Обсуждение статьи "От одиночного CatBoost к Cross-Fitted Stack в MQL5: ансамбль без утечки будущего и отдельный audit-forward 2026"
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 От одиночного CatBoost к Cross-Fitted Stack в MQL5: ансамбль без утечки будущего и отдельный audit-forward 2026:
Статья показывает, как построить stack-ансамбль для MetaTrader 5 без утечки данных между уровнями и расхождений инференса. Реализован purged expanding walk-forward с 72-часовым разрывом, три разнородных CatBoost-классификатора, калибраторы вероятности и размера позиции, а также встраивание 31 модели в советник MQL5. Отдельный аудит 2026 года демонстрирует границы применимости профилей и сравнение с неизменяемой базовой линией.
В статье описана практическая реализация ансамбля для MetaTrader 5. Базовый уровень составляют модели MIDAS-SINERGY. Поверх них строится отдельный CatBoost stack, оценивающий каждого торгового кандидата по исходному сигналу, треугольному контексту, времени, инструменту и согласованности классификаторов
Основное внимание уделено двум вопросам. Первый — как получить данные для обучения второго уровня так, чтобы будущие результаты не попадали в его признаки даже косвенно. Для этого используется purged expanding walk-forward: каждый очередной год прогнозируется моделями, которые обучались только на более ранней истории, а между train и validation оставляется 72-часовой embargo.
Второй вопрос — как перенести уже обученный ансамбль в MQL5 без внешнего Python-процесса. В итоговом советнике встроена 31 CatBoost-модель: базовые модели, модели треугольного контекста, три участника stack-ансамбля, калибратор вероятности и модель управления размером позиции.. Их деревья выполняются непосредственно средствами MQL5.
Эксперимент проводится на десяти валютных парах с принятием решений по закрытым барам H1. Для оценки качества используется несколько уровней проверки: out-of-fold результаты 2022–2025 годов, отдельный audit 2026 года и последующий тест готового многовалютного советника в Strategy Tester.
Цель работы — не показать очередную более сложную модель, а построить воспроизводимую цепочку от честного формирования данных второго уровня до исполнения тех же деревьев непосредственно в торговом терминале.
Автор: Yevgeniy Koshtenko