Обсуждение статьи "Нейросети в трейдинге: Мультиагентная адаптивная модель (Окончание)"
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Нейросети в трейдинге: Мультиагентная адаптивная модель (Окончание):
В предыдущей статье мы познакомились с мультиагентным адаптивным фреймворком MASA, который объединяет подходы обучения с подкреплением и адаптивные стратегии, обеспечивая гармоничный баланс между доходностью и рисками в турбулентных рыночных условиях. Нами был построен функционал отдельных агентов данного фреймворка, и в этой статье мы продолжим начатую работу, доведя её до логического завершения.
Важно отметить, что мы осуществляем "оценку эффективности реализованных" подходов, а не "предложенных". Ведь при реализации мы внесли изменения в авторскую версию фреймворка.
Модели будут обучаться на исторических данных 2023 года по финансовому инструменту EURUSD, таймфрейм H1. Параметры всех используемых индикаторов остаются по умолчанию.
Для начального обучения использовалась обучающая выборка, собранная в предыдущих работах, которая периодически обновлялась в процессе обучения моделей с целью её актуализации к текущей политике Актера.
Поле нескольких циклов обучения моделей и обновления обучающей выборки, мы получили политику, которая показывает прибыльность на обучающей и тестовой выборках.
Тестирование обученной политики проводилось на исторических данных за Январь 2024 года, при этом остальные параметры оставались неизменными. Результаты тестирования указаны ниже.
Автор: Dmitriy Gizlyk