Обсуждение статьи "Возможности Мастера MQL5, которые вам нужно знать (Часть 96): Использование вейвлетного порогового преобразования и сети LSTM в пользовательском классе управления капиталом"

Новый комментарий
 

Опубликована статья Возможности Мастера MQL5, которые вам нужно знать (Часть 96): Использование вейвлетного порогового преобразования и сети LSTM в пользовательском классе управления капиталом:

В этой статье рассматривается пользовательский класс Мастера MQL5 для управления капиталом. Пользовательский класс CMoneyWaveletLSTM создается объединением алгоритма вейвлетного порогового преобразования и сети LSTM. Как и в других статьях серии, разработанную модель можно тестировать с советниками, собранными в Мастере MQL5 и настраиваемыми с использованием различных классов трейлинг-стопов и входных сигналов. Как и в предыдущих статьях, в качестве сигнала входа используются встроенный класс Envelopes и класс RSI.

Мы продолжаем эту серию, посвященную различным идеям и торговым сетапам, которые можно исследовать и тестировать с помощью Мастера MQL5. В предыдущей статье об управлении капиталом пользовательский класс объединял алгоритм суффиксного автомата и сеть автокодировщика. Эта модель могла быть подходящим инструментом для трейдеров, работающих на консолидирующихся рынках, где историческая "ДНК цены" содержит повторяющиеся паттерны. Она, по-видимому, хорошо работала в таких условиях при наличии устойчивого ритма рынка. Возникает вопрос: что произойдет при смене режима. Для трейдеров, работающих на волатильных рынках, например на внутридневном рынке Форекс или криптовалютах, повторяющиеся надежные паттерны могут быть редкостью. Основная проблема состоит в том, что рынок ведет себя рвано и зашумленно, а высокочастотный шум часто маскируется под преобладающие тренды.

В этой статье осуществляется переход от распознавания паттернов к обработке сигналов. Вместо поиска крупных повторяющихся паттернов создается точный инструмент, лучше всего подходящий для зашумленных рыночных условий с выраженным моментумом. Этот инструмент создается как пользовательский класс управления капиталом, объединяющий алгоритм вейвлетного порогового преобразования (Wavelet Thresholding), адаптированный для удаления шума из логарифмических доходностей, и сеть долгой краткосрочной памяти (Long Short-Term Memory, LSTM). Как и в предыдущих статьях, используется подход с двумя механизмами, повышающий адаптивность расчета размера позиции по мере того, как мы избавляемся от шума и запаздывающих сигналов.


Автор: Stephen Njuki

Новый комментарий