratégias do MetaTrader 5, o que possibilitou reunir uma ampla variedade de cenários comportamentais. Como base, foram empregadas cotações históricas do par EURUSD no timeframe M1, cobrindo todo o ano de 2024.
O treinamento inicial das redes foi realizado em modo offline, sem atualização do conjunto de dados, até a estabilização dos erros de previsão dos modelos. Em seguida, o processo continuou no testador de estratégias do MetaTrader 5, realizando o ajuste fino dos parâmetros até a obtenção de resultados consistentes e estáveis.
A avaliação objetiva da qualidade da política de trading aprendida em condições reais foi feita com base em testes realizados fora da amostra de treinamento. Como período de teste, foram utilizados os dados históricos de janeiro–março de 2025. Esse intervalo temporal não foi incluído no processo de aprendizado, eliminando o risco de sobreajuste e conferindo validade prática aos resultados obtidos.
Os demais parâmetros (incluindo as condições de mercado, o timeframe, o modelo de simulação de execução e as configurações do terminal) foram mantidos inalterados. Isso garantiu uma avaliação limpa, centrada exclusivamente na qualidade da estratégia aprendida, sem interferência de fatores externos.
Os resultados dos testes são apresentados a seguir e permitem visualizar de forma clara o comportamento da política do agente em ação.
Autor: Dmitriy Gizlyk