В статье начинается адаптация фреймворка ORION к анализу финансовых рынков. Вместо единственной прогнозной траектории модель формирует несколько сценариев будущего движения, оценивает их вероятность и неопределённость. Практическая часть посвящена OpenCL-кернелам для генерации сценариев, расчёта ответственности и подготовки обучающих сигналов для роутера, генератора и блока неопределённости.
Перед реализацией необходимо чётко отделить авторский ORION от нашей рыночной адаптации. В исходной работе модель объединяет визуальный энкодер, QT-Former, большую языковую модель и условный генеративный планировщик. Наша задача иная: рынок не имеет заранее заданной полосы движения и не подчиняется действиям торговой системы. Поэтому сценарный модуль должен отвечать на вопрос, как может развиваться рынок, а Актер — что делать с учётом этих вариантов, текущего состояния счёта и открытых позиций.
Перед нами большая работа, и выполнять её с чистого листа нет смысла. В качестве основы используем модель из проекта CogDriver, где уже построены механизмы анализа рыночной сцены, временной памяти и прогнозного плана. Теперь этот фундамент нужно обогатить семантикой нескольких будущих траекторий.
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: От единственного прогноза к пространству рыночных сценариев (ORION):
В статье начинается адаптация фреймворка ORION к анализу финансовых рынков. Вместо единственной прогнозной траектории модель формирует несколько сценариев будущего движения, оценивает их вероятность и неопределённость. Практическая часть посвящена OpenCL-кернелам для генерации сценариев, расчёта ответственности и подготовки обучающих сигналов для роутера, генератора и блока неопределённости.
Перед реализацией необходимо чётко отделить авторский ORION от нашей рыночной адаптации. В исходной работе модель объединяет визуальный энкодер, QT-Former, большую языковую модель и условный генеративный планировщик. Наша задача иная: рынок не имеет заранее заданной полосы движения и не подчиняется действиям торговой системы. Поэтому сценарный модуль должен отвечать на вопрос, как может развиваться рынок, а Актер — что делать с учётом этих вариантов, текущего состояния счёта и открытых позиций.
Перед нами большая работа, и выполнять её с чистого листа нет смысла. В качестве основы используем модель из проекта CogDriver, где уже построены механизмы анализа рыночной сцены, временной памяти и прогнозного плана. Теперь этот фундамент нужно обогатить семантикой нескольких будущих траекторий.
Автор: Dmitriy Gizlyk