Обсуждение статьи "Нейросети в трейдинге: Когнитивная инерция в анализе финансовых рынков (модуль временной согласованности)"
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: Когнитивная инерция в анализе финансовых рынков (модуль временной согласованности):
В статье продолжается адаптация фреймворка CogDriver к финансовым временным рядам. Основное внимание уделено модулю временной согласованности TCM, который связывает текущее рыночное состояние с памятью ранее сохранённых запросов (Query). Разбираются ранжируемая память, расчёт оценки (Score) через Flash-Attention, обновление слотов памяти средствами OpenCL и построение слоя CNeuronCogDriverRankTCM в MQL5, что даёт готовый контур временной согласованности для последующих торговых моделей.
В авторской работе CogDriver опирается на два направления. Первое связано с данными: CogDriver-Data формирует обучающий материал, где действия агента описаны как причинно связанная история. Второе связано с архитектурой: CogDriver-Agent поддерживает устойчивое внутреннее состояние через временную память и механизм согласования текущей сцены с накопленным контекстом. Для финансовых рынков оба направления важны, но начинать нужно было с нижнего слоя. Без корректного представления рыночной сцены дальнейшая память быстро превращается в склад шума.
В первой статье основное внимание было уделено подготовке рыночного состояния. Мы ввели MarketStateDensity как рыночный аналог плотностной карты ситуации. Обычный временной ряд показывает последовательность значений. MarketStateDensity позволяет смотреть шире: на распределение состояний, концентрацию движения, положение цены относительно локального диапазона, структуру волатильности и устойчивость текущего режима. Это уже не одна свеча и не набор индикаторов, а компактная карта рыночной сцены.
Мы продолжаем работу с того места, где остановились ранее. У нас уже есть нижний слой данных CogDriver. Теперь переходим от памяти восприятия к памяти рассуждения. Первая статья подготовила рынок к анализу. В этой статье мы научим модель удерживать смысл этого анализа во времени и адаптировать его к текущей ситуации. Именно здесь CogDriver начинает превращаться из идеи когнитивной инерции в рабочий вычислительный контур для финансовых рынков.
Автор: Dmitriy Gizlyk