Discussão do artigo "Redes neurais em trading: Otimização de LSTM para fins de previsão de séries temporais multidimensionais (Conclusão)"
.
Como fazer com que todos os agentes de teste gravem um .bd em uma bola de rede - em 4 etapas
-
Pasta compartilhada
-
No PC "principal", crie D:\DACShare .
-
PCM → "Access" → "Advanced" → compartilhamento DACGLSTM, permissões de leitura/gravação para todos.
-
Caminho final: \MAINPC\DACGLSTM .
-
-
Conta para serviços
-
compmgmt.msc → "Usuários" → adicionar mqlagent (qualquer senha).
-
Em services.msc em cada MetaQuotes Tester Agent ... → guia "Login" → "This account" → MAINPC\mqlagent , digite a senha e reinicie o serviço.
-
-
Editar código de pesquisa
string de entrada SharedRoot = "\\\\MAINPC\\\DACGLSTM\\\"; string FileName = SharedRoot + "trajectories"; int handle = FileOpen(FileName + ".bd", FILE_WRITE|FILE_BIN|FILE_SHARE); // em vez de FILE_COMMON(mesma substituição de leitura). Compile o arquivo .ex5 e copie-o para todos os agentes.
-
Verifique
Execute a otimização; o registro de cada agente mostrará:
Saved to: \MAINPC\DACGLSTM\DACGLSTM.bd size=...
Abra o balão - o arquivo cresce após cada passagem.
Agora todos os agentes locais e remotos gravam um único buffer de dados, e o Study.mq5 pode aprender em qualquer máquina, bastando abrir o mesmo .bd
Não tenho certeza de como o DACGLSTM.bd é atualizado
Executo a pesquisa em um intervalo de 1 mês. A otimização está completa. O parâmetro de otimização é Agente de 1 a 8. Então, no mês seguinte... mas o arquivo não é gravado. Vejo que a data do arquivo é atualizada apenas com o início de um novo teste e é isso, mas o tamanho permanece o mesmo.
Não está muito claro como o DACGLSTM.bd é atualizado
Executo a pesquisa em um intervalo de 1 mês. A otimização está completa. O parâmetro de otimização é Agente de 1 a 8. Então, no mês seguinte... mas o arquivo não é gravado. Vejo que a data do arquivo é atualizada apenas com o início de um novo teste e é isso, mas o tamanho permanece o mesmo.
Informe-me o tamanho do seu arquivo DACGLSTM.bd e o número de negociações por mês.
Consegui acumular 800 MB de trajetórias por tentativa e erro. Tentei períodos diferentes - 10 dias, um mês, 3-6-12 meses.... Após a última execução do segundo semestre de 2024, o tamanho aumentou de 200 para 800. Depois disso, executei outra segunda metade do ano de 2023, mas o arquivo não mudou de tamanho. Os negócios de meio ano acumulam cerca de 3.000 a 3.500, no período de 15 minutos que uso - todos os ticks. Em períodos de tempo menores, o processo começa a se arrastar por um tempo muito longo, e não estou disposto a esperar tanto tempo. Sim, a propósito, aumentei o MaxReplayBuffer para 1000000, que era 500.
Estudo
O Study é simplesmente colocado no gráfico. Depois de instalado, ele lê os arquivos de dados e começa a otimizar. Ele exibe o progresso e os resultados no gráfico, no canto superior esquerdo.
Em um período de 15 minutos, 3.000 negociações em meio ano.... Acontece que quase toda segunda vela abre uma negociação, e todas elas em Sell. Você pode ter certeza disso executando um único teste com visualização ou configurando-o em uma conta de demonstração. As negociações são abertas e fechadas no próximo candle.
O Study apenas o coloca no gráfico. Depois de instalado, ele lê os arquivos de dados e começa a otimizar. Ele exibe o progresso e os resultados no gráfico no canto superior esquerdo.
Em um período de 15 minutos, 3.000 negociações em meio ano.... Acontece que quase a cada segundo a vela abre uma negociação, e tudo em Sell. Você pode ter certeza disso executando um único teste com visualização ou configurando-o em uma conta de demonstração. As negociações são abertas e fechadas no próximo candle.
Então, é necessário colocá-lo no gráfico e executar um teste com otimização? Não estamos falando da versão on-line, certo? Não está claro qual intervalo de datas deve ser usado para o estudo, certo? Executei o teste com visualização e vejo os dados mudando no canto superior esquerdo, mas o gráfico permanece no lugar. As porcentagens nos dados estão aumentando lentamente ao mesmo tempo e da mesma forma, mas o gráfico em si permanece parado.
- 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 Redes neurais em trading: Otimização de LSTM para fins de previsão de séries temporais multidimensionais (Conclusão) foi publicado:
Como já observado anteriormente, a base da arquitetura do framework DA-CG-LSTM é composta por dois componentes fundamentais: os módulos de atenção e o bloco recorrente CG-LSTM modificado. Esses elementos formam uma estrutura sólida do modelo, garantindo a ele a flexibilidade necessária, resistência aos ruídos de mercado e a capacidade de capturar dependências temporais complexas em múltiplos níveis. Em condições de alta volatilidade e caoticidade dos mercados financeiros, tais qualidades deixam de ser apenas desejáveis e se tornam criticamente necessárias para a construção de sistemas de trading confiáveis.
Na parte prática do artigo anterior, analisamos em detalhe o processo de criação do bloco CG-LSTM utilizando MQL5. O componente desenvolvido implementa com sucesso três funções fundamentais: a filtragem de características para eliminar ruído excessivo, o gerenciamento eficiente do estado interno do modelo para preservar informações de longo prazo e a agregação de dados em diferentes níveis temporais. A capacidade do bloco de suprimir ruído não estruturado e manter uma dinâmica estável de treinamento permite construir modelos que não perdem a qualidade das previsões em longos intervalos de dados históricos.
Autor: Dmitriy Gizlyk