А как можно применять законы квантовой механики к макрообъектам и даже не совсем объектам? 🙄 И кто такой Александр, Александр Шредингера? 😁
Maxim Dmitrievsky #:
А как можно применять законы квантовой механики к макрообъектам и даже не совсем объектам? 🙄 И кто такой Александр, Александр Шредингера? 😁
Это скорее вероятностное многомерное кодирование через симуляцию квантовых схем. Александр - это литературный персонаж из статьи - собирательный образ трейдера. Не Шрёдингер)))И даже не его кот)))
А как можно применять законы квантовой механики к макрообъектам и даже не совсем объектам? 🙄 И кто такой Александр, Александр Шредингера? 😁
Спасибо за статью, очень интересно. А как вы сохраняете обученные модели? Интересно посмотреть как модель обученная на одной паре/таймфрейме поведет себя на другом рынке.
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 Квантовые вычисления и градиентный бустинг в торговле EUR/USD:
Статья описывает практическую реализацию гибридной системы алгоритмического трейдинга, объединяющей квантовые вычисления (IBM Qiskit) и градиентный бустинг (CatBoost) для предсказания движения EUR/USD на часовом таймфрейме. Система извлекает четыре уникальных квантовых признака из вероятностного распределения по 256 состояниям через восемь кубитов, которые в комбинации с классическими индикаторами и дельта-кодированием временных категорий достигают точности 62% на 15,000 свечах.
Александр закрывает ноутбук в 2:37 ночи. На экране числа, которые выглядят, как приговор — accuracy 51.2%. Три месяца работы, сотни часов отладки, архитектура LSTM с 128 нейронами, три слоя, регуляризация, оптимизаторы последнего поколения. Результат едва отличается от подбрасывания монеты, а зарабатывать как-то нужно.
Он добавляет MACD. Затем RSI. Потом Bollinger Bands и Stochastic. Модель переобучается, точность падает до 47.8%. Он упрощает архитектуру — два слоя, 64 нейрона. Точность возвращается к 50.3%. Статистический ноль. Рынок смеётся над искусственным интеллектом.
В четыре утра приходит осознание: проблема не в архитектуре. Проблема в самой природе данных. Классические признаки смотрят назад. Они видят, что цена закрылась на 1.1050, но не видят, что в момент формирования этой свечи существовало распределение вероятностей — 30% шанс на 1.1060, 25% на 1.1040, 20% на 1.1050. Модель обучается на коллапсированных состояниях, а рынок живёт суперпозициями.
Автор: Yevgeniy Koshtenko