Обсуждение статьи "Нейросети в трейдинге: Унифицированное смешивание признаков для торговых решений (Основные компоненты)"
Дмитрий, здравствуйте. В статье есть ссылка на Algo Forge.
Хочется сообщить о проблеме отображения файлов в истории изменения. Все файлы видны как двоичные, и не отображают реальных изменений:
Чтобы избежать такого поведения, нужно перед заливкой файлов в репозиторий пересохранить их в редакторе в кодировке UTF-8.
К сожалению, на данный момент таково ограничение Algo Forge.
NN_in_Trading
- dng
- forge.mql5.io
This repository contains the source code for the article series “Neural Networks in Trading”.
Artyom Trishkin #:
К сожалению, на данный момент таково ограничение Algo Forge.
К сожалению, на данный момент таково ограничение Algo Forge.
Должно быть исправлено в сборке 5770. Я не проверял.
Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
MetaQuotes, 2026.04.09 15:00
- MetaEditor: Обновлен формат записи файлов исходного кода, используемый по умолчанию. Теперь редактор сохраняет файлы в UTF-8 без заголовка BOM. Это необходимо для корректного отображения файлов в MQL5 Algo Forge.
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Нейросети в трейдинге: Унифицированное смешивание признаков для торговых решений (Основные компоненты):
В статье показана адаптация фреймворка UniMixer средствами MQL5 для анализа финансовых рынков. Модуль UniMixer сначала выполняет смешивание токенов на локальном масштабе. Затем при глобальном смешивании токены сжимаются для фильтрации шума и снижения вычислительной нагрузки. После чего восстанавливаются до исходного количества. Интеграция с PerToken SwiGLU обеспечивает доработку каждого токена, повышая точность и устойчивость модели к рыночным колебаниям.
В предыдущей статье мы познакомились с фреймворком UniMixer, авторы которого попытались собрать в единую систему сильные стороны разных подходов к обработке признаков. Сама по себе эта идея имеет ценность для прикладных задач. Рынок редко ведет себя по учебнику. И модель должна уметь работать не только с одиночными сигналами, но и с их сочетаниями, контекстом, взаимным влиянием и масштабом изменений. В этом и состоит одна из ключевых особенностей UniMixer, который стремится упорядочить способ смешивания информации, извлекает скрытые зависимости и преобразует анализируемые данные в рабочее представление, пригодное для дальнейшего прогнозирования.
Для практикующего трейдера в подобном подходе есть понятный смысл. Финансовый рынок не любит прямолинейность. Один и тот же признак в разных фазах может вести себя по-разному. Скользящая средняя, импульс, волатильность, локальная структура свечей, межрыночные связи — все это работает не по отдельности, а в сложной связке. Поэтому модель, претендующая на прикладную ценность, должна уметь не только фиксировать отдельные характеристики, но и выстраивать между ними устойчивые отношения. UniMixer предлагает архитектурную основу, в которой эта логика становится главным принципом построения. Фреймворк объединяет идею Token Mixing с обучаемым преобразованием признаков и открывает путь к гибкому и управляемому моделированию зависимостей между входными компонентами.
Автор: Dmitriy Gizlyk