Azimuth: decisione neurale proprietaria per l'Oro

Azimuth è costruito sulla stessa base proprietaria esatta di Meridian, ma introduce una diversa rappresentazione interna del mercato e un'architettura più avanzata.

Invece di affidarsi direttamente alle candele convenzionali dei timeframe, Azimuth utilizza una struttura interna personalizzata delle barre costruita direttamente dai dati tick. Le barre sono generate dall'attività di mercato piuttosto che semplicemente dal passare del tempo.

Per questo motivo, i dati tick sono essenziali quando si testa Azimuth. Il sistema dovrebbe sempre essere testato utilizzando tick, indipendentemente dal timeframe classico selezionato nel Strategy Tester.

Il risultato è un modello che non dipende esclusivamente dal modo in cui un broker aggrega il mercato in candele convenzionali M1, M5, M15 o H1.

L'architettura neurale

Il modello si basa sulla stessa struttura neurale proprietaria utilizzata come fondamento di Meridian, dove i neuroni stessi sono stati ridefiniti.

Una rete neurale convenzionale si basa fondamentalmente sui neuroni che aggregano i loro input prima di passare l'informazione risultante attraverso una funzione di attivazione. Questa architettura è estremamente potente e funziona bene per molte classi di problemi.

I mercati finanziari, tuttavia, sono particolarmente difficili da modellare.

La relazione tra due input di mercato può cambiare a seconda del contesto, della volatilità, della struttura recente e del comportamento che ha preceduto il segnale attuale. Lo stesso input può quindi avere un significato completamente diverso in condizioni di mercato differenti.

Azimuth e Meridian sono progettati attorno a una topologia interna diversa, specificamente costruita per elaborare queste relazioni non lineari.

Piuttosto che trattare ogni input come un segnale indipendente che contribuisce semplicemente a un punteggio finale, la struttura è progettata per analizzare come l'informazione interagisce e si sviluppa all'interno della rete.

Questo permette al modello di lavorare con relazioni più complesse tra i suoi input e di reagire alla struttura di un segnale piuttosto che semplicemente sommare segnali.

L'architettura è proprietaria e la sua topologia interna non è esposta.

Progettato per mercati non stazionari

I mercati finanziari non sono sistemi statici.

La volatilità cambia. La struttura del mercato cambia. La relazione tra diverse variabili cambia. Un comportamento che era redditizio in un periodo può scomparire completamente in un altro.

Questa è una delle principali ragioni per cui un modello può sembrare eccezionale sui dati storici e poi comportarsi in modo molto diverso una volta esposto a dati non visti.

Azimuth è stato progettato tenendo presente questo problema.

L'obiettivo non è trovare una configurazione che spieghi perfettamente un periodo storico. L'obiettivo è trovare un modello che possa continuare a comportarsi correttamente quando i dati cambiano.

Addestramento walk-forward

Il processo di addestramento è una delle parti più importanti di Azimuth.

Il modello non viene addestrato su un unico grande dataset storico e accettato semplicemente perché la curva di equity finale sembra buona.

Invece, Azimuth viene addestrato attraverso una matrice walk-forward con molteplici periodi indipendenti out-of-sample.

Il processo inizia con:

15% Apprendimento → 5% dati OOS completamente non visti

Se il modello supera il primo periodo OOS, il processo avanza e si ripete:

15% Apprendimento → 5% OOS
15% Apprendimento → 5% OOS
15% Apprendimento → 5% OOS
15% Apprendimento → 5% OOS
15% Apprendimento → 5% OOS

Questo crea cinque periodi separati di validazione out-of-sample.

I dati OOS non vengono utilizzati per addestrare il modello.

Ancora più importante, se un qualsiasi periodo OOS mostra un degrado oltre i criteri richiesti, il modello viene scartato e l'intero processo di apprendimento ricomincia.

Non viene corretto con patch.
Non viene regolato manualmente.
Il processo di addestramento ricomincia.

Solo i modelli in grado di sopravvivere all'intera sequenza di periodi non visti vengono mantenuti.

Questo approccio pone l'accento su generalizzazione e comportamento out-of-sample, piuttosto che semplicemente adattarsi ai dati storici.

Come Azimuth opera

Azimuth utilizza esecuzione diretta sul mercato piuttosto che l'approccio con ordini pendenti usato da Meridian.

Quando il modello identifica un'opportunità valida, il sistema esegue direttamente al mercato.

Il modello valuta continuamente la rappresentazione interna del mercato e determina se la struttura attuale fornisce un'opportunità di trading valida.

Una volta aperta una posizione:

• Il sistema non media al ribasso.
• Non c'è griglia.
• Non c'è martingala.
• Le posizioni hanno una durata massima definita.
• I parametri di rischio sono determinati in base alla valutazione attuale del mercato da parte del modello.

L'obiettivo è permettere al modello di prendere la decisione da solo piuttosto che circondare la rete con una grande collezione di regole di trading fisse.

Alta frequenza di trading

La combinazione della sua rappresentazione interna del mercato, esecuzione diretta sul mercato e architettura si traduce in una alta frequenza di trading.