В этой статье советник не проверяется на форварде. У автора в магазине все советники переобучены и на новых данных - сливают (только что проверил).
То есть, понятно, ради чего статья. Ради того же, что и про NeuroPro - показать возможность покрутить нейронки самому в руках, если не умеешь их кодировать.
Это не плохо, а нормально. Пусть и не работают, но возможность поюзать в руках - это довольно занимательно.
Простую MLP сложно научить что-то там распознавать, у неё задача другая - усреднить веса под задачи оптимизации: ради высокого баланса на оптимизируемом периоде, либо ради низкой просадки и так далее.
Но на новых данных она не умеет работать, не умеет адаптироваться, поскольку в ней нет интеллектуальной начинки. Нет механизма адаптации, нечему адаптироваться.
А найти рабочую ТС - это значит найти комплекс каких-то взаимосвязей, сложных взаимосвязей. Тут нужно что-то "посложней" обычной MLP
Полностью согласен! Текущий разрабатываемый проект на PyTorch:
Экстрактор признаков (бэкбоун) в NEXUS vqw — это сложнейшая глубокая нейроморфная сеть, а не простой MLP.
Простым двухслойным MLP у нас являютсяторговые головы(Direction, Magnitude, Exit), которые принимают уже сжатый и очищенный латентный вектор.
Архитектура фиче-экстрактора устроена на порядки сложнее:
Входное вейвлет-окно:Да, на вход подается скользящее окно из 256 баров. Но оно не идет в MLP, а пропускается через WaveletTokenizer , который раскладывает его на 4 частотных вейвлет-масштаба и нарезает на 64 патча-токена.
Экстрактор долгосрочной памяти (S4D Layers):Внедрены 3 слоя S4D-блоков (State Space Models). Это не полносвязные слои, а дискретизированные во времени линейные дифференциальные уравнения. Они прогоняют токены черезHiPPO-матрицы перехода (A), накапливая в скрытом состоянии историю, выходящую далеко за пределы 256 баров.
Глобальный контекст (Efficient Attention):Слой внимания связывает ортогональные рыночные фазы между токенами.
Математическая симметрия (Mat Layer):Групповая эквивариантность, перебор математических взаимосвязей для борьбы с фазовыми сдвигами котировок.
Смесь экспертов (HybridMoTE):Токены распределяются по 35 MoETE-экспертам (23 приватным и 10 общим), каждый из которых специализирован под свой тип рынка.
Таким образом, S4D-бэкбоун строит многомерные непрерывные траектории рынка, а двухслойные MLP-головы лишь транслируют этот сложный латентный код в конкретные торговые решения по каждой паре.
Dmitrii Shershov #: Полностью согласен! Текущий разрабатываемый проект на PyTorch:
Экстрактор признаков (бэкбоун) в NEXUS vqw — это сложнейшая глубокая нейроморфная сеть, а не простой MLP.
Простым двухслойным MLP у нас являютсяторговые головы(Direction, Magnitude, Exit), которые принимают уже сжатый и очищенный латентный вектор.
Архитектура фиче-экстрактора устроена на порядки сложнее:
Входное вейвлет-окно:Да, на вход подается скользящее окно из 256 баров. Но оно не идет в MLP, а пропускается через WaveletTokenizer , который раскладывает его на 4 частотных вейвлет-масштаба и нарезает на 64 патча-токена.
Экстрактор долгосрочной памяти (S4D Layers):Внедрены 3 слоя S4D-блоков (State Space Models). Это не полносвязные слои, а дискретизированные во времени линейные дифференциальные уравнения. Они прогоняют токены черезHiPPO-матрицы перехода (A), накапливая в скрытом состоянии историю, выходящую далеко за пределы 256 баров.
Глобальный контекст (Efficient Attention):Слой внимания связывает ортогональные рыночные фазы между токенами.
Математическая симметрия (Mat Layer):Групповая эквивариантность, перебор математических взаимосвязей для борьбы с фазовыми сдвигами котировок.
Смесь экспертов (HybridMoTE):Токены распределяются по 35 MoETE-экспертам (23 приватным и 10 общим), каждый из которых специализирован под свой тип рынка.
Таким образом, S4D-бэкбоун строит многомерные непрерывные траектории рынка, а двухслойные MLP-головы лишь транслируют этот сложный латентный код в конкретные торговые решения по каждой паре.
Результаты то какие от этой "сложейшей"? Боюсь даже предположить.
Dmitriy Skub #: Результаты то какие от этой "сложейшей"? Боюсь даже предположить.
Все в процессе...такие проекты за пару месяцев не создаются! И да, это сейчас одна из топовых архитектур, а через пару лет, может даже раньше уже будет стандарт, которым никого не удивишь!)
Dmitrii Shershov #: Все в процессе...такие проекты за пару месяцев не создаются! И да, это сейчас одна из топовых архитектур, а через пару лет, может даже раньше уже будет стандарт, которым никого не удивишь!)
Не хочу вас расстраивать, но вейвлет - это самый популярный источник провороненных утечек.
Если у вас хорошие результаты, значит вы на вход подаёте будущую информацию.
Ivan Butko #: Не хочу вас расстраивать, но вейвлет - это самый популярный источник провороненных утечек.
Если у вас хорошие результаты, значит вы на вход подаёте будущую информацию.
Утечек из будущего в прошлое нет. Вся цепочка — от препроцессинга данных и разбиения выборки до прямого прохода модели — спроектирована с соблюдением строгой причинности (causality).
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
В этой статье советник не проверяется на форварде. У автора в магазине все советники переобучены и на новых данных - сливают (только что проверил).
То есть, понятно, ради чего статья. Ради того же, что и про NeuroPro - показать возможность покрутить нейронки самому в руках, если не умеешь их кодировать.
Это не плохо, а нормально. Пусть и не работают, но возможность поюзать в руках - это довольно занимательно.
Простую MLP сложно научить что-то там распознавать, у неё задача другая - усреднить веса под задачи оптимизации: ради высокого баланса на оптимизируемом периоде, либо ради низкой просадки и так далее.
Но на новых данных она не умеет работать, не умеет адаптироваться, поскольку в ней нет интеллектуальной начинки. Нет механизма адаптации, нечему адаптироваться.
А найти рабочую ТС - это значит найти комплекс каких-то взаимосвязей, сложных взаимосвязей. Тут нужно что-то "посложней" обычной MLP
Экстрактор признаков (бэкбоун) в NEXUS vqw — это сложнейшая глубокая нейроморфная сеть, а не простой MLP.
Простым двухслойным MLP у нас являются торговые головы (Direction, Magnitude, Exit), которые принимают уже сжатый и очищенный латентный вектор.
Архитектура фиче-экстрактора устроена на порядки сложнее:
Таким образом, S4D-бэкбоун строит многомерные непрерывные траектории рынка, а двухслойные MLP-головы лишь транслируют этот сложный латентный код в конкретные торговые решения по каждой паре.
Полностью согласен! Текущий разрабатываемый проект на PyTorch:
Экстрактор признаков (бэкбоун) в NEXUS vqw — это сложнейшая глубокая нейроморфная сеть, а не простой MLP.
Простым двухслойным MLP у нас являются торговые головы (Direction, Magnitude, Exit), которые принимают уже сжатый и очищенный латентный вектор.
Архитектура фиче-экстрактора устроена на порядки сложнее:
Таким образом, S4D-бэкбоун строит многомерные непрерывные траектории рынка, а двухслойные MLP-головы лишь транслируют этот сложный латентный код в конкретные торговые решения по каждой паре.
Результаты то какие от этой "сложейшей"? Боюсь даже предположить.
Все в процессе...такие проекты за пару месяцев не создаются! И да, это сейчас одна из топовых архитектур, а через пару лет, может даже раньше уже будет стандарт, которым никого не удивишь!)
Если у вас хорошие результаты, значит вы на вход подаёте будущую информацию.
Не хочу вас расстраивать, но вейвлет - это самый популярный источник провороненных утечек.
Если у вас хорошие результаты, значит вы на вход подаёте будущую информацию.