Обсуждение статьи "Нейросети в трейдинге: Устойчивые торговые сигналы в любых режимах рынка (Окончание)"
Кто-нибудь подскажет как бороться с вот этим -
'Math' is not a class, struct or union VAE.mqh 93 8
'MathRandomNormal' - some operator expected VAE.mqh 93 14
parameter convertion type 'int[1]' to 'const uint[] &' is not allowed VAE.mqh 135 55
wrong parameters count, 4 passed, but 5 requires VAE.mqh 135 15
could be one of 2 function(s) VAE.mqh 135 15
bool COpenCL::Execute(const int,const int,const uint&[],const uint&[]) OpenCL.mqh 82 22
bool COpenCL::Execute(const int,const int,const uint&[],const uint&[],const uint&[]) OpenCL.mqh 83 22
???
Кто-нибудь подскажет как бороться с вот этим -
'Math' is not a class, struct or union VAE.mqh 93 8
'MathRandomNormal' - some operator expected VAE.mqh 93 14
parameter convertion type 'int[1]' to 'const uint[] &' is not allowed VAE.mqh 135 55
wrong parameters count, 4 passed, but 5 requires VAE.mqh 135 15
could be one of 2 function(s) VAE.mqh 135 15
bool COpenCL::Execute(const int,const int,const uint&[],const uint&[]) OpenCL.mqh 82 22
bool COpenCL::Execute(const int,const int,const uint&[],const uint&[],const uint&[]) OpenCL.mqh 83 22
???
- 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: Устойчивые торговые сигналы в любых режимах рынка (Окончание):
В статье подробно рассмотрена интеграция подходов фреймворка ST-Expert в архитектуру Extralonger, позволяющая одновременно анализировать временные и пространственные представления данных. Представлены результаты тестирования на реальных исторических данных, демонстрирующие эффективность модели и её устойчивость к рыночным аномалиям. Описана модульная структура фреймворка, обеспечивающая воспроизводимость, гибкость для исследований и возможность поэтапной оптимизации компонентов.
Первый этап — офлайн-обучение — проводился на исторических данных по валютной паре EURUSD с таймфреймом H1 за период с Января 2024 по Июнь 2025 года. Этот период оказался настоящей тренировочной площадкой для модели. Разнохарактерная среда позволила модели отработать навык распознавания ключевых сигналов, выработки устойчивых торговых решений и сохранения ориентира даже в самых хаотичных ситуациях. На этом этапе модель училась не просто повторять исторические паттерны, а понимать рыночные закономерности, адаптируясь к динамике цен и объёму сделок. Словно опытный трейдер, анализирующий рынок на уровне интуиции и стратегии одновременно.
После успешного завершения офлайн-обучения, мы перешли ко второму этапу — тонкой онлайн-настройке в тестере стратегий MetaTrader 5. Здесь данные поступали в реальном времени, свеча за свечой, и модель училась работать с потоком рынка на живых скоростях. Она осваивала динамику реального движения цен, училась сохранять стабильность на фоне рыночного шума, корректировать действия при низкой ликвидности и мгновенно реагировать на резкие всплески. Этот этап стал своего рода доводкой стратегии. Базовая структура, сформированная на истории, оставалась неизменной, но модель училась адаптироваться к текущим рыночным условиям, минимизируя риск переобучения и улучшая способность принимать решения в непредсказуемой среде.
Финальная проверка проводилась на данных за Июль-Август 2025 года — полностью новых и ранее не использованных. Все параметры, полученные на предыдущих этапах, загружались без изменений, что позволило провести честную оценку способности модели к обобщению. Результаты тестирования представлены ниже.
Автор: Dmitriy Gizlyk