文章 "基于 GPT 语言模型的交易机器人"

新文章 基于 GPT 语言模型的交易机器人已发布:

本文介绍了 TimeGPT 的完整实现。这是一种基于 Transformer 的专用架构,用于在 MetaTrader 5 平台上预测金融时间序列。文中讨论了注意力机制对金融数据的适配、价格变化的选择性令牌化(tokenization)、面向硬件特性的优化以及先进的学习技术。文中还包括实际测试结果:在 24 根 K 线的预测跨度上达到 87% 的预测准确率,且在 CPU 上训练仅需 15 分钟。我们还提供了一个可直接使用、带自动重训练功能的交易 EA。

在深入代码之前,重要的是先理解 TimeGPT 处理的是什么。金融市场以时间序列的形式产生数据,即以固定间隔(例如每小时)记录的一系列价格。市场价格并不遵循简单的规则:它们可能因新闻而暴涨、缓慢下跌,或无缘无故地波动。TimeGPT 的任务是在这些数据中寻找规律,并预测价格在 24 小时后将如何变化。在市场图表的术语中,这称为 24 根 K 线。

开发一个模型需要解决几个问题。首先,我们需要确定如何存储和处理价格数据。然后,我们需要将这些数据转换为模型能够理解的格式。接着,我们需要设计模型架构,使其能够发现数据中的复杂依赖关系。随后,让模型基于历史数据进行训练,学习如何做出准确预测。最后,考虑到 MetaTrader 5 平台的限制,优化模型使其运行迅速且不会占用过多内存也很重要。现在,让我们通过 TimeGPT_Fixed.mqh 文件中的代码逐一查看这些步骤。


作者:Yevgeniy Koshtenko

叶夫根尼,谢谢您!如果能看到针对现代高性能显卡的类似解决方案就好了。
Backprop,据我理解,是不存在的?权重保持初始化时的值不变。