Обсуждение статьи "Нейросети в трейдинге: AlphaGen — поиск торговых факторов (нейросетевые политики)"

Опубликована статья Нейросети в трейдинге: AlphaGen — поиск торговых факторов (нейросетевые политики):

Продолжаем адаптацию AlphaGen и рассматриваем поисковую и торговую нейросетевые политики, построенные на общем базовом классе. Разбираем выбор токенов с учётом префикса и маски, формирование нормированных параметров торгового действия, архитектуры сетей, распределения, рекуррентную память и обратное распространение градиентов в MQL5 и OpenCL. Прослеживаем путь данных через каждую политику, чтобы определить её назначение и понять, почему вместо одного универсального объекта используются две специализированные сети.

Два похожих индикатора могут почти одинаково реагировать на движение цены финансового инструмента. В предыдущих частях мы научились искать формулы и оценивать вклад каждой из них в общий сигнал. Но даже полезная комбинация факторов не превращается сама по себе в команду Buy или Sell. Торговой модели ещё предстоит учесть состояние позиции и счёта. В исходном AlphaGen поисковая политика генерирует формулы. Отдельную торговую политику мы добавили при адаптации фреймворка для решения задач принятия торговых решений.

В первой статье были разработаны язык формул и маска допустимых продолжений. Во второй реализованы генератор токенов и вычисление формул средствами OpenCL. В третьей собрали класс CAlphaGenPool, который оценивает кандидатов, хранит подготовленный и действующий составы, формирует историю нормированного сигнала. Теперь используем эти результаты как готовые исходные данные. Повторять устройство маски, вычислителя и пула не будем.

Из третьей части переходят два результата с разным назначением. Оценка законченной формулы впоследствии служит вознаграждением поискового контура. В момент выбора очередного токена эта оценка ещё неизвестна. История сигнала действующего пула, напротив, уже доступна торговой политике на закрытых барах. Поэтому рассмотрим две сети: первая выбирает продолжение выражения, вторая формирует нормированные параметры торгового действия. У них различаются не только данные, но и форма самого решения.

Задача этой статьи — разобрать устройство обеих политик и их локальные операции: прямой проход, вычисление производных и применение подготовленных градиентов. Сравним общий базовый класс, нейросетевые слои и форматы выхода. Затем разберём, почему две специализированные реализации удобнее одного класса с переключателем режима.

Автор: Dmitriy Gizlyk