Discussão do artigo "Redes neurais em trading: Modelo hiperbólico de difusão latente (Conclusão)"

[MetaQuotes]

Novo artigo Redes neurais em trading: Modelo hiperbólico de difusão latente (Conclusão) foi publicado:

A aplicação de processos de difusão anisotrópicos para codificação dos dados brutos no espaço latente hiperbólico, conforme proposto no framework HypDiff, contribui para a preservação das características topológicas da situação atual do mercado e melhora a qualidade de sua análise. No artigo anterior, iniciamos a implementação das abordagens propostas usando MQL5. Hoje, continuaremos esse trabalho iniciado, levando-o até sua conclusão lógica.

O treinamento foi realizado com dados históricos reais de todo o ano de 2023 do instrumento financeiro EURUSD, no timeframe H1. Os parâmetros de todos os indicadores analisados foram usados em suas configurações padrão.

O processo de treinamento é iterativo e inclui a atualização regular do conjunto de dados de treino.

Para avaliar a eficácia da política treinada, foram utilizados dados históricos reais do primeiro trimestre de 2024. Os resultados dos testes são apresentados abaixo.

Como se pode notar pelos dados apresentados, o modelo obteve lucro no período de teste. Foram realizadas 23 operações comerciais ao longo de 3 meses, o que é pouco evidentemente. Mais de 56% dessas operações foram encerradas com lucro. Além disso, tanto o lucro máximo quanto o lucro médio por operação superaram em duas vezes os valores correspondentes das operações com prejuízo.

Autor: Dmitriy Gizlyk