Обсуждение статьи "Нейросети в трейдинге: Оптимизация LSTM для целей прогнозирования многомерных временных рядов (Окончание)"
Как заставить все тест-агенты писать один .bd на сетевую шару — в 4 шага
-
Общая папка
-
На «главном» ПК создайте D:\DACShare .
-
ПКМ → «Доступ» → «Расширенный» → общий ресурс DACGLSTM, права Чтение/Запись для Everyone.
-
Итоговый путь: \\MAINPC\DACGLSTM .
-
-
Учётка для служб
-
compmgmt.msc → «Пользователи» → добавьте mqlagent (любой пароль).
-
В services.msc у каждой MetaQuotes Tester Agent … → вкладка «Вход в систему» → «Этот аккаунт» → MAINPC\mqlagent , введите пароль, перезапустите службу.
-
-
Правка кода Research
input string SharedRoot = "\\\\MAINPC\\DACGLSTM\\"; string FileName = SharedRoot + "trajectories"; int handle = FileOpen(FileName + ".bd", FILE_WRITE|FILE_BIN|FILE_SHARE); // вместо FILE_COMMON(та же замена для чтения). Скомпилируйте .ex5 и скопируйте всем агентам.
-
Проверка
Запустите оптимизацию; в логе каждого агента появится:
Saved to: \\MAINPC\DACGLSTM\DACGLSTM.bd size=…
Откройте шару — файл растёт после каждого прохода.
👉 Теперь все локальные и удалённые агенты пишут единый буфер данных, а Study.mq5 может учиться с любой машины, просто открывая тот же .bd
Не совсем понятно как обновляется DACGLSTM.bd
Я прогоняю Research на интервале 1 месяц. Оптимизация полная. Параметр оптимизации - Agent от 1 до 8. Потом следующий месяц... но нифига не дописывается файл. Вижу дата файла обновляется только с началом нового теста и всё, а размер тот же остаётся.
Не совсем понятно как обновляется DACGLSTM.bd
Я прогоняю Research на интервале 1 месяц. Оптимизация полная. Параметр оптимизации - Agent от 1 до 8. Потом следующий месяц... но нифига не дописывается файл. Вижу дата файла обновляется только с началом нового теста и всё, а размер тот же остаётся.
Подскажите размер Вашего файла DACGLSTM.bd и количество трейдов за месяц.
Методом тыка и многочисленных попыток сейчас мне удалось накопить 800МБ траекторий. Пробовал различные периоды - 10 дней, месяц, 3-6-12 месяцев... После последнего прогона второго полугодия 2024 размер увеличился где-то с 200 до 800. После я запустил ещё второе полугодие 2023, но файл не изменился в размере. Сделок за пол года примерно 3000-3500 набирается, таймфрейм 15 минутный использую - все тики. На меньших таймфреймах просто очень долго процесс начинает затягиваться, я пока не готов ждать столько. Да, кстати, я увеличил MaxReplayBuffer до 1000000, стояло 500.
Study
Study просто ставите на график. После установки он читает файлы данных и затем начинает оптимизацию. На графике в левом верхнем углу выводит прогресс и результаты.
На 15 минутном таймфрейме 3000 сделок за пол года... Это получается почти на каждой второй свече открывается сделка и все в Sell. Убедиться в этом можно либо запустив одиночное тестирование с визуализацией либо установить на демо счете. Сделки открываются и на следующей свече закрываются.
Study просто ставите на график. После установки он читает файлы данных и затем начинает оптимизацию. На графике в левом верхнем углу выводит прогресс и результаты.
На 15 минутном таймфрейме 3000 сделок за пол года... Это получается почти на каждой второй свече открывается сделка и все в Sell. Убедиться в этом можно либо запустив одиночное тестирование с визуализацией либо установить на демо счете. Сделки открываются и на следующей свече закрываются.
Так всё таки его надо и на график повесить, и тест запустить с оптимизацией? Речь ведь сейчас не о Online версии, верно? Непонятно, какой интервал дат брать для Study, любой? Запустил тест с визуализацией, вижу данные меняются слева сверху, но график стоит на месте. Проценты в данных увеличиваются потихоньку одновременно и одинаково, а сам график стоит на месте.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Нейросети в трейдинге: Оптимизация LSTM для целей прогнозирования многомерных временных рядов (Окончание):
Мы продолжаем реализацию фреймворка DA-CG-LSTM, который предлагает инновационные методы анализа и прогнозирования временных рядов. Использование CG-LSTM и двойного внимания позволяет более точно выявлять как долгосрочные, так и краткосрочные зависимости в данных, что особенно полезно для работы с финансовыми рынками.
Как уже отмечалось ранее, основу архитектуры фреймворка DA-CG-LSTM составляют два фундаментальных компонента: модули внимания и модифицированный рекуррентный блок CG-LSTM. Эти элементы формируют прочную конструкцию модели, обеспечивая ей необходимую гибкость, устойчивость к рыночным шумам и способность захватывать сложные многоуровневые временные зависимости. В условиях высокой волатильности и хаотичности финансовых рынков, такие качества становятся не просто желательными — они критически необходимы для построения надёжных торговых систем.
В практической части предыдущей статьи мы подробно разобрали процесс создания блока CG-LSTM средствами MQL5. Разработанный компонент успешно реализует три важнейших функции: фильтрацию признаков для устранения лишнего шума, эффективное управление внутренним состоянием модели для сохранения долгосрочной информации и агрегацию данных на разных временных уровнях. Способность блока к подавлению неструктурированного шума и удержанию устойчивой динамики обучения позволяет строить модели, которые не теряют качества прогнозов на длительных отрезках исторических данных.
Автор: Dmitriy Gizlyk