Обсуждение статьи "Добавляем пользовательскую LLM в торгового робота (Часть 5): Разработка и тестирование торговой стратегии с помощью LLM(IV) — Тестирование торговой стратегии"

Новый комментарий
 

Опубликована статья Добавляем пользовательскую LLM в торгового робота (Часть 5): Разработка и тестирование торговой стратегии с помощью LLM(IV) — Тестирование торговой стратегии:

Языковые модели (LLM) являются важной частью быстро развивающегося искусственного интеллекта, поэтому нам следует подумать о том, как интегрировать мощные LLM в нашу алгоритмическую торговлю. Большинству людей сложно настроить эти модели в соответствии со своими потребностями, развернуть их локально, а затем применить к алгоритмической торговле. В этой серии статей будет рассмотрен пошаговый подход к достижению этой цели.

В предыдущих статьях мы рассказали, как с помощью разных методов настраивать предварительно обученные модели GPT-2, чтобы GPT-2 выполнял задачи в соответствии с нашими пожеланиями, и сравнили эти методы по нескольким параметрам. Конечно, мы представили лишь несколько общеупотребимых методов, но это не значит, что только эти методы можно использовать для тонкой настройки моделей GPT-2. Вы можете попробовать настроить GPT-2, используя другие методы на основе нашего примера процесса внедрения, сравнить их и выбрать лучшую модель. Если по ходу дела у вас возникнут какие-либо проблемы, вы можете оставить комментарий в конце статьи.

Теперь наша точно настроенная модель GPT-2 имеет начальную возможность реализовывать простые количественные торговые стратегии. Поэтому в этой статье мы расскажем, как интегрировать нашу точно настроенную модель в количественную торговую стратегию. В примере использована модель GPT-2, настроенная в Adapter-tuning (Добавляем пользовательскую LLM в торгового робота (Часть 5): Разработка и тестирование торговой стратегии с помощью LLM (III) – Настройка адаптера). Таким образом, если не указано иное, все ссылки на GPT-2 в этой статье относятся к этой модели.

Однако следует отметить, что доработанная нами модель основана на ограниченных данных, предназначенных для демонстрационных целей, и не может работать в реальных торговых условиях. Без тестирования и оптимизации их не следует использовать напрямую в реальной торговле, что имеет первостепенное значение. Наш предыдущий код прогнозирования был выполнен в среде Python, но MQL5, как высокоинтегрированный язык программирования для платформы MetaTrader 5, предоставляет мощные инструменты для разработки советников. Поэтому для реализации автоматизированных количественных торговых стратегий нам необходимо вернуться в среду MQL5. В этой статье мы шаг за шагом осуществим этот процесс.

Давайте рассмотрим, как перенести эту обученную модель из среды Python в советник MQL5, запустив ее непосредственно на платформе MetaTrader 5 для поддержки принятия торговых решений в реальном времени.


Автор: Yuqiang Pan

 
MetaQuotes:

Ознакомьтесь с новой статьей: Интеграция собственных LLM в советник (часть 5): Разработка и тестирование торговой стратегии с помощью LLM(IV) - Тестирование торговой стратегии.

Автор: Yuqiang Pan

Отличная статья....., позже проверю ее досконально. С нетерпением жду следующей статьи
Новый комментарий