Обсуждение статьи "Преодоление ограничений машинного обучения (Часть 7): Автоматический выбор стратегии"

[MetaQuotes]

Опубликована статья Преодоление ограничений машинного обучения (Часть 7): Автоматический выбор стратегии:

В этой статье показано, как автоматически определять потенциально прибыльные торговые стратегии с помощью MetaTrader 5. Решения "белого ящика", основанные на неконтролируемой матричной факторизации, быстрее настраиваются, лучше поддаются интерпретации и предоставляют четкие рекомендации относительно того, какие стратегии следует сохранить. Решения "черного ящика", хотя и требуют больше времени, лучше подходят для сложных рыночных условий, которые подходы "белого ящика" могут не учитывать. Присоединяйтесь к нашему обсуждению того, как наши торговые стратегии могут помочь нам тщательно подбирать прибыльные стратегии при любых обстоятельствах.

Мы живем в эпоху беспрецедентной взаимосвязанности — информационной революции. Но что происходит, когда новые идеи появляются и распространяются быстрее, чем любой трейдер может их оценить? Учитывая бесчисленное множество возможных стратегий, как мы можем автоматически определить короткий список, который, по нашему мнению, стоит протестировать? Можем ли мы обнаружить потенциально прибыльные конфигурации стратегий, не прибегая к грубому перебору всех возможных комбинаций?

В этой статье предлагается платформу для решения этих вопросов с помощью двух взаимодополняющих подходов:

1. Решение "белого ящика": Использовать матричную факторизацию — в частности, сингулярное разложение (SVD) — ожидаемой доходности, чтобы определить комбинации стратегий, на которые положительно влияют текущие рыночные условия.
2. Решение "чёрного ящика": Использовать глубокие нейронные сети для динамического выбора стратегий, основанных на наблюдаемом поведении рынка.

Наше решение основано на нашей возможности оценить прибыль, которую можно было бы получить, следуя имеющимся торговым стратегиям. Затем используем своё понимание численных вычислений, чтобы определить ожидаемые источники дохода от наших стратегий. Приблизительный расчет доходности, получаемой с помощью любой указанной стратегии, дает ценную информацию.

Автор: Gamuchirai Zororo Ndawana