Обсуждение статьи "Нейросети в трейдинге: Двухуровневая адаптация торговой политики (Объект верхнего уровня)"
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: Двухуровневая адаптация торговой политики (Объект верхнего уровня):
Продолжаем адаптацию фреймворка D2Skill и переходим к построению объекта верхнего уровня CD2Skill для двухуровневой коррекции торговой политики. Механизм интегрируется в архитектуру ORION и дополняет существующий Актёр банками Task Skills и Step Skills. Показаны принципы их инициализации, включения в прямой проход и обучения по псевдоостаткам. Особое внимание уделяется сохранению исходного вычислительного конвейера, причинного порядка и независимости Критика.
В первой статье серии мы проверили базовую гипотезу. Был создан объект CD2SkillItem. Он накапливает устойчивую часть последовательности псевдоостатков и возвращает её в вычислительный граф. В контролируемом эксперименте мы сравнили два представления коррекции. Для дальнейшей работы выбрали раздельное накопление направления и масштаба. Одновременно был построен конвейер обновления и применения навыка на GPU.
Одного навыка оказалось недостаточно. Разные рыночные режимы могут давать противоположные поправки. Во второй статье мы построили объект CD2SkillBank. Он связывает коррекции с контекстными ключами, выбирает подходящий опыт и может отказаться от вмешательства. В банке появился жизненный цикл элементов. Новый опыт проходит через Candidate. Фактическое влияние учитывается через Influence, а итоговая ценность уточняется через Utility.
После этого остаётся связать два уровня памяти с торговой политикой. Сам CD2SkillBank не знает, какое внутреннее состояние описывает общую задачу, а какое относится к текущему шагу. Он также не определяет точку применения коррекции. Эти решения должны приниматься на уровне модели.
В этой статье мы построим объект верхнего уровня. Он объединит два банка внутри Актёра и включит их в существующий вычислительный процесс. Банк Task Skills будет работать с более общим представлением торговой задачи. Банк Step Skills получит локальное представление прогнозного сценария. Нам нужно сохранить исходную архитектуру, причинный порядок обучения и независимость Критика.
Автор: Dmitriy Gizlyk