Discussão do artigo "Redes neurais em trading: Pipeline inteligente de previsões (Conclusão)"

 

Novo artigo Redes neurais em trading: Pipeline inteligente de previsões (Conclusão) foi publicado:

Este artigo mostrará de forma envolvente como o embedding SwiGLU revela padrões ocultos do mercado, e como a mistura esparsa de especialistas dentro do Decoder-Only Transformer torna as previsões mais precisas com custos computacionais razoáveis. Analisamos detalhadamente a integração do Time-MoE em MQL5 e OpenCL, descrevendo passo a passo a configuração e o treinamento do modelo.

O processo de treinamento do modelo foi dividido em duas etapas. Essa abordagem permitiu estruturar o sistema de forma sequencial, confiável e sem pressa.

Primeiro, o treinamento offline. Utilizamos quinze anos de histórico do par EURUSD, no timeframe M1. Isso forneceu ao modelo um enorme volume de situações de mercado variadas. O Encoder aprendeu a reconhecer regularidades, identificar padrões significativos e codificar o estado do mercado em um vetor de características compacto e informacionalmente rico. Esse vetor torna-se a base para todas as decisões tomadas pelo agente. O Actor, durante o treinamento, desenvolve a estratégia de comportamento, recebendo sinais do Critic e do Director.

Em seguida, o ajuste online. Ele é realizado no testador de estratégias do MetaTrader 5. Aqui o modelo interage com o histórico já em modo realista, vela por vela, com ruído de mercado, oscilações aleatórias e instabilidade. Isso ajuda a adaptar o comportamento do agente à dinâmica real e a ajustar a estratégia em condições próximas às reais.

Após o treinamento, o modelo foi testado em novos dados, cotações de janeiro de 2025. Todas as configurações foram previamente fixadas e não foram alteradas. Isso garante objetividade e transparência na avaliação. Os resultados do teste são apresentados a seguir.


Autor: Dmitriy Gizlyk

[Excluído]  
Por algum motivo, as negociações são novamente unilaterais, como se o agente não aprendesse nada. Seria interessante ver o equilíbrio dos dados de tendência. Sem opencl, não posso verificar :)