Azimuth: การตัดสินใจด้วยระบบประสาทเฉพาะสำหรับทองคำ

Azimuth สร้างขึ้นบนพื้นฐานเฉพาะเดียวกับ Meridian แต่แนะนำการแทนตลาดภายในที่แตกต่างและสถาปัตยกรรมที่ก้าวหน้ามากขึ้น

แทนที่จะพึ่งพาแท่งเทียนตามกรอบเวลาทั่วไปโดยตรง Azimuth ใช้ โครงสร้างแท่งกำหนดเองภายในที่สร้างขึ้นโดยตรงจากข้อมูลทิก แท่งเหล่านี้ถูกสร้างขึ้นจากกิจกรรมตลาดแทนที่จะเป็นเพียงแค่การผ่านของเวลา

ด้วยเหตุนี้ ข้อมูลทิกจึงมีความสำคัญเมื่อทดสอบ Azimuth ระบบควรได้รับการทดสอบเสมอโดยใช้ ทิก ไม่ว่าจะเลือกกรอบเวลาคลาสสิกใดใน Strategy Tester ก็ตาม

ผลลัพธ์คือโมเดลที่ไม่ขึ้นอยู่เฉพาะกับวิธีที่โบรกเกอร์รวบรวมตลาดเป็นแท่งเทียน M1, M5, M15 หรือ H1 แบบดั้งเดิม

สถาปัตยกรรมระบบประสาท

โมเดลนี้อิงตามโครงสร้างระบบประสาทเฉพาะเดียวกันที่ใช้เป็นพื้นฐานของ Meridian ซึ่ง เซลล์ประสาทเองได้รับการนิยามใหม่.

เครือข่ายประสาททั่วไปโดยพื้นฐานจะพึ่งพาเซลล์ประสาทที่รวบรวมข้อมูลนำเข้าก่อนส่งผ่านข้อมูลที่ได้ผ่านฟังก์ชันการกระตุ้น สถาปัตยกรรมนี้มีพลังมากและทำงานได้ดีสำหรับปัญหาหลายประเภท

อย่างไรก็ตาม ตลาดการเงินเป็นสิ่งที่ยากเป็นพิเศษในการสร้างแบบจำลอง

ความสัมพันธ์ระหว่างข้อมูลนำเข้าตลาดสองตัวสามารถเปลี่ยนแปลงได้ขึ้นอยู่กับบริบท ความผันผวน โครงสร้างล่าสุด และพฤติกรรมที่เกิดขึ้นก่อนสัญญาณปัจจุบัน ดังนั้นข้อมูลนำเข้าตัวเดียวกันจึงอาจมีความหมายที่แตกต่างกันอย่างสิ้นเชิงภายใต้สภาวะตลาดที่แตกต่างกัน

Azimuth และ Meridian ถูกออกแบบโดยรอบ โทโพโลยีภายในที่แตกต่างกัน ซึ่งสร้างขึ้นโดยเฉพาะเพื่อประมวลผลความสัมพันธ์ที่ไม่เชิงเส้นเหล่านี้

แทนที่จะปฏิบัติต่อข้อมูลนำเข้าทุกตัวเป็นสัญญาณอิสระที่เพียงแค่มีส่วนร่วมในคะแนนสุดท้าย โครงสร้างนี้ถูกออกแบบมาเพื่อวิเคราะห์ว่าข้อมูลมีปฏิสัมพันธ์และพัฒนาอย่างไรภายในเครือข่าย

สิ่งนี้ช่วยให้โมเดลทำงานกับความสัมพันธ์ที่ซับซ้อนมากขึ้นระหว่างข้อมูลนำเข้าและตอบสนองต่อโครงสร้างของสัญญาณแทนที่จะเพียงแค่รวมสัญญาณเข้าด้วยกัน

สถาปัตยกรรมนี้เป็นกรรมสิทธิ์และโทโพโลยีภายในไม่ได้ถูกเปิดเผย

ออกแบบสำหรับตลาดที่ไม่คงที่

ตลาดการเงินไม่ใช่ระบบที่คงที่

ความผันผวนเปลี่ยนแปลง โครงสร้างตลาดเปลี่ยนแปลง ความสัมพันธ์ระหว่างตัวแปรต่าง ๆ เปลี่ยนแปลง พฤติกรรมที่เคยทำกำไรในช่วงเวลาหนึ่งอาจหายไปอย่างสิ้นเชิงในช่วงเวลาอื่น

นี่คือหนึ่งในเหตุผลหลักที่ทำให้โมเดลดูยอดเยี่ยมบนข้อมูลประวัติศาสตร์แต่แสดงพฤติกรรมที่แตกต่างอย่างมากเมื่อเจอกับข้อมูลที่ไม่เคยเห็นมาก่อน

Azimuth ถูกออกแบบโดยคำนึงถึงปัญหานี้

วัตถุประสงค์ไม่ใช่การหาการกำหนดค่าที่อธิบายช่วงเวลาประวัติศาสตร์ได้อย่างสมบูรณ์แบบ แต่เป็นการหโมเดลที่สามารถ ทำงานได้อย่างถูกต้องต่อไปเมื่อข้อมูลเปลี่ยนแปลง.

การฝึกอบรมแบบเดินหน้า

กระบวนการฝึกอบรมเป็นส่วนที่สำคัญที่สุดส่วนหนึ่งของ Azimuth

โมเดลไม่ได้รับการฝึกอบรมบนชุดข้อมูลประวัติศาสตร์ขนาดใหญ่ชุดเดียวและยอมรับเพียงเพราะเส้นโค้งส่วนของทุนสุดท้ายดูดี

แต่ Azimuth ถูกฝึกผ่าน เมทริกซ์เดินหน้าพร้อมช่วงเวลานอกตัวอย่างอิสระหลายช่วง.

กระบวนการเริ่มต้นด้วย:

15% การเรียนรู้ → 5% ข้อมูล OOS ที่ไม่เคยเห็นมาก่อน

ถ้าโมเดลผ่านช่วง OOS แรก กระบวนการจะเดินหน้าต่อและทำซ้ำ:

15% การเรียนรู้ → 5% OOS
15% การเรียนรู้ → 5% OOS
15% การเรียนรู้ → 5% OOS
15% การเรียนรู้ → 5% OOS
15% การเรียนรู้ → 5% OOS

สิ่งนี้สร้าง ห้าช่วงเวลาการตรวจสอบนอกตัวอย่างแยกกัน.

ข้อมูล OOS ไม่ได้ใช้ในการฝึกโมเดล

ที่สำคัญกว่านั้น หากช่วงเวลา OOS ใดแสดงการเสื่อมสภาพเกินกว่ามาตรฐานที่กำหนด โมเดลจะถูก ทิ้ง และกระบวนการเรียนรู้ทั้งหมดจะเริ่มต้นใหม่

จะไม่มีการแก้ไข
จะไม่มีการปรับด้วยมือ
กระบวนการฝึกอบรมจะเริ่มใหม่

มีเพียงโมเดลที่สามารถรอดชีวิตจากลำดับเต็มของช่วงเวลาที่ไม่เคยเห็นมาก่อนเท่านั้นที่ถูกเก็บไว้

แนวทางนี้เน้นที่ การทั่วไปและพฤติกรรมนอกตัวอย่าง แทนที่จะเป็นเพียงการปรับให้เข้ากับข้อมูลประวัติศาสตร์

วิธีการเทรดของ Azimuth

Azimuth ใช้ การดำเนินการตลาดโดยตรง แทนวิธีการสั่งซื้อรอดำเนินการที่ใช้โดย Meridian

เมื่อโมเดลระบุโอกาสที่ถูกต้อง ระบบจะดำเนินการโดยตรงที่ตลาด

โมเดลประเมินการแทนตลาดภายในอย่างต่อเนื่องและกำหนดว่าโครงสร้างปัจจุบันให้โอกาสการเทรดที่ถูกต้องหรือไม่

เมื่อเปิดตำแหน่ง:

• ระบบจะไม่เฉลี่ยลดราคา
• ไม่มีกริด
• ไม่มีมาร์ติงเกล
• ตำแหน่งมีอายุสูงสุดที่กำหนดไว้
• พารามิเตอร์ความเสี่ยงถูกกำหนดตามการประเมินตลาดปัจจุบันของโมเดล

วัตถุประสงค์คือเพื่อให้โมเดลตัดสินใจเอง แทนที่จะล้อมรอบเครือข่ายด้วยชุดกฎการเทรดที่ตายตัวจำนวนมาก

ความถี่การเทรดสูง

การผสมผสานของการแทนตลาดภายใน การดำเนินการตลาดโดยตรง และสถาปัตยกรรม ส่งผลให้เกิด ความถี่การเทรดสูง.