Обсуждение статьи "Нейросети — это просто (Часть 73): АвтоБоты прогнозирования ценового движения"

 

Опубликована статья Нейросети — это просто (Часть 73): АвтоБоты прогнозирования ценового движения:

Мы продолжаем рассмотрения алгоритмов обучения моделей прогнозирования траекторий. И в данной статье я предлагаю Вам познакомиться с методом под названием “AutoBots”.

Эффективное прогнозирования движения валютных пар является ключевым аспектом безопасного управления торговыми операциями. В данном контексте особое внимание уделяется разработке эффективных моделей, способных точно аппроксимировать совместное распределение контекстуальной и временной информации, необходимой для принятия торговых решений. Для решения подобных задач я предлагаю Вам познакомиться с методом "Latent Variable Sequential Set Transformers" (AutoBots), представленным в статье "Latent Variable Sequential Set Transformers For Joint Multi-Agent Motion Prediction". Предлагаемый метод основан на архитектуре Энкодер-Декодер и был разработан для решения задач безопасного управления робототехнических систем. Он позволяет генерировать последовательности траекторий для множества агентов, согласованных со сценой. "Автоботы" могут прогнозировать траекторию одного эго-агента или распределение будущих траекторий для всех агентов на сцене. В нашем случае мы попробуем применить предложенную модель для генерации последовательностей ценового движения валютных пар, согласованных с динамикой рынка.

Автор: Dmitriy Gizlyk

 
Здравствуйте. В папке уже целых пять советников. Подскажите, в каком порядке вы их запускали. И еще. Ссылки на прошлые статьи стали похожи на многократные Goto, чтобы сбить со следа.
 
Another Awesome Work Dmitry! It took me 5 Days to train the Models! But it was worth it! 

THIS is Second to THE BEST Article So far! <3
 
JimReaper #:
Another Awesome Work Dmitry! It took me 5 Days to train the Models! But it was worth it! 

THIS is Second to THE BEST Article So far! <3

Why is the best?

Were you able to make money on it?

Is your forward consistently profitable? What?

 
Почему-то все хвалебные отзывы только на забугорных языках. На нашем ни одного.
 
star-ik #:
Здравствуйте. В папке уже целых пять советников. Подскажите, в каком порядке вы их запускали.

0. ResearchRealORL.mq5 - запускаем в самом начале (не обязательно) для первичного сбора траекторий. Но перед его запуском нужна подготовительная работа по сбору реальных проходов с сигналов или других источников. Процесс описан в статье 67

1. Research.mq5 - запускаем для первичного сбора траекторий случайными политиками и обновления базы примеров после каждой итерации обучения политики. Требует наличия хотя бы 1 прохода в базе примеров.

2. StudyEncoder.mq5 - запускаем "один раз на долго" для обучения модели прогнозирования траектории.

3. Study.mq5  -запускается итерационно с Research.mq5 для обучения политики Агента. Требует наличия базы первичных примеров и обученной модели прогнозирования траектории.

4. Test.mq5 - используется для проверки обученной политики в тестере стратегий.

Нейросети — это просто (Часть 67): Использование прошлого опыта для решения новых задач
Нейросети — это просто (Часть 67): Использование прошлого опыта для решения новых задач
  • www.mql5.com
В данной статье мы продолжим разговор о методах сбора данных в обучающую выборку. Очевидно, что в процессе обучения необходимо постоянное взаимодействие с окружающей средой. Но ситуации бывают разные.
 
star-ik #:
.... И еще. Ссылки на прошлые статьи стали похожи на многократные Goto, чтобы сбить со следа.

Не могу приводить полный список серии. Часть статей приведена в "Другие статьи автора". А полный список можно найти в поиске.

 
В папке нет  StudyEncoder.mq5. Зато есть Alternate и  Study Traj, которые вы не упоминаете.
 
star-ik #:
В папке нет  StudyEncoder.mq5. Зато есть Alternate и  Study Traj, которые вы не упоминаете.

Прошу прощения, StudyEncoder был в предыдущей статье. В этой переименован в StudyTraj. В предыдущей обучали сжатое представление траектории в автоэнкодере. А Автобот учит возвращает траекторию.

Alternate - использовался в тесте для проверки точности прогнозирования траектории. В нем просто берем спрогнозированную Автоботом траекторию, определяем на ней ближайший экстремум и совершаем в его направлении сделку с минимальным лотом.

 
Не могу найти ресурс, где можно скачать историю сделок. Только текущие сигналы. Скиньте хоть пару ссылок, кто может. Плиз.
 
star-ik #:
Не могу найти ресурс, где можно скачать историю сделок. Только текущие сигналы. Скиньте хоть пару ссылок, кто может. Плиз.

На странице Истории любого сигнала внизу есть ссылка