Обсуждение статьи "Нейросети в трейдинге: Эффективное извлечение признаков для точной классификации (Окончание)"
Странно, почему торгует только в одну сторону. А сигналы на закрытие сделок как формируются?
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: Эффективное извлечение признаков для точной классификации (Окончание):
Фреймворк Mantis превращает сложные временные ряды в информативные токены и служит надёжным фундаментом для интеллектуального торгового Агента, готового работать в реальном времени.
Первый этап — контрастное обучение Энкодера. Оно проводится на исторических данных за последние пять лет по валютной паре EURUSD на таймфрейме М1. Такой объём и детализация данных позволяют Энкодеру выработать качественные и информативные латентные представления состояния рынка, что является фундаментом для дальнейшей работы всей системы.
Далее наступает второй этап — офлайн обучение ключевых компонентов системы: Актера, Режиссёра и Критика. Для этого используется обучающая выборка, собранная на данных 2024 года, с сохранением всех ранее указанных параметров. В процессе применяется концепция почти идеальной траектории, позволяющая моделям учиться на максимально достоверных примерах действий и оценок. Этот этап важен для закрепления базовых стратегий и критериев принятия решений.
Третий этап — онлайн тонкая настройка моделей, которая проводится уже непосредственно в тестере стратегий на том же историческом интервале. Это позволяет адаптировать модели к изменяющимся рыночным условиям и уточнить параметры с максимальной точностью.
После завершения всех этапов обучения проводится тестирование модели на данных с Января по Март 2025 года. При этом все параметры, используемые на этапах обучения, сохраняются без изменений. Такой подход обеспечивает честную и объективную оценку эффективности модели на новом, ранее неиспользованном массиве данных. Результаты тестирования представлены ниже.
Автор: Dmitriy Gizlyk