|
10+ лет
опыт работы
|
0
продуктов
|
0
демо-версий
|
|
0
работ
|
0
сигналов
|
0
подписчиков
|
Программист, системный администратор. Работаю IT-директором на производственном предприятии.
Увлекаюсь торговыми роботами FORTS с 2010 года. Решил попробовать себя на форекс. Форекс - хобби с 2013 года.
Мы продолжаем рассмотрения моделей прогнозирования временных рядов. И в данной статье я предлагаю познакомиться с комплексным алгоритмом, построенным на использовании предварительно обученной языковой модели.
-
7% (5)
-
28% (19)
-
26% (18)
-
17% (12)
-
10% (7)
-
12% (8)
Легковесные модели прогнозирования временных рядов обеспечивают высокую производительность, используя минимальное количество параметров. Что, в свою очередь, снижает расход вычислительных ресурсов и ускоряет принятие решений. При этом они достигают качества прогнозов, сопоставимого с более сложными моделями.
Одним из направлений повышения эффективности процесса обучения и сходимости моделей является улучшение методов оптимизации. Adam-mini представляет собой адаптивный метод оптимизации, разработанный для улучшения базового алгоритма Adam.
В данной статье мы поговорим об использовании пространственно-временных преобразований для эффективного прогнозирования предстоящего ценового движения. Для повышения точности численного прогнозирования в STNN был предложен механизм непрерывного внимания, который позволяет модели лучше учитывать важные аспекты данных.
Продолжаем разговор об использовании кусочно-линейного представления временных рядов, начатый в предыдущей статье. И сегодня мы поговорим о комбинировании данного метода с другими подходами к анализу временных рядов для повышения качества прогнозирования трендов ценовых движений.
Эта статья несколько отличается от предыдущих работ данной серии. В ней мы поговорим об альтернативном представлении временных рядов. Кусочно-линейное представление временных рядов — это метод аппроксимации временного ряда с помощью линейных функций на небольших интервалах.
При изучении различных архитектур построения моделей мы мало уделяем внимания процессу обучения моделей. В этой статье я попытаюсь восполнить этот пробел.
The UJ_H1_170100007_S_OD_CF_SQX is an algorithmic trading strategy for MetaTrader, tested on USDJPY using the H1 timeframe from April 1, 2004, to April 24, 2024. There is no need to set up parameters, all settings are already optimized and fine-tuned. Recommended broker RoboForex because of EET timezone. You can find the strategy source code for StrategyQuant at the link: http://quantmonitor.net/listing/usdjpy-osma-impulse/ Key details are: Parameters MagicNumber
The UJ_H1_170100007_S_OD_CF_SQX is an algorithmic trading strategy for MetaTrader, tested on USDJPY using the H1 timeframe from April 1, 2004, to April 24, 2024. There is no need to set up parameters, all settings are already optimized and fine-tuned. Recommended broker RoboForex because of EET timezone. You can find the strategy source code for StrategyQuant at the link: http://quantmonitor.net/listing/usdjpy-osma-impulse/ Key details are: Parameters MagicNumber
The UJ_H1_170147110_S_HH_CF_SQX is an algorithmic trading strategy for MetaTrader, tested on USDJPY using the H1 timeframe from April 1, 2004, to April 24, 2024. There is no need to set up parameters, all settings are already optimized and fine-tuned. Recommended broker RoboForex because of EET timezone. You can find the strategy source code for StrategyQuant at the link: http://quantmonitor.net/listing/usdjpy-awesome-oscillator-revolution/ Key details are: Parameters
The XU_30_913073101_S_HH_CF_SQX is an algorithmic trading strategy for MetaTrader, tested on XAUUSD (Gold) using the M30 timeframe from April 1, 2004, to April 24, 2024. There is no need to set up parameters, all settings are already optimized and fine-tuned. Recommended broker RoboForex because of EET timezone. You can find the strategy source code for StrategyQuant at the link: http://quantmonitor.net/listing/gold-emperor/ Key details are: Parameters MagicNumber