Обсуждение статьи "Применение теории игр в алгоритмах трейдинга"
Tsetlin Machine is also interesting for small data but less known: https://github.com/cair/TsetlinMachine
https://www.literal-labs.ai/tsetlin-machines/ but I find it difficult to implement.
- cair
- github.com
Tsetlin Machine is also interesting for small data but less known: https://github.com/cair/TsetlinMachine
https://www.literal-labs.ai/tsetlin-machines/ but I find it difficult to implement.
Оригинальная штука, переполняюсь восторгом как от предмета искусства, спасибо :) Правда тестировать желательно на реальных тиках, потому что мельчит со сделками.
Приветствую! Очень интересен ваш проект, но я новичок в этой сфере. Я не могу разобраться с запуском советника в тестере стратегий. Как я понял полноценно настроить и обучить его через тестер невозможно? Или я что-то делаю не так? Буду признателен за ОС
Приветствую! Очень интересен ваш проект, но я новичок в этой сфере. Я не могу разобраться с запуском советника в тестере стратегий. Как я понял полноценно настроить и обучить его через тестер невозможно? Или я что-то делаю не так? Буду признателен за ОС
Откуда у меня родственники в Нидерландах?👀
Ахахах, не в Нидерландах)) ВПН вещь такая)))
ПС: По итогу в тестере стратегий можно запустить обучение или нет? По скрину графика баланса это тестер стратегий, но что бы я не делал у меня даже близко в + не торгует
Автор представляет "AdaptiveQ Enhanced", многосимвольный советник FX, который, как утверждается, сочетает в себе DQN, равновесие Нэша, причинно-следственный анализ, семь основных валютных пар, шесть действий и 531 441 состояние. Набор действий включает в себя покупку, продажу, добавление к покупке, добавление к продаже и закрытие только прибыльных покупок или продаж.
Моя главная проблема: статья больше использует причудливые ярлыки, чем реальное содержание. Его "равновесие Нэша" не является реальным решением равновесия; это просто взятие Q-баллов символа и их подталкивание Q-баллами других символов, взвешенными по скользящей корреляции, когда |corr| > 0,3. Это не теория игр в каком-либо серьезном смысле. Та же проблема существует и с "причинно-следственной" формулировкой: обновление кросс-символов буквально основано на вознаграждении, умноженном на корреляцию, когда |corr| > 0,2. Корреляция - это не причинность.
Дизайн состояния также выглядит шатким. В статье говорится, что он строит богатое многотаймфреймовое состояние из цен, разницы МА, RSI, стохастика и флагов МА, затем хэширует эту многомерную информацию и уменьшает ее с помощью хэша % TOTAL_STATES . Таким образом, различные рыночные ситуации могут оказаться в одном ведре. Название "531 441 уникальное состояние" звучит более впечатляюще, чем есть на самом деле.
Логика работы с позициями - самая уродливая часть. Советник может работать в многопозиционном или противоположном режиме, добавлять объем к существующим позициям, разрешать до 5 позиций на символ и выборочно закрывать только прибыльные позиции, оставляя проигравшие открытыми "для восстановления". По-моему, это не разумное управление запасами; это замаскированный путь к уродливой экспозиции.
Что хорошо: инженерная сторона более серьезна, чем обычные MQL5-пушинки. Кэширование хэндлов индикаторов, периодические обновления, сохранение/загрузка Q-матрицы - это практические детали реализации.
Так что, на мой взгляд, интересный эксперимент и слабый торговый дизайн. Слишком много брендинга вокруг "ИИ/теории игр/причинно-следственных связей", недостаточно доказательств того, что у него есть реальное преимущество. Я бы не стал опираться на эту логику напрямую.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Применение теории игр в алгоритмах трейдинга:
Создаем адаптивный самообучающийся торговый советник на основе машинного обучения DQN, с многомерным причинно-следственным выводом, который будет успешно торговать одновременно на 7 валютных парах, причем агенты разных пар будут обмениваться друг с другом информацией.
В условиях, где скорость принятия решений критична, а рынок характеризуется высокой степенью неопределённости, требуется иной подход к созданию торговых систем. AdaptiveQ Enhanced — торговый советник, разработанный на основе методов глубокого обучения с подкреплением (DQN), теории игр и причинно-следственного анализа.
Советник анализирует рынок, моделируя 531 441 уникальное состояние, учитывая взаимосвязи между семью основными валютными парами. Ключевым элементом алгоритма является равновесие Нэша, применяемое для выбора оптимальной стратегии в условиях взаимного влияния инструментов.
В статье рассматривается практическая реализация этих подходов на языке MQL5 и демонстрируется, как сочетание адаптивного обучения, теории игр и ИИ позволяет строить более точные и устойчивые торговые стратегии.
Автор: Yevgeniy Koshtenko