| Ran Research 1 mês de 5 minutos, obteve 300 MB de DACGLSTM.bd. Executou o estudo. As taxas de erro são assustadoras. Ou isso é normal para a primeira execução?
Depois do Study, apareceram os arquivos .nnw da rede neural. Iniciei uma segunda rodada de coleta de dados, no mês seguinte - a pesquisa parou de fazer negócios....
Muito bom! Após várias semanas de dança do pandeiro, os valores de erro no Study finalmente voltaram ao normal! Agora o neurônio está realmente aprendendo.
Tivemos de ampliar o algoritmo de recompensas e penalidades
Também tivemos que fazer alguns ajustes importantes nos parâmetros de entrada do Trajectory.
Muito bom! Após várias semanas de dança do pandeiro, os valores de erro no Study finalmente voltaram ao normal! Agora o neurônio está realmente aprendendo.
O mais interessante agora é como ele negociará com novos dados... Estou fazendo modelos de madeira - eles são mais claros. Mas, com os novos dados, a negociação é quase aleatória, pois não há recursos significativos.
Agora, o mais interessante é como ele será negociado com novos dados... Estou fazendo modelos de madeira - eles são mais claros. Mas, com novos dados, a negociação é quase aleatória, pois não há características significativas.
Após algumas rodadas de Research-Study, as negociações começam a ser fechadas muito rapidamente. A Neuronka está aprendendo a sobreviver, não a ganhar dinheiro. E quanto mais curta a negociação, mais ela sente que está recebendo uma penalidade menor. A dança do pandeiro continua. Preciso acertar o algoritmo de recompensa e penalidade, e essa parece ser a parte mais difícil. Até agora, estou apenas tentando estabelecer alguns limites rígidos. Por exemplo, não permito definir paradas e retiradas menores que o valor limite. Também estou tentando limitar a vida útil mínima de uma negociação para que ela não seja fechada quase imediatamente após a abertura. Uso o LLM, o Grok ou o ChatGPT 4.1, mas às vezes eles são tão estúpidos que minha cabeça não consegue suportar. Mas, pouco a pouco, o progresso ainda está sendo feito. Muito tempo é gasto em círculos de aprendizado. Eu também gostaria de unir forças com alguém, pois o assunto é muito promissor.
Em resumo. Desativei o fechamento parcial de negociações, o fechamento de filtro e o trailing. Agora, a neuronka apenas abre negociações com stops e takes. Espero que ela não se degrade apenas para sobreviver. Vamos ver se ela consegue aprender a encontrar padrões.
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
|
Ran Research 1 mês de 5 minutos, obteve 300 MB de DACGLSTM.bd. Executou o estudo. As taxas de erro são assustadoras. Ou isso é normal para a primeira execução?
Depois do Study, apareceram os arquivos .nnw da rede neural. Iniciei uma segunda rodada de coleta de dados, no mês seguinte - a pesquisa parou de fazer negócios....
Muito bom! Após várias semanas de dança do pandeiro, os valores de erro no Study finalmente voltaram ao normal! Agora o neurônio está realmente aprendendo.

Tivemos de ampliar o algoritmo de recompensas e penalidades


Também tivemos que fazer alguns ajustes importantes nos parâmetros de entrada do Trajectory.
Muito bom! Após várias semanas de dança do pandeiro, os valores de erro no Study finalmente voltaram ao normal! Agora o neurônio está realmente aprendendo.
O mais interessante agora é como ele negociará com novos dados... Estou fazendo modelos de madeira - eles são mais claros. Mas, com os novos dados, a negociação é quase aleatória, pois não há recursos significativos.
Agora, o mais interessante é como ele será negociado com novos dados... Estou fazendo modelos de madeira - eles são mais claros. Mas, com novos dados, a negociação é quase aleatória, pois não há características significativas.
Após algumas rodadas de Research-Study, as negociações começam a ser fechadas muito rapidamente. A Neuronka está aprendendo a sobreviver, não a ganhar dinheiro. E quanto mais curta a negociação, mais ela sente que está recebendo uma penalidade menor. A dança do pandeiro continua. Preciso acertar o algoritmo de recompensa e penalidade, e essa parece ser a parte mais difícil. Até agora, estou apenas tentando estabelecer alguns limites rígidos. Por exemplo, não permito definir paradas e retiradas menores que o valor limite. Também estou tentando limitar a vida útil mínima de uma negociação para que ela não seja fechada quase imediatamente após a abertura. Uso o LLM, o Grok ou o ChatGPT 4.1, mas às vezes eles são tão estúpidos que minha cabeça não consegue suportar. Mas, pouco a pouco, o progresso ainda está sendo feito. Muito tempo é gasto em círculos de aprendizado. Eu também gostaria de unir forças com alguém, pois o assunto é muito promissor.