Обсуждение статьи "Нейросети в трейдинге: Двойная кластеризация временных рядов (Окончание)"

 

Опубликована статья Нейросети в трейдинге: Двойная кластеризация временных рядов (Окончание):

Продолжаем реализацию подходов, предложенных авторами фреймворка DUET, который предлагает инновационный подход к анализу временных рядов, сочетая временную и канальную кластеризацию для выявления скрытых закономерностей в анализируемых данных.

Для обучения моделей формируется выборка исторических данных валютной пары EURUSD, таймфрейм M1 за весь 2024 год. В процессе сбора данных используются параметры индикаторов, установленные по умолчанию.

Обучение модели проходит в два этапа. Сначала устанавливаем размер пакета равным 1, чтобы на каждой итерации выбирать случайное состояние из обучающей выборки. Это помогает модели адаптироваться к новым условиям. Однако, этого недостаточно для корректной работы блока риск-менеджмента. Поэтому на втором этапе обучения увеличиваем размер пакета до 60, что позволяет учитывать последовательность из 60 состояний окружающей среды и соответствующих действий Актера. Это делает обучение более стабильным и эффективным.

Тестирование обученной модели проводится на исторических данных за Январь-Февраль 2025 года. При этом сохраняются все настройки, что позволяет объективно оценить качество прогнозов. Результаты тестирования представлены ниже.

Автор: Dmitriy Gizlyk