Обсуждение статьи "Поиск торгового преимущества (Часть 3): Использование HMM и GRU в торговом советнике"

[MetaQuotes]

Опубликована статья Поиск торгового преимущества (Часть 3): Использование HMM и GRU в торговом советнике:

Мы исследуем, как скрытая марковская модель (HMM) оценивает скрытые рыночные режимы на основе наблюдаемых последовательностей цен и значений индикаторов. Это достигается путем оценки вероятности переходов между состояниями. Сеть на основе управляемого рекуррентного блока (GRU) моделирует временные зависимости и сохраняет важную информацию на протяжении нескольких наблюдений. В советнике вероятности рыночных режимов, рассчитанные с помощью HMM, можно использовать совместно с обучением сети GRU на последовательностях, чтобы точнее классифицировать изменения в накоплении, распределении и импульсе еще до появления стандартных ценовых подтверждений.

В наши дни при разработке торговой системы добавить нейронную сеть в торговый алгоритм относительно просто. Гораздо сложнее доказать, что её использование действительно улучшает качество торговых решений. Сложные модели легко могут давать ровные результаты тестирования на исторических данных, при этом почти ничего не добавляя к тому, что уже обеспечивают используемые индикаторы и правила. Поэтому в данной статье мы попытаемся рассмотреть эту проблему с помощью пользовательского сигнального класса MQL5, который благодаря Мастеру MQL5 можно легко использовать в качестве советника. В этом сигнальном классе мы объединяем скрытую марковскую модель (HMM) с сетью на основе управляемого рекуррентного блока (GRU). Мы используем HMM, чтобы определить, наблюдается ли на рынке боковое движение, тренд или необычно высокая волатильность; сеть GRU, которую предстоит обучить для выявленного рыночного режима, будет оценивать направление недавнего движения цены. Совместное использование моделей не заменяет торговые правила, а помогает оценить обоснованность предполагаемого входа в рынок.

Это различие позволяет сформулировать проверяемый вопрос: улучшает ли подтверждение конкретного рыночного режима нейронной сетью отбор сделок для допуска, например сделок на продолжение тренда на EURUSD H4, или же оно лишь снижает частоту торговли, повторяя информацию, уже предоставляемую ADX, DI, ATR и ценой? Мы рассмотрим этот класс по мере разбора данного вопроса. Сначала определим торговое решение, затем выберем корректный базовый вариант для сравнения, выясним, почему эти два алгоритма могут дополнять друг друга, реализуем их математический аппарат на MQL5 и проанализируем результаты тестирования на исторических данных и форвардного тестирования. Наша цель здесь — не столько доказать, что данные алгоритмы подходят друг другу, сколько найти свидетельства в пользу такого вывода, а также указать, какие данные могли бы заставить нас отказаться от их объединения.

Автор: Stephen Njuki