Обсуждение статьи "Нейросети в трейдинге: Когнитивная инерция в анализе финансовых рынков (Окончание)"
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 (Окончание):
Лучше всего здесь работает сочетание вариантов 2 и 4: оно сохраняет техническую точность, не обещает доходность и сразу показывает практический смысл архитектуры. В статье завершается адаптация фреймворка CogDriver к анализу финансовых рынков. Представление рыночной сцены, временная память, прогнозный план и оценка ожидаемой ошибки объединяются в единый торговый контур, при этом прогнозирование отделено от принятия решений. Рассматриваются построение моделей, организация обучения и проверка архитектуры в тестере стратегий MetaTrader 5 с акцентом на снижение избыточной реактивности и дрожания торговых решений.
Теперь наступает заключительный этап. Отдельные компоненты уже описаны, но полноценная торговая модель появляется только тогда, когда они начинают работать в одном контуре принятия решений. Для рынка недостаточно построить красивое представление. Недостаточно иметь память. Недостаточно сформировать прогноз. Всё это должно быть связано с действием, риском и обучением поведения.
Нам предстоит собрать ранее разработанные элементы в общую модель и проверить, сможет ли CogDriver дать практическое преимущество в тестере стратегий. Прогнозный план не делает рынок предсказуемым. Память не отменяет новости. Плотное представление состояния не устраняет шум. Но вместе эти элементы могут дать модели то, чего часто не хватает торговым алгоритмам: внутреннюю последовательность.
После обучения проверяем результативность модели на новых данных за первые пять месяцев 2026 года. Этот период не входил в обучающую выборку, поэтому нас интересует уже не способность запомнить историю, а устойчивость сформированной логики на данных, не использованных при обучении.
При начальном депозите 1 000 USD модель получила чистую прибыль 685,72 USD, увеличив капитал примерно на 68,6%. Максимальная просадка по балансу составила 17,15%, по средствам — 18,74%. Фактор восстановления достиг 1,80, коэффициент Шарпа — 2,35.
Автор: Dmitriy Gizlyk