Opis
Azimuth: zastrzeżone podejmowanie decyzji neuronowych dla Złota
Azimuth opiera się na dokładnie tej samej zastrzeżonej podstawie co Meridian, ale wprowadza inną wewnętrzną reprezentację rynku oraz bardziej zaawansowaną architekturę.
Zamiast polegać bezpośrednio na konwencjonalnych świecach czasowych, Azimuth używa wewnętrznej niestandardowej struktury słupków zbudowanej bezpośrednio z danych tickowych. Słupki są generowane na podstawie aktywności rynkowej, a nie tylko upływu czasu.
Z tego powodu, dane tickowe są niezbędne podczas testowania Azimuth. System powinien być zawsze testowany przy użyciu tick, niezależnie od wybranego klasycznego interwału czasowego w Testerze Strategii.
W efekcie powstaje model, który nie zależy wyłącznie od sposobu, w jaki broker agreguje rynek w konwencjonalne świece M1, M5, M15 lub H1.
Architektura neuronowa
Model opiera się na tej samej zastrzeżonej strukturze neuronowej użytej jako podstawa Meridian, gdzie same neurony zostały zdefiniowane na nowo.
Konwencjonalna sieć neuronowa zasadniczo polega na tym, że neurony agregują swoje wejścia, zanim przekażą wynikową informację przez funkcję aktywacji. Ta architektura jest niezwykle potężna i dobrze sprawdza się w wielu klasach problemów.
Rynki finansowe są jednak szczególnie trudne do modelowania.
Relacja między dwoma wejściami rynkowymi może się zmieniać w zależności od kontekstu, zmienności, ostatniej struktury i zachowania, które poprzedzało aktualny sygnał. To samo wejście może więc mieć zupełnie inne znaczenie w różnych warunkach rynkowych.
Azimuth i Meridian są zaprojektowane wokół innej wewnętrznej topologii, specjalnie zbudowanej do przetwarzania tych nieliniowych relacji.
Zamiast traktować każde wejście jako niezależny sygnał, który po prostu przyczynia się do ostatecznego wyniku, struktura jest zaprojektowana tak, aby analizować, jak informacje wchodzą w interakcje i rozwijają się wewnątrz sieci.
Pozwala to modelowi pracować z bardziej złożonymi relacjami między jego wejściami i reagować na strukturę sygnału, zamiast po prostu sumować sygnały.
Architektura jest zastrzeżona, a jej wewnętrzna topologia nie jest ujawniana.
Zaprojektowane dla rynków niestacjonarnych
Rynki finansowe nie są systemami statycznymi.
Zmienność się zmienia. Struktura rynku się zmienia. Relacje między różnymi zmiennymi się zmieniają. Zachowanie, które było zyskowne w jednym okresie, może całkowicie zniknąć w innym.
To jedna z głównych przyczyn, dla których model może wyglądać wyjątkowo na danych historycznych, a następnie zachowywać się bardzo inaczej po wystawieniu na dane niewidziane wcześniej.
Azimuth został zaprojektowany z myślą o tym problemie.
Celem nie jest znalezienie konfiguracji, która idealnie wyjaśnia jeden okres historyczny. Celem jest znalezienie modelu, który może kontynuować poprawne zachowanie, gdy dane się zmieniają.
Trening krok po kroku (walk-forward)
Proces treningu jest jedną z najważniejszych części Azimuth.
Model nie jest trenowany na jednym dużym zbiorze danych historycznych i akceptowany tylko dlatego, że końcowa krzywa kapitału wygląda dobrze.
Zamiast tego Azimuth jest trenowany poprzez macierz walk-forward z wieloma niezależnymi okresami poza próbką (out-of-sample).
Proces zaczyna się od:
15% nauki → 5% całkowicie niewidzianych danych OOS
Jeśli model przejdzie pierwszy okres OOS, proces przesuwa się do przodu i powtarza:
15% nauki → 5% OOS
15% nauki → 5% OOS
15% nauki → 5% OOS
15% nauki → 5% OOS
15% nauki → 5% OOS
Tworzy to pięć oddzielnych okresów walidacji poza próbką.
Dane OOS nie są używane do trenowania modelu.
Co ważniejsze, jeśli którykolwiek okres OOS wykazuje pogorszenie przekraczające wymagane kryteria, model jest odrzucany i cały proces uczenia zaczyna się od nowa.
Nie jest łatany.
Nie jest ręcznie dostosowywany.
Proces treningu zaczyna się od nowa.
Zachowywane są tylko modele zdolne przetrwać pełną sekwencję niewidzianych okresów.
To podejście kładzie nacisk na generalizację i zachowanie poza próbką, zamiast po prostu dopasowywać dane historyczne.
Jak handluje Azimuth
Azimuth używa bezpośredniego wykonania na rynku zamiast podejścia zleceń oczekujących używanego przez Meridian.
Gdy model identyfikuje ważną okazję, system wykonuje zlecenie bezpośrednio na rynku.
Model nieustannie ocenia wewnętrzną reprezentację rynku i decyduje, czy aktualna struktura stanowi ważną okazję handlową.
Po otwarciu pozycji:
- System nie dokłada do stratnej pozycji.
- Nie ma siatki.
- Nie ma martingale.
- Pozycje mają określony maksymalny czas życia.
- Parametry ryzyka są ustalane zgodnie z aktualną oceną rynku przez model.
Celem jest pozwolenie modelowi na samodzielne podejmowanie decyzji, zamiast otaczania sieci dużą kolekcją stałych reguł handlowych.
Wysoka częstotliwość transakcji
Połączenie wewnętrznej reprezentacji rynku, bezpośredniego wykonania na rynku i architektury skutkuje wysoką częstotliwością transakcji.
