Обсуждение статьи "Нейросети в трейдинге: Гиперболическая модель латентной диффузии (Окончание)"

Новый комментарий
 

Опубликована статья Нейросети в трейдинге: Гиперболическая модель латентной диффузии (Окончание):

Применение анизотропных диффузионных процессов для кодирования исходных данных в гиперболическом латентном пространстве, как это предложено в фреймворке HypDIff, способствует сохранению топологических особенностей текущей рыночной ситуации, и повышает качество её анализа. В предыдущей статье мы начали реализацию предложенных подходов средствами MQL5. И сегодня продолжим начатую работу, доведя ее до логического завершения.

Обучение проводится на реальных исторических данных за весь 2023 год финансового инструмента EURUSD, таймфрейм H1. Параметры всех анализируемых индикаторов используются по умолчанию.

Процесс обучения носит итерационный характер и включает в себя регулярное обновление обучающей выборки.

Для проверки эффективности обученной политики используются реальные исторические данные за первый квартал 2024 года. Результаты тестирования представлены ниже.

Как можно заметить из представленных данных, модель смогла получить прибыль за период тестирования. Всего за 3 месяца было совершено 23 торговых операции, что конечно мало. Более 56% из них было закрыто с прибылью. При этом, как максимальная так и средняя прибыльная сделка в 2 раза превышают аналогичный показатель убыточных операций.

Автор: Dmitriy Gizlyk

 
MetaQuotes:

Ознакомьтесь с новой статьей: Нейронные сети в трейдинге: Гиперболическая модель скрытой диффузии (заключительная часть).

Автор: Дмитрий Гизлык

Технологически это впечатляет, но практический результат довольно скромен.
Новый комментарий