Discusión sobre el artículo "Aprendizaje automático y Data Science (Parte 13): Analizamos el mercado financiero usando el análisis de componentes principales (ACP)"
Preguntas: ¿Qué indicadores tienen una correlación inversa? ¿Puede variar este indicador en función del activo y de los parámetros? En este programa, ¿se pueden insertar otros indicadores en el manipulador para poder evaluarlos conjuntamente? ¡Vuestros artículos son geniales! ¡Muchas gracias!
Dudas: 1 - ¿Cuáles son los 3 indicadores? Están inversamente correlacionados entre sí. ¿Es correcto? 2 - ¿Se puede cambiar el programa para insertar más indicadores? Indicadores de tendencia como la media móvil y el indicador de volumen en el programa? 3 - ¿Este resultado de los 3 indicadores cambia para cada activo, marco de tiempo y parámetros respectivos?
gracias por leer mi artículo, hay un montón de ideas e indicadores para jugar con este programa. No puedo explorar todos ellos tbh yo sugeriría descargar el programa y jugar con él como creo que el artículo es muy claro. Nadie puede hacer el trabajo por usted especialmente para usted, especialmente de forma gratuita.
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Aprendizaje automático y Data Science (Parte 13): Analizamos el mercado financiero usando el análisis de componentes principales (ACP):
Hoy intentaremos mejorar cualitativamente el análisis de los mercados financieros utilizando el Análisis de Componentes Principales (ACP). Asimismo, aprenderemos cómo este método puede ayudarnos a identificar patrones ocultos en los datos, detectar tendencias ocultas del mercado y optimizar las estrategias de inversión. En este artículo veremos cómo el método de ACP aporta una nueva perspectiva al análisis de datos financieros complejos, ayudándonos a ver ideas que hemos pasado por alto con los enfoques tradicionales. ¿La aplicación del método ACP en estos mercados financieros ofrece una ventaja competitiva y ayuda a ir un paso por delante?
El método de componentes principales es un método de reducción de la dimensionalidad que a menudo se usa para reducir la dimensionalidad de grandes conjuntos de datos convirtiendo un conjunto de variables voluminoso en un conjunto más pequeño que sigue conteniendo la mayor parte de la información del conjunto grande.
Reducir el número de variables de una muestra suele tener como contrapartida una menor precisión, pero el truco para reducir la dimensionalidad consiste en sacrificar un poco de precisión para lograr una mayor simplificación. Usted y yo sabemos que un número reducido de variables en un conjunto de datos es más fácil de investigar y visualizar, y el propio análisis de datos resulta mucho más simple y rápido para los algoritmos de aprendizaje automático. Personalmente, no creo que elegir la sencillez a cambio de la precisión sea algo malo cuando se trata del ámbito del trading. Precisión no implica necesariamente beneficio.
La idea básica del método es simple: reducir el número de variables del conjunto de datos conservando toda la información posible. Veamos los pasos que componen el algoritmo del método de componentes principales.
Autor: Omega J Msigwa