Обсуждение статьи "Нейросети в трейдинге: Единая архитектура взаимодействия рыночных признаков и торгового контекста (Основные компоненты)"

[MetaQuotes]

Опубликована статья Нейросети в трейдинге: Единая архитектура взаимодействия рыночных признаков и торгового контекста (Основные компоненты):

Рассматривается реализация OneTrans для задач трейдинга на MQL5: FlashAttention на OpenCL, модуль многоголового кросс‑внимания, смешанный Feed‑Forward и объект верхнего уровня. Поясняется адаптация к финансовым данным, кэширование Key/Value и формирование стека токенов. Читатель получит рабочий каркас и примеры соединения компонентов в согласованный вычислительный граф.

Традиционные подходы к разработке алгоритмических стратегий обычно строятся по достаточно простой схеме. Сначала создаётся модель прогнозирования, анализирующая динамику рынка и формирующая оценку будущего движения цены. Затем поверх полученного прогноза накладываются торговые правила, определяющие точки входа, выхода и параметры управления риском. Подобная архитектура знакома большинству разработчиков и долгое время служила основой для построения торговых систем. Однако она имеет важное ограничение: модель прогнозирует рынок изолированно, не учитывая состояние самой торговой системы. Между тем реальные решения на рынке почти всегда принимаются с учётом текущих позиций, доступного капитала, структуры риска и других факторов контекста.

Архитектура OneTrans предлагает принципиально иной взгляд на эту задачу. Вместо раздельной обработки последовательных данных и контекстных признаков, модель объединяет их в единую структуру. Все исходные данные преобразуются в набор токенов, которые затем обрабатываются единым стеком Transformer-блоков. Благодаря механизму внимания модель способна автоматически выявлять взаимосвязи между различными элементами анализируемых данных. Последовательность событий и состояние системы перестают существовать как два независимых источника информации и рассматриваются как единое пространство факторов, формирующих итоговое решение.

Для задач анализа финансовых рынков подобная постановка выглядит вполне естественной. Рыночные данные сами по себе представляют последовательность событий — изменения цены, объёма, волатильности и других характеристик рынка. Одновременно торговая система обладает собственным внутренним состоянием: текущими позициями, параметрами риска, структурой капитала и историей сделок. В реальной торговле все эти элементы неизбежно взаимодействуют друг с другом. Следовательно, модель, способная анализировать их совместно, потенциально получает более полное представление о происходящем на рынке.

Центральным элементом OneTrans является единая токенизированная структура данных, в которой различаются два типа элементов. Первый тип образуют последовательные токены, представляющие динамику событий во времени. В нашем случае это элементы рыночной истории. Второй тип формируют контекстные токены, описывающие состояние торговой системы и другие дополнительные параметры. Такое разделение позволяет модели одновременно учитывать как эволюцию рыночных процессов, так и внутренний контекст принимаемых торговых решений.

Автор: Dmitriy Gizlyk