Обсуждение статьи "Поиск торгового преимущества (Часть 1): Использование дискретного преобразования Фурье (ДПФ) и импульсной нейронной сети (SNN) в торговом роботе"

Новый комментарий

Опубликована статья Поиск торгового преимущества (Часть 1): Использование дискретного преобразования Фурье (ДПФ) и импульсной нейронной сети (SNN) в торговом роботе:

В этой статье мы приводим аргументы в пользу сочетания дискретного преобразования Фурье (ДПФ) и импульсной нейронной сети (SNN) в торговом роботе. Преобразование Фурье позволяет представить данные в виде колебаний, а не в виде исходных значений. Для интерпретации этих циклов мы используем импульсную нейронную сеть (SNN), которая, в отличие от обычных сетей, накапливает потенциал за счёт изменяющихся во времени электрических зарядов и генерирует импульс только при достижении заданного порога. Сочетание этих двух модулей позволяет нам точнее определять моменты отдельных рыночных движений, что в теории должно давать сигналы входа со строгим математическим подтверждением.

Можно утверждать, что современные торговые системы страдают от переизбытка данных или чрезмерной зависимости от коррелирующих и запаздывающих индикаторов. Поэтому для получения торгового преимущества в этой серии исследований предлагается разнообразная библиотека сочетаний специализированных алгоритмов и нейронных сетей. Начнём с необычного гибридного сочетания: декодера циклов на основе дискретного преобразования Фурье (ДПФ), который мы объединяем с основанной на биологической модели интегрирования и срабатывания с утечкой (LIF) импульсной нейронной сетью (SNN). Наша цель — выделить скрытые частоты рыночных колебаний.

Сочетание преобразования Фурье и SNN

Такое сочетание преобразования Фурье и импульсной нейронной сети (SNN) призвано обеспечить нам торговое преимущество, основанное на менее коррелированных сигналах за счёт спектрального разложения и подтверждения с учётом временного фактора. В то время как традиционные индикаторы часто запаздывают из-за использования фиксированных окон исторических данных, модуль Фурье действует как декодер циклов, динамически анализируя исторические данные о ценах или значения индикаторов, чтобы выделить волну доминирующей частоты. Таким образом, данная система способна преобразовывать такие индикаторы, как MACD и RSI, в прогнозные волновые функции, которые выявляют ключевые точки разворота ещё до того, как они станут визуально заметны.

SNN определяет момент исполнения торговых операций, дополнительно учитывая показатели времени и рыночного давления. Вместо немедленной генерации шумных торговых сигналов с использованием статических весов входные данные рассматриваются как синаптическая стимуляция, повышающая мембранный потенциал цифровой модели нейрона. Этот мембранный потенциал затухает, когда импульс движения ослабевает, но накапливается, когда несколько рыночных переменных согласованно изменяются на протяжении последовательных баров. Таким образом, сделка инициируется только тогда, когда накопленное «напряжение» превышает строго заданный порог, вызывая импульс, который запускает исполнение торговой операции. Это гарантирует, что циклические развороты подтверждаются устойчивым импульсом движения, прежде чем будет задействован капитал.


Автор: Stephen Njuki

Новый комментарий