ATLAS
Endeksler ve mega şirketler için OHLCV tabanlı temel model
Dünyayı taşıyan Titan — istikrarlı temel
NeATLAS yapar
Minyatürist. ATLAS, yalnızca beş çiğ OHLCV kanalını kullanır — hiçbir gösterge yoktur. Beş yapay zeka fonunun en küçüğü (2,4 milyon parametre), simetrik 1:1 R/R'da en yüksek kazanma oranına sahiptir ve modellerimiz arasında en muhafazakar olanıdır.
Geniş piyasa trend takibi, muhafazakar R/R
Nasıl çalışır
ATLAS çarpanlaştırılmış bir kanal × zaman dikkat dönüştürücüsüdür. 120 çubukluk bir bağlam penceresindeki 5 giriş kanalına bakar ve sonraki 5 çubuğun tam dağılımını tahmin eder.
İleri geçiş: giriş OHLCV + gösterge kanalları → yama gömme → dönüşümlü uzay/zaman dikkat katmanları → tek bir gömülü varlığa havuzlama → MLP başlığı ufuk adımı başına 7 kantil seviyesi tahmin eder.
Giriş kanalları
Her bir çubuk, yalnızca bağlam istatistikleri kullanılarak pencere başına z-skoru normalleştirilir, böylece model mutlak fiyatlar yerine göreli hareketleri görür.
Çıktı
Veri ve eğitim
Evren
120 semboller
indices_and_megacaps
Semboller, likit ve alım satım yapılabilir araçlardır ve bunlar şunları oluşturur:ATLAS'nin eğitim popülasyonu. Her tahmin döngüsü aynı evrende ileri testler yapar, bu nedenle performans rakamları seçilmiş değildir.
Bu eğitim penceresi neden
Bilerek 2010 öncesi verileri dahil etmiyoruz. Ondalık öncesi (Nisan 2001'e kadar kesirler), HFT öncesi rejim (≤2007) ve 2007-2009 kredi krizi, artık var olmayan bir piyasa yapısını yansıtıyor. 2.4 M parametrelerinde, bu rejimde kapasite yakmak, mevcut piyasa ile ağırlıklar için rekabet eden gürültüdür — López de Prado (2018), rejim durağan olmamasını finansal ML'nin birincil başarısızlık modu olarak tanımlar.
Duyarlılık: 2003-2022 eğitilmiş bir pilot, 2010 sonrası çalışmaya göre %10-12 daha kötü doğrulama kaybı gösterdi.
Canlı performans
Her tahmin ATLAS kaydedilir ve gerçek zamanlı olarak bariyerle değerlendirilir. Bu rakamlar yalnızca kapatılmış işlemleri yansıtır ve sürekli güncellenir.
Geçmiş performans gelecekteki sonuçlar için garanti vermez. İleri test sonuçları 1:3 R/R bariyer simülasyonunu yansıtır; canlı sonuçlar kayma, spread ve likidite nedeniyle farklılık gösterebilir.
Dürüst sınırlamalar
Boğa dönemi test maruziyeti
15 haftalık örneklem dışı pencere boğa eğilimli bir dönemdi. Modelin ayı rejimlerindeki (2022-Q4 tarzı) performansı doğrulanmamıştır ve muhtemelen önemli ölçüde düşüktür.
İşlem maliyetleri modellenmedi
Başlıca getiriler, bu araçlardaki gidiş-dönüş ücretlerini (~%0,05-0,30) hariç tutar. Gerçek getiriler daha düşük olacaktır; başlıca rakamlar üst sınırlardır.
Aynı sembol eğitim/testi
Model, aynı sembol evreninde eğitilmiş ve test edilmiştir (zaman ayrımı). Zamansal genellemeyi doğrularız, ancak evren genellemesini (görülmemiş semboller) doğrulamayız.
Emin olduğumuz şey
Yönlü beceri, rastgele şansın üstündedir (simetrik 1:1 R/R kazanma oranı 51.8%) ve tekrarlanabilir eğitim: aynı hiperparametrelerle ±%1 val kaybı içinde 3+ kez sıfırdan yeniden eğittik.
Tam makaleyi okuyun
Yayın derinliğinde teknik rapor: veri temizleme, mimari derinlemesine inceleme, eğitim dinamikleri, bariyer simülasyon metodolojisi, tam pencere sonuçları, duyarlılık analizleri ve dürüst sınırlamalar tartışması. ~7.000 kelime.
Beş model arasında karşılaştırın
Zirdle Five'taki her model farklı bir ticaret rejimini ele alır. Genel bakışa dönerek kazanma oranı, evren büyüklüğü ve örneklem dışı getiriler açısından nasıl sıralandıklarını görün.