Мы с вами проделали довольно большую работу по изучению различных архитектурных решений организации нейронных сетей. Мы создали целую библиотеку для создания различных нейронных слоев и теперь с ее помощью можем строить различные модели нейронных сетей для поиска наилучшего варианта решения своих задач. И это все, конечно, очень хорошо и полезно. Но давайте вспомним для чего мы это делаем. Мы не занимаемся этим ради науки или собственного просвещения, хотя и это отнюдь не плохой повод для изучения чего-либо. Но в данном случае мы занялись изучением организации нейронных сетей и их архитектурных решений с практической целью — найти решение для использования на финансовых рынках. Тут есть два видения такого решения:
Сейчас мы не будем обсуждать, какой из указанных выше вариантов предпочтительнее. На самом деле, это риторический вопрос, потому что он зависит от личных предпочтений пользователя. В любом случае, нам нужно организовать правильную работу модели и трактовку ее сигналов.
При этом мы бы хотели оценить ожидаемую доходность нашей модели. Для проведения подобной работы терминал MetaTrader 5 предлагает использовать Тестер стратегий.
В этой главе мы переходим от теоретического изучения и создания нейронных сетей к практическому применению разработанных моделей в финансовом секторе, с акцентом на их торговые возможности. Наша цель — оценить эффективность нейронных сетей для создания индикаторов и электронных советников, способных выполнять торговые операции на финансовых рынках. Мы начнем с изучения функционала Тестера стратегий в MetaTrader 5, который является ключевым инструментом для оценки работы наших моделей.
Далее мы перейдем к созданию шаблона советника с использованием языка программирования MQL5, что позволит нам применять наши модели в реальных торговых условиях. Затем мы сконцентрируем внимание на создании модели для тестирования, обсуждая, как правильно подготовить и сконфигурировать модель для получения максимально точных и полезных результатов.
После этого мы обсудим определение параметров советника, что включает настройку различных параметров и опций, оптимизирующих работу советника в соответствии с торговыми стратегиями и целями пользователя. Наконец, мы проведем тестирование модели на новых данных, что является критически важным шагом для оценки способности модели адаптироваться к изменяющимся рыночным условиям и предсказывать будущие торговые сигналы.
Таким образом, эта глава направлена на практическое применение разработанных нами нейронных сетей в реальных торговых стратегиях, подчеркивая важность тестирования и оптимизации моделей для достижения наилучших результатов на финансовых рынках.