Обсуждение статьи "Нейросети в трейдинге: Оценка риска по несогласованности представлений (Основные компоненты)"

[MetaQuotes]

Опубликована статья Нейросети в трейдинге: Оценка риска по несогласованности представлений (Основные компоненты):

В статье реализована адаптация ReGEN-TAD под MQL5: риск трактуется как согласованность двух путей анализа — трансформера (контекст) и рекуррентной сети (динамика). Введён модуль токенизации разности, который формирует токен риска в общем пространстве признаков и передаёт его в последующие решения. Практический итог — готовые блоки для интеграции оценки уверенности в советники и для последующего обучения и тестирования.

Реальная торговля редко рушится из-за отсутствия сигнала. Она рушится из-за отсутствия оценки доверия к сигналу. Модель стабильно генерирует прогнозы: направление, вероятность, иногда даже распределение. Но в момент смены рыночного режима — при разрыве ликвидности, всплеске волатильности или деградации корреляций — она продолжает действовать так, будто ничего не произошло. На практике это выражается в серии сделок, объединённых одной причиной: модель уверена там, где уверенности уже нет. Возникает прикладная проблема, хорошо знакомая любому системному трейдеру: как встроить в модель механизм, который не только прогнозирует, но и оценивает собственную надёжность в каждом конкретном состоянии рынка.

Классический риск-менеджмент решает эту задачу лишь на поверхности. Ограничение убытка происходит постфактум, фильтры волатильности реагируют с лагом, а эвристические пороги плохо переносятся между инструментами и режимами. При попытке перенести задачу внутрь модели возникают уже технические ограничения. Во-первых, оценка неопределённости (uncertainty) часто существует отдельно от основного представления и не участвует в формировании решения. Во-вторых, разные подходы к оценке риска (реконструкция, прогноз, латентные отклонения) дают несогласованные сигналы и не сводятся к единому формату. В-третьих, в прикладной среде критична вычислительная дисциплина: модель должна оставаться компактной, потоковой и пригодной для онлайн-исполнения без избыточных ансамблей и повторных прогонов.

В предыдущей статье мы задали направление решения, опираясь на идеи ReGEN-TAD. Ключевой принцип — рассматривать риск как внутреннее расхождение представлений одного и того же рыночного состояния. Если разные механизмы модели начинают видеть рынок по-разному, это и есть сигнал деградации уверенности. В практической части статьи был реализован входной контракт данных: сформирован токенизатор последовательности, который приводит разнородные рыночные сигналы к единому, нормализованному и компактному представлению. Это решает задачу структурирования потока данных, но не даёт самой модели ответа на вопрос: можно ли доверять текущему прогнозу.

Автор: Dmitriy Gizlyk