Обсуждение статьи "Нейросети в трейдинге: Возмущённые модели пространства состояний для анализа рыночной динамики (Окончание)"

Новый комментарий
 

Опубликована статья Нейросети в трейдинге: Возмущённые модели пространства состояний для анализа рыночной динамики (Окончание):

В статье представлена адаптация фреймворка P-SSE для задач анализа финансовых рынков. Реализованные решения обеспечивают последовательную обработку локальных событий, аккумулируя их в согласованное представление рыночной динамики. Подход позволяет прогнозировать изменения рынка на заданный горизонт планирования, сохраняя высокую чувствительность к микроимпульсам и минимизируя вычислительные затраты.

Экспериментальная работа началась с офлайн-обучения на исторических данных EURUSD таймфрейм H1 за период с Января 2024 по Июнь 2025 года. В этом спокойном и контролируемом режиме модель постепенно осваивала рынок, словно исследователь на неизведанной территории. Она училась распознавать повторяющиеся паттерны: устойчивые коридоры цен, резкие импульсы объёмов в новостные часы, кратковременные всплески волатильности. Каждый триплет событий позволял модели формировать локальные оценки движения, которые затем аккумулировались в стек, создавая последовательное и согласованное представление динамики рынка. Постепенно формировалась целостная картина. Где начинается тренд? Где импульс утихает? Какие события повторяются и усиливаются с течением времени?

Следующий этап — тонкая онлайн-настройка в тестере стратегий MetaTrader 5. Здесь данные стали живыми. Рынок шумел, менял режимы поведения, демонстрировал резкие скачки цен после новостей или обрывов ликвидности. Модель, словно опытный трейдер, училась подстраиваться под эти колебания. Локальные импульсы корректировались, но накопленный опыт сохранялся.

Финальная проверка проводилась на полностью новых данных за период с Июля по Декабрь 2025 года. Все параметры модели оставались неизменными, что обеспечивало объективность оценки. Модель сталкивалась с непривычными рыночными сценариями. Здесь проверялось не только умение прогнозировать динамику, но и способность обобщать накопленный опыт, верно интерпретировать незнакомые ситуации и сохранять устойчивость вне обучающей выборки.


Автор: Dmitriy Gizlyk

Новый комментарий