Обсуждение статьи "Автоматизация торговых стратегий на MQL5 (Часть 21): Улучшение торговли на основе нейронных сетей с помощью адаптивных темпов обучения"

[MetaQuotes]

Опубликована статья Автоматизация торговых стратегий на MQL5 (Часть 21): Улучшение торговли на основе нейронных сетей с помощью адаптивных темпов обучения:

В этой статье мы улучшим торговую стратегию на основе нейронной сети на MQL5 с помощью адаптивного темпа обучения (adaptive learning rate) для повышения точности. Мы разработаем и внедрим это улучшение, а затем протестируем его работу. В заключении приводятся рекомендации по оптимизации алгоритмической торговли.

В Части 20 мы разработали мультисимвольную торговую систему, которая использует Commodity Channel Index и Awesome Oscillator, что позволило автоматизировать сделки на развороте тренда по нескольким валютным парам. Теперь мы займемся торговой стратегией на основе нейронной сети, используя ее инструменты — вычислительные модели, имитирующие взаимосвязанные нейроны человеческого мозга — для более точного прогнозирования движений рыночных цен путем обработки разнообразных рыночных индикаторов и адаптации процесса обучения к волатильности рынка. Наша цель — построить гибкую, высокопроизводительную торговую систему, которая использует нейронные сети для анализа сложных рыночных паттернов и исполнения сделок с оптимизированной точностью благодаря механизму темпа обучения.

Нейронные сети работают через слои узлов, или нейронов, структурированных как входной слой (получающий рыночные данные), скрытые слои (выявляющие сложные паттерны) и выходной слой (генерирующий торговые сигналы, например, предсказывающий рост или падение цены). Прямое распространение (forward propagation) передает данные через эти слои, где нейроны применяют веса и смещения к входам, преобразуя их в прогнозы. Рассмотрите рисунок ниже.

Автор: Allan Munene Mutiiria