Z przyjemnością informujemy o ukazaniu się najnowszego artykułu naukowego pt. „Self-augmenting technical indicator with recurrent reinforcement learning: evidence from Forex markets”, opublikowanego w czasopiśmie Decision (wydawnictwo Springer). Autorami pracy są badacze z Uniwersytetu Ekonomicznego w Katowicach: dr Tomasz Witkowski, prof. Tomasz Wachowicz oraz prof. Krzysztof Kania. Artykuł podejmuje temat efektywności klasycznych narzędzi analizy technicznej na rynku walutowym (Forex) oraz możliwości ich wzbogacenia przy użyciu algorytmów sztucznej inteligencji.

Artykuł opublikowano w otwartym dostępie i można zapoznać się z nim ściągając plik bezpośrednio ze strony wydawcy pod linkiem: https://link.springer.com/article/10.1007/s40622-026-00479-x 

O czym jest artykuł? (Ujęcie merytoryczne) Merytorycznie praca skupia się na rozwiązaniu ograniczeń tradycyjnych wskaźników analizy technicznej (takich jak MACD), które generują sygnały decyzyjne jedynie na podstawie bieżących wartości lub sztywnych progów. Doświadczeni inwestorzy, podejmując decyzje, analizują całe kształty i sekwencje historyczne na wykresach. Autorzy zbadali, czy krótkoterminowa trajektoria wskaźnika zawiera ukryte informacje, które powtarzalnie pozwalają poprawić wyniki inwestycyjne. Badania przeprowadzone na ośmiu popularnych parach walutowych wykazały, że uwzględnienie dynamiki zmian wskaźnika pozwala generować wyższe stopy zwrotu skorygowane o ryzyko (mierzone wskaźnikiem Sharpe’a) w porównaniu ze standardowymi, optymalizowanymi regułami handlowymi.

Podejście badawcze (Ujęcie metodologiczne) Pod względem metodologicznym w artykule zaprezentowano minimalistyczny i lekki model oparty na powracającym uczeniu ze wzmocnieniem (Recurrent Reinforcement Learning, RRL). Zamiast wprowadzania złożonych zbiorów danych i setek zmiennych, agent RRL otrzymuje jedynie sekwencję ostatnich 12 odczytów wskaźnika MACD, jego bieżący sygnał oraz aktualną pozycję rynkową. Model – oparty na dwuwarstwowej sieci neuronowej – bezpośrednio optymalizuje wskaźnik Sharpe’a i decyduje o ewentualnym odchyleniu od bazowej reguły. Metodę poddano rygorystycznym testom odpornościowym na danych spoza próby z lat 2022–2025 (obejmujących m.in. wybuch wojny w Ukrainie i cykl zacieśniania polityki pieniężnej), co potwierdziło jej skuteczność w zmiennych warunkach rynkowych.