Обсуждение статьи "Нейросети в трейдинге: Унифицированное смешивание признаков для торговых решений (UniMixer)"

[MetaQuotes]

Опубликована статья Нейросети в трейдинге: Унифицированное смешивание признаков для торговых решений (UniMixer):

Статья разбирает архитектуру UniMixer и интерпретирует её принципы для задач финансовых рынков, акцентируя моделирование взаимодействий признаков вместо простого прогноза цен. Показано, как организовать входные данные и семантические домены. Реализован базовый токенизатор для MQL5, формирующий токены с независимыми проекциями и подготавливающий корректное входное представление для последующего построения торговой модели.

Авторы фреймворка UniMixer строят свою работу вокруг простой, но сильной идеи — вместо выбора одного правильного подхода (механизма внимания, TokenMixer или метода факторизации), они объединяют их в рамках единой теоретической конструкции. По сути, речь идёт о попытке собрать разные школы под одной крышей и заставить их работать согласованно.

Если посмотреть на архитектуру в целом, она состоит из трёх основных модулей. Сначала выполняется токенизация признаков — каждый входной фактор преобразуется в эмбеддинг, формируя набор Feature-токенов. Далее следует стек из M блоков UniMixer. В них важную роль играют два конструктивных элемента: Siamese-нормализация и механизм Sparse-PerToken MoE (разреженная смесь экспертов на уровне отдельных токенов).

Здесь стоит сделать небольшое уточнение. Уже на этом этапе видно, что модель изначально проектируется как масштабируемая система обработки признаков, и каждый токен может обрабатываться по-своему. Для финансовых рынков это звучит особенно интересно: разные факторы (волатильность, объём, спред) по своей природе неоднородны, и единый способ обработки для них часто оказывается слишком грубым.

Автор: Dmitriy Gizlyk