설명
방위각: 금을 위한 독점 신경망 의사결정
Azimuth는 Meridian과 동일한 독점 기반 위에 구축되었지만, 다른 내부 시장 표현과 더 발전된 아키텍처를 도입합니다.
전통적인 시간 프레임 캔들에 직접 의존하는 대신, Azimuth는 틱 데이터에서 직접 구축된 내부 맞춤 바 구조를 사용합니다. 이 바들은 단순히 시간의 흐름이 아니라 시장 활동에서 생성됩니다.
이 때문에, Azimuth를 테스트할 때는 틱 데이터가 필수적입니다. 전략 테스터에서 어떤 고전적인 시간 프레임이 선택되었든 상관없이 항상 틱을 사용하여 시스템을 테스트해야 합니다.
그 결과, 모델은 브로커가 시장을 전통적인 M1, M5, M15 또는 H1 캔들로 집계하는 방식에만 의존하지 않습니다.
신경망 아키텍처
이 모델은 Meridian의 기반으로 사용된 동일한 독점 신경망 구조를 기반으로 하며, 여기서 뉴런 자체가 재정의되었습니다.
전통적인 신경망은 기본적으로 뉴런이 입력을 집계한 후 활성화 함수를 통해 결과 정보를 전달하는 방식에 의존합니다. 이 아키텍처는 매우 강력하며 많은 문제 유형에 잘 작동합니다.
하지만 금융 시장은 특히 모델링하기 어렵습니다.
두 시장 입력 간의 관계는 상황, 변동성, 최근 구조 및 현재 신호 이전의 행동에 따라 달라질 수 있습니다. 따라서 동일한 입력도 다른 시장 조건에서는 완전히 다른 의미를 가질 수 있습니다.
Azimuth와 Meridian은 비선형 관계를 처리하도록 특별히 구축된 다른 내부 토폴로지를 중심으로 설계되었습니다.
모든 입력을 단순히 최종 점수에 기여하는 독립 신호로 처리하는 대신, 이 구조는 정보가 네트워크 내에서 어떻게 상호작용하고 발전하는지를 분석하도록 설계되었습니다.
이로 인해 모델은 입력 간의 더 복잡한 관계를 다룰 수 있고 신호를 단순히 더하는 대신 신호의 구조에 반응할 수 있습니다.
이 아키텍처는 독점적이며 내부 토폴로지는 공개되지 않습니다.
비정상 시장을 위한 설계
금융 시장은 정적인 시스템이 아닙니다.
변동성이 변합니다. 시장 구조가 변합니다. 다양한 변수 간의 관계가 변합니다. 한 시기에 수익성이 있었던 행동이 다른 시기에는 완전히 사라질 수 있습니다.
이것이 모델이 과거 데이터에서 뛰어나 보이다가 미지의 데이터에 노출되면 매우 다르게 행동하는 주요 이유 중 하나입니다.
Azimuth는 이 문제를 염두에 두고 설계되었습니다.
목표는 하나의 과거 기간을 완벽하게 설명하는 구성을 찾는 것이 아니라, 데이터가 변해도 계속 올바르게 작동할 수 있는 모델을 찾는 것입니다.
워크포워드 학습
학습 과정은 Azimuth에서 가장 중요한 부분 중 하나입니다.
모델은 하나의 큰 과거 데이터셋에서 학습되고 최종 자본 곡선이 좋아 보인다는 이유만으로 수용되지 않습니다.
대신, Azimuth는 여러 독립적인 샘플 외 기간을 포함하는 워크포워드 매트릭스를 통해 학습됩니다.
과정은 다음과 같이 시작됩니다:
15% 학습 → 5% 완전히 미지의 샘플 외 데이터
모델이 첫 번째 샘플 외 기간을 통과하면, 과정은 앞으로 진행되어 반복됩니다:
15% 학습 → 5% 샘플 외
15% 학습 → 5% 샘플 외
15% 학습 → 5% 샘플 외
15% 학습 → 5% 샘플 외
15% 학습 → 5% 샘플 외
이로써 다섯 개의 별도 샘플 외 검증 기간이 생성됩니다.
샘플 외 데이터는 모델 학습에 사용되지 않습니다.
더 중요한 것은, 어떤 샘플 외 기간이라도 요구 기준을 넘는 성능 저하를 보이면 모델은 폐기되고 전체 학습 과정이 다시 시작됩니다.
수정되지 않습니다.
수동으로 조정되지 않습니다.
학습 과정이 다시 시작됩니다.
미지의 기간 전체 시퀀스를 견딜 수 있는 모델만 유지됩니다.
이 접근법은 단순히 과거 데이터에 맞추는 대신 일반화와 샘플 외 행동에 중점을 둡니다.
Azimuth의 거래 방식
Azimuth는 Meridian에서 사용된 대기 주문 방식 대신 직접 시장 실행을 사용합니다.
모델이 유효한 기회를 식별하면 시스템은 시장에서 직접 실행합니다.
모델은 내부 시장 표현을 지속적으로 평가하며 현재 구조가 유효한 거래 기회를 제공하는지 판단합니다.
포지션이 열리면:
- 시스템은 평균 매수하지 않습니다.
- 그리드가 없습니다.
- 마틴게일이 없습니다.
- 포지션은 정의된 최대 수명을 가집니다.
- 위험 매개변수는 모델의 현재 시장 평가에 따라 결정됩니다.
목표는 고정된 거래 규칙 모음으로 네트워크를 둘러싸는 대신 모델이 스스로 결정을 내리도록 하는 것입니다.
높은 거래 빈도
내부 시장 표현, 직접 시장 실행 및 아키텍처의 조합으로 인해 높은 거래 빈도가 발생합니다.
