Обсуждение статьи "Нейросимвольные системы в алготрейдинге: Объединение символьных правил и нейронных сетей"

Новый комментарий
 

Опубликована статья Нейросимвольные системы в алготрейдинге: Объединение символьных правил и нейронных сетей:

Статья рассказывает об опыте разработки гибридной торговой системы, объединяющей классический технический анализ с нейронными сетями. Автор подробно разбирает архитектуру системы — от базового анализа паттернов и структуры нейросети до механизмов принятия торговых решений, делясь реальным кодом и практическими наблюдениями.

Представьте, что вы пытаетесь объяснить компьютеру, как торговать на бирже. С одной стороны, у нас есть классические правила и паттерны — те самые "голова и плечи", "двойное дно" и сотни других фигур, знакомых любому трейдеру. Многие из нас писали советники на MQL5, пытаясь закодировать эти закономерности. Но рынок — это живой организм, он постоянно меняется, и жёсткие правила часто дают сбой.

С другой стороны, есть нейронные сети — модные, мощные, но порой абсолютно непрозрачные в своих решениях. Скормите LSTM-сети исторические данные, и она будет делать прогнозы с неплохой точностью. Вот только почему она приняла то или иное решение — часто остаётся загадкой. А в торговле каждый неверный шаг может стоить реальных денег.

Помню, как несколько лет назад я бился над этой дилеммой в своём торговом алгоритме. Классические паттерны давали ложные срабатывания, а нейросеть иногда выдавала невероятные прогнозы без какой-либо логики. И тут меня осенило — а что если объединить оба подхода? Использовать чёткие правила как структуру, каркас системы, а нейросеть — как адаптивный механизм, учитывающий текущее состояние рынка.

Так родилась идея нейросимвольной системы для алготрейдинга. Представьте её, как опытного трейдера, который знает все классические фигуры и правила, но при этом умеет подстраиваться под рынок, учитывать тонкие нюансы и взаимосвязи. У такой системы есть "скелет" из чётких правил и "мышцы" в виде нейросети, которая добавляет гибкость и адаптивность.

Автор: Yevgeniy Koshtenko

 
MetaQuotes:

Опубликована статья Нейросимвольные системы в алготрейдинге: Объединение символьных правил и нейронных сетей:

Автор: Yevgeniy Koshtenko

Основная проблема - это устойчивость вычисленной частоты появления белой или черной свечи после появления паттерна. На малых выборках она недостоверна, а на больших 50/50. 

И я не понял логики сначала скормить нейронке частоту паттерна как один из признаков, а потом с помощью этой же частоты фильтровать сигналы  нейронки на ней же и построенные. 


 
Не касаясь самого подхода, низведение реальных диапазонов движений до двух классов прибивает полезную информацию, которую могла бы выделить нейросеть (ради чего мы её и прикручиваем) - сродни тому, как если бы мы систему распознаваний цветных изображений стали кормить чернобелыми. ИМХО, нужно не под старые методики бинарных паттернов подстраивать сеть, а выделять реальные, нечеткие, на полных данных.
Новый комментарий