Обсуждение статьи "Нейросети в трейдинге: Диффузионная генерация торговых планов (Планировщик)"
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: Диффузионная генерация торговых планов (Планировщик):
Продолжаем торговую адаптацию DPCC на MQL5/OpenCL: рассматриваем кадровый денойзер CNeuronPlanDenoiserOCL и отдельно — действующий цикл планировщика CNeuronDPCCOCL. Показываем подготовку контекста, предсказание шума, обратную диффузию и возврат исправленных действий в генерацию. Разбираем режимы P0/P1/P2, проверку финансовых ограничений по ценовым сценариям и выбор первого действия по спектральной оценке денежных результатов G. Материал помогает проследить движение планов и условия допуска кандидатов к выбору.
Запланированный донабор позиции может стать невыполнимым ещё до исполнения. Сейчас свободной маржи достаточно, но движение цены против сделки уменьшит средства счёта. Прежний объём потребует пересмотра. Сокращение позиции на раннем шаге изменит условия последующих действий. Поэтому проверять нужно весь план и соответствующие состояния счёта.
Для решения этой задачи мы продолжаем торговую адаптацию фреймворка Diffusion Predictive Control with Constraints — DPCC. В авторском методе коррекция включена в обратный диффузионный процесс. После добавления шума предложение проверяется по динамике системы и ограничениям. Исправленная траектория поступает на следующий шаг генерации. В нашей адаптации генерируются торговые действия, а состояния счёта рассчитываются по ценовым сценариям.
В первой статье мы рассмотрели принципы DPCC и подготовили два OpenCL-кернела сценарного расчёта. Во второй разработали семь кернелов для поиска поправок и проверки их последствий. В третьей объединили эти операции в два MQL5-класса. CNeuronScenarioRolloutOCL рассчитывает финансовые последствия плана и выявляет нарушения. CNeuronPlanProjectionOCL использует полученную диагностику для коррекции последовательности действий. Таким образом, мы подготовили средства проверки и исправления уже предложенного плана.
Рассмотрим кадровый режим CNeuronPlanDenoiserOCL. Он обрабатывает нормированные действия с общими весами и сохраняет результаты шагов. Затем разберём действующий цикл CNeuronDPCCOCL. В нём используется прежний FeedForward. Кадровый интерфейс пока не подключён.
Покажем, как предложенный физический план после локальной проверки переводится обратно в нормированные координаты для следующего уточнения. Исходный счёт, сценарии и ограничения остаются общими для кандидатов. Сравним режимы без проектора, с его вызовом в конце и после каждого обратного шага. Итоговая проверка одинакова во всех трёх случаях.
Планы, прошедшие сценарный фильтр, сравним по спектральной оценке G. Это критерий фиксированной последовательности, а не оценка действия с продолжением политики через Q1/Q2. Здесь рассмотрим устройство режимов, а не результаты их торговых испытаний.
Автор: Dmitriy Gizlyk