الوصف
Azimuth: اتخاذ القرار العصبي المملوك للذهب
تم بناء Azimuth على نفس الأساس المملوك تمامًا مثل Meridian، لكنه يقدم تمثيلًا داخليًا مختلفًا للسوق وبنية أكثر تقدمًا.
بدلاً من الاعتماد مباشرة على شموع الإطار الزمني التقليدية، يستخدم Azimuth هيكل شريط مخصص داخلي مبني مباشرة من بيانات التيك. يتم توليد الأشرطة من نشاط السوق بدلاً من مرور الوقت فقط.
وبسبب ذلك، بيانات التيك ضرورية عند اختبار Azimuth. يجب دائمًا اختبار النظام باستخدام التيك، بغض النظر عن الإطار الزمني الكلاسيكي المختار في أداة اختبار الاستراتيجية.
النتيجة هي نموذج لا يعتمد حصريًا على الطريقة التي يجمع بها الوسيط السوق إلى شموع M1 أو M5 أو M15 أو H1 التقليدية.
البنية العصبية
النموذج مبني على نفس الهيكل العصبي المملوك المستخدم كأساس لـ Meridian، حيث تم إعادة تعريف الخلايا العصبية نفسها.
تعتمد الشبكة العصبية التقليدية أساسًا على تجميع الخلايا العصبية لمداخلها قبل تمرير المعلومات الناتجة عبر دالة التنشيط. هذه البنية قوية للغاية وتعمل جيدًا للعديد من أنواع المشاكل.
ومع ذلك، فإن الأسواق المالية صعبة النمذجة بشكل خاص.
يمكن أن تتغير العلاقة بين مدخلين للسوق اعتمادًا على السياق والتقلبات والبنية الأخيرة والسلوك الذي سبق الإشارة الحالية. لذلك يمكن أن يكون لنفس المدخل معنى مختلف تمامًا تحت ظروف سوق مختلفة.
تم تصميم Azimuth و Meridian حول طوبولوجيا داخلية مختلفة، مبنية خصيصًا لمعالجة هذه العلاقات غير الخطية.
بدلاً من التعامل مع كل مدخل كإشارة مستقلة تساهم ببساطة في نتيجة نهائية، تم تصميم الهيكل لتحليل كيفية تفاعل المعلومات وتطورها داخل الشبكة.
هذا يسمح للنموذج بالعمل مع علاقات أكثر تعقيدًا بين مداخله وللرد على بنية الإشارة بدلاً من مجرد جمع الإشارات معًا.
البنية مملوكة وطوبولوجيتها الداخلية غير مكشوفة.
مصمم للأسواق غير الثابتة
الأسواق المالية ليست أنظمة ثابتة.
التقلبات تتغير. بنية السوق تتغير. العلاقة بين المتغيرات المختلفة تتغير. يمكن أن يختفي سلوك كان مربحًا في فترة ما تمامًا في فترة أخرى.
هذه واحدة من الأسباب الرئيسية التي تجعل النموذج يبدو استثنائيًا على البيانات التاريخية ثم يتصرف بشكل مختلف تمامًا عند تعرضه لبيانات غير مرئية.
تم تصميم Azimuth مع وضع هذه المشكلة في الاعتبار.
الهدف ليس إيجاد تكوين يشرح فترة تاريخية واحدة بشكل مثالي. الهدف هو إيجاد نموذج يمكنه الاستمرار في التصرف بشكل صحيح عندما تتغير البيانات.
التدريب المتقدم
عملية التدريب هي واحدة من أهم أجزاء Azimuth.
النموذج لا يتم تدريبه على مجموعة بيانات تاريخية كبيرة ويتم قبوله ببساطة لأن منحنى الأسهم النهائي يبدو جيدًا.
بدلاً من ذلك، يتم تدريب Azimuth من خلال مصفوفة متقدمة مع فترات مستقلة متعددة خارج العينة.
تبدأ العملية بـ:
15% تعلم → 5% بيانات خارج العينة غير مرئية تمامًا
إذا اجتاز النموذج أول فترة خارج العينة، تتحرك العملية للأمام وتتكرر:
15% تعلم → 5% خارج العينة
15% تعلم → 5% خارج العينة
15% تعلم → 5% خارج العينة
15% تعلم → 5% خارج العينة
15% تعلم → 5% خارج العينة
هذا يخلق خمس فترات تحقق منفصلة خارج العينة.
لا تُستخدم بيانات خارج العينة لتدريب النموذج.
والأهم من ذلك، إذا أظهرت أي فترة خارج العينة تدهورًا يتجاوز المعايير المطلوبة، يتم رفض النموذج وتبدأ عملية التعلم بأكملها من جديد.
لا يتم ترقيعه.
لا يتم تعديله يدويًا.
تبدأ عملية التدريب من جديد.
يتم الاحتفاظ فقط بالنماذج القادرة على البقاء خلال تسلسل كامل من الفترات غير المرئية.
يضع هذا النهج التركيز على التعميم والسلوك خارج العينة، بدلاً من مجرد ملاءمة البيانات التاريخية.
كيف يتداول Azimuth
يستخدم Azimuth تنفيذ السوق المباشر بدلاً من نهج الأوامر المعلقة المستخدم في Meridian.
عندما يحدد النموذج فرصة صالحة، ينفذ النظام مباشرة في السوق.
يقيم النموذج باستمرار التمثيل الداخلي للسوق ويحدد ما إذا كانت البنية الحالية توفر فرصة تداول صالحة.
بمجرد فتح مركز:
- النظام لا يقوم بالتقليل من المتوسط.
- لا يوجد شبكة تداول.
- لا يوجد مارتينجال.
- للمراكز عمر أقصى محدد.
- يتم تحديد معايير المخاطرة وفقًا لتقييم السوق الحالي للنموذج.
الهدف هو السماح للنموذج باتخاذ القرار بنفسه بدلاً من إحاطة الشبكة بمجموعة كبيرة من قواعد التداول الثابتة.
تردد تداول مرتفع
يجمع تمثيله الداخلي للسوق، وتنفيذ السوق المباشر، والبنية معًا ليؤدي إلى تردد تداول مرتفع.
الملخص
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%.
