Обсуждение статьи "Нейросети в трейдинге: Модель адаптивной графовой диффузии (Окончание)"
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: Модель адаптивной графовой диффузии (Окончание):
В статье мы завершаем работу по построению фреймворка SAGDFN средствами MQL5, подводя итоги разработки и демонстрируя результаты его практического тестирования. Объединим реализованные ранее модули в единую систему^ покажем сильные стороны подхода, отметим его уязвимости и обсудим возможные пути доработки.
Обучение модели напоминает хорошо спланированную экспедицию: прежде чем отправиться в открытое море реального рынка, мы основательно потренировались в тихой гавани истории. Этот первый, офлайн-этап, был выстроен на данных валютной пары EURUSD с таймфреймом H1 за весь 2024 год — периода, богатого на контрасты. Здесь нашлись и спокойные, почти зеркальные воды боковиков, и бурные штормы резких трендовых движений, и неожиданные порывы новостной волатильности. Такое многообразие рыночных сценариев позволило модели выработать устойчивую навигацию, научиться распознавать как привычные, так и редкие картины движения цены, не теряя ориентира даже в сложных условиях.
Когда эта подготовка была завершена, пришло время выйти из учебного дока и испытать корабль на течениях настоящего рынка. Второй этап — онлайн-настройка — проводился уже в боевых условиях тестера стратегий MetaTrader 5. Здесь данные поступали последовательно, свеча за свечой, а модель училась не только анализировать потоковую информацию, но и сохранять устойчивость в водоворотах шума, на зыбких отмелях низкой ликвидности и во время неожиданных новостных шквалов. Этот этап сыграл роль ювелирной подстройки: он не ломал уже выстроенный каркас, но помогал отшлифовать его под реальность, повышая адаптивность и снижая риск переобучения.
Финальная проверка стала настоящим крещением огнём. Мы взяли данные Января 2025 года — абсолютно новые, не затронутые предыдущими экспериментами, и без единого изменения загрузили все ранее выработанные параметры. Это был принципиальный момент: никакой подгонки, никаких дополнительных коррекций — только чистый тест, отражающий реальную способность модели к обобщению.
Результаты тестирования приведены ниже.
Автор: Dmitriy Gizlyk