文章 "交易中的神经网络：配备注意力机制（MASAAT）的智代融汇（终章）"

[MetaQuotes]

新文章 交易中的神经网络：配备注意力机制（MASAAT）的智代融汇（终章）已发布：

在上一篇文章中，我们讲述了多智代自适应框架 MASAAT，其用一组智代的融汇在不同数据尺度下对多模态时间序列进行交叉分析。今天我们将继续实现该框架方法的 MQL5 版本，并将这项工作带至逻辑完结。

为了捕捉显著的价格变动，智代套用具有不同阈值的方向性走势过滤器。这就能从所分析价格时间序列中提取关键趋势特征，改善对不同强度市场转变的解读。该方法提出了一种新颖的序列词元生成技术，令横断面注意力（CSA）和时态分析（TA）模块能够有效识别多元化的相关性。具体而言，在重造特征映射时，CSA 模块中的序列词元是基于单独资产指标生成，并经由注意力机制进行优化。同时，TA 模块中的词元由时态特征构造，其令识别跨时间点的有意义关系成为可能。

资产和时间点相关评估，衍生自 CSA 和 TA 模块，随后由 MASAAT 智代利用注意力机制组合，检测目标是覆盖观察区间内相对每个时间点的资产依赖性。

下面提供了 MASAAT 框架的原版可视化。

MASAAT 框架展现出清晰定义的模块化架构。这令每个模块都可作为独立类实现，然后将出品的对象集成到统一的结构之中。在前一篇文章中，我们讲述了多智代对象 CNeuronPLRMultiAgentsOCL 的实现算法，其将所分析的多模态时间序列转换为多尺度分段式线性表示。我们还复查了 CSA 的 CNeuronCrossSectionalAnalysis 模块算法。在本文中，我们将继续这条工作线。

作者：Dmitriy Gizlyk

[Alexey Volchanskiy]

他们为什么要刊登这种可耻的文章？这个月的利润是 0.27%，我的猫一不小心拍一下爪子，利润就会翻 50 倍。