Архитектура для обучения нейросетей
Задача
Используя технологии LSTM, GRU, RNN, SCRN, TL, DR, TD, DQN, рекуррентных нейросетей или глубокое обучение с подкреплением, Q обучение, gorila, возможно случайные симуляции, состязательные сети, байесовые вариации с GAN, аналоги PathNet, прочие новые алгоритмы или ансамбль нейросетей научить нейросеть принимать следующие варианты решения :
-открыть сделку на покупку
-открыть сделку на продажу
-ничего не делать
-закрыть любую из открытых сделок на покупку или продажу в прибыли или убытке
Принятие решения об объёме открываемой сделок в зависимости от достоверной степени точности прогноза (степень сочетаемости факторов при принятии решения)
Принятие решения о прогнозе движения на меньших Тайм-Фреймах, с учетом прогноза движения тренда на больших Тайм-Фреймах
Кроме цен у меня есть данные разных индикаторов и объёмы покупателей и продавцов
Обычная линейная регрессия и другие методы прогнозирования рядов мы пробовали – результаты не очень.
Так, чтобы стабильное соотношение процента прибыли на процент просадки было бы больше
Опубликован 16.06.2024 в 16:54