Discussão do artigo "Robô de negociação baseado em um modelo de linguagem GPT"

Novo comentário
 

Novo artigo Robô de negociação baseado em um modelo de linguagem GPT foi publicado:

Este artigo apresenta a implementação completa do TimeGPT, uma arquitetura especializada baseada no Transformer para a previsão de séries temporais financeiras na plataforma MetaTrader 5. Ele aborda a adaptação do mecanismo de atenção para dados financeiros, a tokenização seletiva das variações de preço, otimizações orientadas ao hardware e técnicas avançadas de treinamento. O artigo inclui resultados de testes práticos, que demonstraram uma precisão de previsão de 87% em um horizonte de 24 barras, com um tempo de treinamento de 15 minutos na CPU. É apresentado um EA pronto para uso com reajuste automático do modelo.

Antes de nos aprofundarmos no código, é importante entender com o que o TimeGPT trabalha. Os mercados financeiros geram dados na forma de séries temporais, ou seja, sequências de preços registrados em intervalos regulares, por exemplo, a cada hora. Os preços no mercado não seguem regras simples: eles podem subir drasticamente devido a notícias, cair lentamente ou oscilar sem motivo aparente. A tarefa do TimeGPT é identificar padrões nesses dados e prever como o preço mudará em 24 horas, o que, em termos de gráficos de mercado, é chamado de 24 barras.

O desenvolvimento de um modelo exige resolver várias tarefas. Primeiro, é preciso definir como armazenar e processar os dados de preços. Em seguida, é necessário converter esses dados para um formato que o modelo consiga processar. Depois, é preciso projetar a arquitetura do modelo para que ele seja capaz de identificar relações complexas nos dados. Depois disso, o modelo é treinado com dados históricos para que o modelo aprenda a fazer previsões precisas. Por fim, é importante otimizar o modelo para que ele funcione rapidamente e não exija muita memória, levando em conta as limitações da plataforma MetaTrader 5. Agora, vamos analisar cada uma dessas etapas, com base no código do arquivo TimeGPT_Fixed.mqh.


Autor: Yevgeniy Koshtenko

 
Evgeny, muito obrigado! Seria bom ver uma solução semelhante para uma placa de vídeo moderna e de boa qualidade.
 
Não há backprop, se bem entendi? Os pesos permanecem os mesmos da inicialização.
Novo comentário