ORION
24-канальный дневной импульсный свинг с богатыми индикаторами
Созвездие охотника, что отслеживает по небу
ЧтоORIONделает
Флагман. ORION потребляет 24 канала (OHLCV + 19 технических индикаторов) и предсказывает распределение цен на неделю вперёд. Сильнейшее направленное мастерство 1:1 R/R в семействе.
Конфлюенция множества индикаторов, свинг-горизонт следования за трендом
Как это работает
ORION — это трансформер внимания с факторизованными каналами и временными шагами. Он рассматривает контекстное окно длиной в 120 бар из 24 входных каналов и предсказывает полное распределение следующего 5 бара.
Прямой проход: входные OHLCV + каналы индикаторов → патч-встраивание → чередующиеся слои внимания пространства/времени → агрегирование в одно встраивание → MLP-головка предсказывает 7 уровней квантилей на шаг горизонта.
Входные каналы
Каждый бар z-нормализуется по окну, используя только контекстную статистику, поэтому модель видит относительные изменения, а не абсолютные цены.
Выходные данные
Данные и обучение
Вселенная
148символы
TOP_500_LIQUID
Символы — это ликвидные, торгуемые инструменты, которые образуютORION Обучающая популяция. Каждый цикл прогнозирования проводит прямой тест на той же вселенной, поэтому показатели производительности не выбираются выборочно.
Почему это обучающее окно
Мы намеренно исключаем данные до 2010 года. Период до десятичных дробей (дробные котировки до апреля 2001), до-HFT-режим (≤2007) и кредитный кризис 2007-2009 годов отражают структуру рынка, которая больше не существует. При14.5 M параметрах трата производительности на этот режим представляет собой шум, конкурирующий за веса с текущим рынком — Лопес де Прадо (2018) определяет нестационарность режима как основную причину отказа финансового машинного обучения.
Чувствительность: пилотный запуск, обученный на данных 2003-2022, показал валидационную потерю на 10-12% хуже, чем запуск с данными с 2010 года.
Реальная производительность
Каждое предсказание, которое делаетORION логируется и в реальном времени оценивается по порогам. Эти цифры отражают только закрытые сделки и постоянно обновляются.
Прошлые результаты не гарантируют будущих. Результаты предварительного тестирования отражают симуляцию барьеров R/R 1:3; реальные результаты могут отличаться из-за проскальзывания, спредов и ликвидности.
Честные ограничения
Проверка воздействия в бычьем режиме
Окно вне выборки в 15 недель приходилось на период с бычьим уклоном. Производительность модели в медвежьих режимах (стиль 2022-Q4) не проверена и, вероятно, значительно ниже.
Транзакционные издержки не учтены
Указанные доходности не учитывают комиссии за полный цикл (~0.05-0.30% по данным инструментам). Реальные доходности будут ниже; указанные числа являются верхними границами.
Обучение и тестирование на одних и тех же символах
Модель обучалась и тестировалась на одной и той же вселенной символов (временное разделение). Мы проверяем временную обобщаемость, а не обобщаемость на неизвестные тикеры.
В чем мы уверены
Направленное превосходство над случайностью (симметричный коэффициент вознаграждения 1:1) составляет 52.6%) и воспроизводимое обучение: мы переобучали с нуля 3+ раза с идентичными гиперпараметрами в пределах ±1% потерь на валидации.
Читайте полную статью
Публикация-глубокий технический отчет: очистка данных, глубокое погружение в архитектуру, динамика обучения, методология моделирования барьеров, результаты полного окна, анализ чувствительности и обсуждение честных ограничений. Около 7 000 слов.
Сравнение между Пятью
Каждая модель в группе Zirdle Five применяется для разных торговых режимов. Вернитесь к обзору, чтобы увидеть, как они сравниваются по показателям успеха, размеру вселенной и вневыборочной доходности.