Discussão do artigo "Redes neurais em trading: treinamento de metaparâmetros com base na heterogeneidade (Final)"
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 Redes neurais em trading: treinamento de metaparâmetros com base na heterogeneidade (Final) foi publicado:
O treinamento é estruturado em duas etapas complementares, o que oferece, ao mesmo tempo, uma base sólida e flexibilidade para operar em condições reais de mercado. Na primeira etapa, offline, realizamos um treinamento aprofundado com dados históricos do par EURUSD no timeframe H1 ao longo de todo o ano de 2024. Esse período incluiu um espectro completo de regimes de mercado: lateralizações tranquilas, tendências sustentadas, saltos bruscos de volatilidade e períodos de ruído intensificado, servindo como um excelente conjunto de aprendizado para o modelo.
A segunda etapa é o ajuste fino online. O modelo processou sequencialmente o fluxo de candles no testador de estratégias do MetaTrader 5, em um ambiente o mais próximo possível do trading real. Essa etapa revela propriedades completamente diferentes das observadas no treinamento offline: a capacidade de tolerar ruído, reagir adequadamente a mudanças de liquidez, considerar atrasos e o efeito do slippage. Simulamos cuidadosamente condições reais de execução para que o comportamento do modelo permanecesse previsível ao ser transferido para condições reais de mercado.
A etapa final e mais rigorosa da validação foi realizada em uma amostra totalmente externa: cotações de janeiro a março de 2025. Todos os parâmetros do modelo permaneceram congelados durante esse teste. Essa validação apresenta um panorama objetivo da eficiência prática: a capacidade do algoritmo de manter robustez e previsibilidade em novas condições.
Os resultados do teste são apresentados abaixo.
Autor: Dmitriy Gizlyk