Discussão do artigo "Integrar seu próprio LLM em EA (Parte 5): Desenvolver e testar estratégia de trading com LLMs (IV) — Testar estratégia de trading"
MetaQuotes:
Ótimo..... vou dar uma olhada mais tarde. Aguardo ansiosamente o próximo artigo
Confira o novo artigo: Integrar seu próprio LLM ao EA (Parte 5): Desenvolver e testar a estratégia de negociação com LLMs(IV) - Testar a estratégia de negociação.
Autor: Yuqiang Pan
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 Integrar seu próprio LLM em EA (Parte 5): Desenvolver e testar estratégia de trading com LLMs (IV) — Testar estratégia de trading foi publicado:
Em artigos anteriores, apresentamos como ajustar modelos GPT-2 pré-treinados usando diferentes métodos para fazer com que o GPT-2 execute tarefas de acordo com nossos desejos, e comparamos esses métodos em várias dimensões. É claro que apresentamos apenas alguns métodos comumente usados, o que não significa que apenas esses métodos possam ser usados para ajustar modelos GPT-2. Você pode tentar ajustar o GPT-2 usando outros métodos com base no nosso processo de implementação de exemplo, compará-los e escolher um modelo melhor. Se você encontrar algum problema durante esse processo, pode deixar um comentário no final do artigo.
Agora, nosso modelo GPT-2 ajustado tem a capacidade inicial de executar estratégias simples de trading quantitativo. Portanto, este artigo apresentará como integrar nosso modelo ajustado à nossa estratégia de trading quantitativo. O modelo usado no exemplo é o modelo GPT-2 ajustado com Adapter-tuning (link específico do artigo: Integrate Your Own LLM into EA (Part 5): Develop and Test Trading Strategy with LLMs (III) – Adapter-Tuning). Assim, salvo indicação em contrário, todas as referências ao GPT-2 neste artigo referem-se a esse modelo.
No entanto, deve-se observar que o modelo que ajustamos é baseado em dados limitados para fins de demonstração e não pode lidar com ambientes reais de trading. Sem testes e otimizações, não o utilize diretamente em trading real, o que é de extrema importância. Nosso código de previsão anterior foi concluído no ambiente Python, mas o MQL5, como uma linguagem de programação altamente integrada para a plataforma MetaTrader 5, fornece ferramentas poderosas para desenvolver Expert Advisors (EAs). Portanto, para implementar estratégias automatizadas de trading quantitativo, precisamos retornar ao ambiente MQL5. Este artigo realizará esse processo passo a passo.
Vamos ver como migrar este modelo treinado do ambiente Python para o EA em MQL5, fazendo com que ele seja executado diretamente na plataforma MetaTrader 5 para dar suporte a decisões de trading em tempo real.
Autor: Yuqiang Pan