Обсуждение статьи "Как внедрить метапромптинг торговых сигналов в советнике MQL5"

[MetaQuotes]

Опубликована статья Как внедрить метапромптинг торговых сигналов в советнике MQL5:

Метапромптинг — подход, при котором LLM сама оптимизирует торговые инструкции на основе реального P&L и метрик качества сигналов. В статье показана практическая реализация на Python и MQL5: реестр версий промптов, исполнительный агент, оценщик по directional accuracy и profit factor и мета-LLM, которая в цикле генерирует улучшения. Решение встраивается в советник без остановки торговли.

Ключевая идея: промпт — это текстовая программа, управляющая поведением модели. Если формализовать метрику качества промпта (например, процент прибыльных сделок, Sharpe ratio или точность направления), оптимизационная задача становится определённой. LLM-оптимизатор получает текущий промпт, метрику его качества на исторических данных и инструкцию «сделай промпт лучше». Новый промпт тестируется, результат возвращается оптимизатору. Цикл повторяется.

Это принципиально отличается от простого перебора вариантов. LLM-оптимизатор не действует случайно — он понимает семантику промпта, анализирует, почему конкретная формулировка могла дать плохой результат, и предлагает осмысленные улучшения. По сути, это градиентный спуск в пространстве естественного языка, где «градиент» вычисляется языковой моделью на основе обратной связи от торговых результатов.

В торговом контексте мета-промптинг решает три задачи одновременно. Первая — адаптация к рыночному режиму: оптимизатор выясняет, какие формулировки лучше работают в тренде, а какие в боковике. Вторая — специализация под инструмент: промпт для нефти и промпт для японской иены должны акцентировать разные факторы. Третья — временная адаптация: промпт, оптимальный три месяца назад, может деградировать по мере изменения рыночной микроструктуры.

Автор: Yevgeniy Koshtenko