В статье продолжается адаптация фреймворка CogDriver к анализу финансовых рынков. После построения рыночной сцены и временно согласованной памяти переходим к созданию Forecast Head — модуля прогнозирования. Рассматривается механизм рекуррентного уточнения прогноза, сочетание Cross- и Self-Attention, проблема позиционного кодирования и диагностические признаки, помогающие оценивать устойчивость будущей торговой гипотезы.
В этой статье мы сделали следующий шаг в адаптации фреймворка CogDriver для задач анализа финансовых рынков. В предыдущих работах мы построили представление рыночной сцены и добавили механизм временно согласованной памяти. Теперь к этой связке добавлен прогнозный контур, который формирует и последовательно уточняет гипотезу о ближайшем будущем состоянии рынка.
Предложенный объект CNeuronCogDriverForecastHead реализует эту идею на уровне вычислительного графа. Он хранит прогнозный план, переносит его между шагами, согласует с текущим рыночным контекстом через Cross-Attention и выравнивает прогноз на всём горизонте с помощью Self-Attention. Такой подход позволяет уйти от независимых разовых прогнозов и перейти к связной траектории ожиданий, которая развивается вместе с рынком.
Отдельное внимание было уделено позиционному кодированию. Для рекуррентного уточнения плана простое добавление позиционных эмбедингов создаёт риск накопления смещения при каждом новом шаге. Поэтому в предложенной архитектуре позиционная информация используется для формирования запросов внимания, но не становится постоянной добавкой к самому прогнозному плану. Это позволяет сохранить различимость горизонтов и не разрушить внутреннюю устойчивость прогноза.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
Опубликована статья Нейросети в трейдинге: Когнитивная инерция в анализе финансовых рынков (модуль прогнозирования):
В статье продолжается адаптация фреймворка CogDriver к анализу финансовых рынков. После построения рыночной сцены и временно согласованной памяти переходим к созданию Forecast Head — модуля прогнозирования. Рассматривается механизм рекуррентного уточнения прогноза, сочетание Cross- и Self-Attention, проблема позиционного кодирования и диагностические признаки, помогающие оценивать устойчивость будущей торговой гипотезы.
В этой статье мы сделали следующий шаг в адаптации фреймворка CogDriver для задач анализа финансовых рынков. В предыдущих работах мы построили представление рыночной сцены и добавили механизм временно согласованной памяти. Теперь к этой связке добавлен прогнозный контур, который формирует и последовательно уточняет гипотезу о ближайшем будущем состоянии рынка.
Предложенный объект CNeuronCogDriverForecastHead реализует эту идею на уровне вычислительного графа. Он хранит прогнозный план, переносит его между шагами, согласует с текущим рыночным контекстом через Cross-Attention и выравнивает прогноз на всём горизонте с помощью Self-Attention. Такой подход позволяет уйти от независимых разовых прогнозов и перейти к связной траектории ожиданий, которая развивается вместе с рынком.
Отдельное внимание было уделено позиционному кодированию. Для рекуррентного уточнения плана простое добавление позиционных эмбедингов создаёт риск накопления смещения при каждом новом шаге. Поэтому в предложенной архитектуре позиционная информация используется для формирования запросов внимания, но не становится постоянной добавкой к самому прогнозному плану. Это позволяет сохранить различимость горизонтов и не разрушить внутреннюю устойчивость прогноза.
Автор: Dmitriy Gizlyk