Discussão do artigo "Redes neurais em trading: Otimização de LSTM para fins de previsão de séries temporais multivariadas (DA-CG-LSTM)"

[MetaQuotes]

Novo artigo Redes neurais em trading: Otimização de LSTM para fins de previsão de séries temporais multivariadas (DA-CG-LSTM) foi publicado:

Este artigo apresenta o algoritmo DA-CG-LSTM, que propõe novas abordagens para análise e previsão de séries temporais. Você verá como mecanismos de atenção inovadores e a flexibilidade da arquitetura contribuem para o aumento da precisão das previsões.

Os mercados financeiros não são apenas números nas telas. Trata-se de um ambiente dinâmico, no qual cada tick, cada candle, cada variação no volume de negociações reflete emoções humanas, expectativas, medos e esperanças. Compreender esse ritmo, aprender a prever para onde o preço irá, essa é a tarefa que desafia os traders.

O foco está nas séries temporais multivariadas. Esta é a forma clássica de representar os dados de mercado: preço do ativo ao longo do tempo, volume de negociação, indicadores, notícias. Todos esses são dados que podem ser analisados, modelados e usados para previsão.

Até recentemente, o mercado se baseava em métodos clássicos consagrados, como ARIMA, SARIMA e outros. Esses modelos são convenientes, compreensíveis e não exigem recursos computacionais exorbitantes. Lidavam bem com padrões sazonais e dependências lineares, especialmente em condições de mercado estáveis. Mas o mercado financeiro não é estacionário. Aqui tudo se mistura: as notícias influenciam as expectativas, o humor dos investidores muda em segundos, operações algorítmicas geram efeitos de ressonância, e tudo isso dá origem a dependências complexas, não lineares e frequentemente caóticas. Os modelos tradicionais podem indicar a direção, mas não revelam os detalhes.

Autor: Dmitriy Gizlyk

[Vladimir Sanin]

Olá. Onde posso obter as bibliotecas NeuroNet.mqh, NeuroNet.cl e Trajectory.mqh?
E quais são os parâmetros exatos do modelo (tamanhos dos dados de entrada, número de neurônios, otimizador)?

[Dmitriy Gizlyk]

Владимир #:
Olá. Onde obter as bibliotecas NeuroNet.mqh, NeuroNet.cl, Trajectory.mqh?
E quais são os parâmetros exatos do modelo (tamanho dos dados de entrada, número de neurônios, otimizador)?

Boa tarde, Vladimir.

Todas as bibliotecas NeuroNet.* são apresentadas no anexo "MQL5\Experts\NeuroNet_DNG\NeuroNet.*", e Trajectory.mqh em "MQL5\Experts\DACGLSTM\Trajectory.mqh".

Uma descrição detalhada dos modelos treinados será apresentada no próximo artigo.