Mô tả
Azimuth: quyết định thần kinh độc quyền cho Vàng
Azimuth được xây dựng trên cùng một nền tảng độc quyền giống như Meridian, nhưng giới thiệu một đại diện thị trường nội bộ khác và kiến trúc tiên tiến hơn.
Thay vì dựa trực tiếp vào các cây nến khung thời gian truyền thống, Azimuth sử dụng một cấu trúc thanh tùy chỉnh nội bộ được xây dựng trực tiếp từ dữ liệu tick. Các thanh này được tạo ra từ hoạt động thị trường thay vì chỉ đơn giản là từ sự trôi qua của thời gian.
Vì lý do này, dữ liệu tick là rất cần thiết khi thử nghiệm Azimuth. Hệ thống luôn phải được thử nghiệm sử dụng tick, bất kể khung thời gian cổ điển nào được chọn trong Trình kiểm tra Chiến lược.
Kết quả là một mô hình không phụ thuộc hoàn toàn vào cách một nhà môi giới tổng hợp thị trường thành các cây nến M1, M5, M15 hoặc H1 truyền thống.
Kiến trúc thần kinh
Mô hình dựa trên cùng một cấu trúc thần kinh độc quyền được sử dụng làm nền tảng của Meridian, nơi chính các neuron đã được định nghĩa lại.
Một mạng thần kinh thông thường về cơ bản dựa vào các neuron tổng hợp các đầu vào của chúng trước khi truyền thông tin kết quả qua một hàm kích hoạt. Kiến trúc này cực kỳ mạnh mẽ và hoạt động tốt cho nhiều loại vấn đề.
Tuy nhiên, các thị trường tài chính đặc biệt khó mô hình hóa.
Mối quan hệ giữa hai đầu vào thị trường có thể thay đổi tùy theo ngữ cảnh, biến động, cấu trúc gần đây và hành vi đã xảy ra trước tín hiệu hiện tại. Do đó, cùng một đầu vào có thể mang một ý nghĩa hoàn toàn khác dưới các điều kiện thị trường khác nhau.
Azimuth và Meridian được thiết kế xoay quanh một cấu trúc nội bộ khác biệt, được xây dựng đặc biệt để xử lý các mối quan hệ phi tuyến này.
Thay vì coi mỗi đầu vào như một tín hiệu độc lập chỉ góp phần vào điểm số cuối cùng, cấu trúc được thiết kế để phân tích cách thông tin tương tác và phát triển bên trong mạng.
Điều này cho phép mô hình làm việc với các mối quan hệ phức tạp hơn giữa các đầu vào và phản ứng với cấu trúc của một tín hiệu thay vì chỉ đơn giản cộng các tín hiệu lại với nhau.
Kiến trúc là độc quyền và cấu trúc nội bộ của nó không được tiết lộ.
Thiết kế cho các thị trường không ổn định
Các thị trường tài chính không phải là các hệ thống tĩnh.
Biến động thay đổi. Cấu trúc thị trường thay đổi. Mối quan hệ giữa các biến khác nhau thay đổi. Một hành vi từng có lợi trong một khoảng thời gian có thể hoàn toàn biến mất trong khoảng thời gian khác.
Đây là một trong những lý do chính khiến một mô hình có thể trông xuất sắc trên dữ liệu lịch sử nhưng lại hành xử rất khác khi tiếp xúc với dữ liệu chưa từng thấy.
Azimuth được thiết kế với vấn đề này trong tâm trí.
Mục tiêu không phải là tìm một cấu hình giải thích hoàn hảo một khoảng thời gian lịch sử. Mục tiêu là tìm một mô hình có thể tiếp tục hành xử đúng khi dữ liệu thay đổi.
Huấn luyện tiến bước
Quá trình huấn luyện là một trong những phần quan trọng nhất của Azimuth.
Mô hình không được huấn luyện trên một bộ dữ liệu lịch sử lớn và được chấp nhận chỉ vì đường cong vốn cuối cùng trông tốt.
Thay vào đó, Azimuth được huấn luyện thông qua một ma trận tiến bước với nhiều khoảng thời gian ngoài mẫu độc lập.
Quá trình bắt đầu với:
15% Học → 5% dữ liệu OOS hoàn toàn chưa thấy
Nếu mô hình vượt qua khoảng thời gian OOS đầu tiên, quá trình tiếp tục và lặp lại:
15% Học → 5% OOS
15% Học → 5% OOS
15% Học → 5% OOS
15% Học → 5% OOS
15% Học → 5% OOS
Điều này tạo ra năm khoảng thời gian xác nhận ngoài mẫu riêng biệt.
Dữ liệu OOS không được sử dụng để huấn luyện mô hình.
Quan trọng hơn, nếu bất kỳ khoảng thời gian OOS nào cho thấy sự suy giảm vượt quá tiêu chí yêu cầu, mô hình sẽ bị loại bỏ và toàn bộ quá trình học bắt đầu lại.
Nó không được vá lỗi.
Nó không được điều chỉnh thủ công.
Quá trình huấn luyện bắt đầu lại.
Chỉ những mô hình có khả năng tồn tại qua toàn bộ chuỗi các khoảng thời gian chưa từng thấy mới được giữ lại.
Cách tiếp cận này đặt trọng tâm vào khả năng tổng quát hóa và hành vi ngoài mẫu, thay vì chỉ đơn giản là phù hợp với dữ liệu lịch sử.
Cách Azimuth giao dịch
Azimuth sử dụng thực thi thị trường trực tiếp thay vì phương pháp lệnh chờ được sử dụng bởi Meridian.
Khi mô hình xác định một cơ hội hợp lệ, hệ thống thực thi trực tiếp tại thị trường.
Mô hình liên tục đánh giá đại diện thị trường nội bộ và xác định liệu cấu trúc hiện tại có cung cấp một cơ hội giao dịch hợp lệ hay không.
Khi một vị thế được mở:
- Hệ thống không thực hiện trung bình giá xuống.
- Không có lưới.
- Không có martingale.
- Các vị thế có thời gian sống tối đa được xác định.
- Các tham số rủi ro được xác định theo đánh giá thị trường hiện tại của mô hình.
Mục tiêu là cho phép mô hình tự đưa ra quyết định thay vì bao quanh mạng bằng một tập hợp lớn các quy tắc giao dịch cố định.
Tần suất giao dịch cao
Sự kết hợp giữa đại diện thị trường nội bộ, thực thi thị trường trực tiếp và kiến trúc của nó dẫn đến một tần suất giao dịch cao.
Tóm tắt
The neural network architecture redefines neurons to analyze complex, non-linear relationships between market inputs, adapting to changing market conditions such as volatility and structure shifts. This design aims to maintain effective performance in non-stationary markets by focusing on generalization rather than fitting historical data.
Training employs a rigorous walk-forward process with multiple independent out-of-sample validation periods. Models must pass all validation stages without manual adjustments to be retained, ensuring robustness and adaptability.
Azimuth executes trades directly at market price, continuously evaluating market structure for valid opportunities. It avoids averaging down, grid, or martingale strategies, and applies risk parameters dynamically based on current market assessment. Positions have defined maximum lifetimes, and the system supports up to two simultaneous positions.
Key features include high trade frequency, compatibility with ECN brokers, and suitability for prop firm environments. Risk management options include fixed risk percentage and trailing stop loss. Recommended minimum balance is $500 with a risk per trade of 1%.
