Discusión sobre el artículo "Arbitraje triangular con predicciones"

 

Artículo publicado Arbitraje triangular con predicciones:

Este artículo simplifica el arbitraje triangular y le muestra cómo utilizar predicciones y software especializado para operar con divisas de forma más inteligente, incluso si es nuevo en el mercado. ¿Listo para operar con experiencia?

El arbitraje es algo muy curioso, está prohibido en las casas de apuestas deportivas. Imagina que tienes unas probabilidades de ganar de 1,25 para que el Real Madrid gane la Champions 2024, y el Borussia Dortmund tiene unas probabilidades de 3,60, eso significa que el Madrid tiene 100/1,25 = 80 % de probabilidades de ganar y el Borussia 27,7 % de ganar. Si sumas esos dos, tienes 107,7%, eso es porque las casas de apuestas quieren ganar dinero y ese 100% superior es su comisión. Pero, imagina que encuentras la casa de apuestas número 2 y te ofrece unas probabilidades de que el Borussia gane del 19%, unas probabilidades de 5,26. Luego podrías apostar en la casa de apuestas número 1 al Real Madrid y en la casa de apuestas número 2 al Borussia, y si apuestas la cantidad adecuada a cada equipo, ganarás dinero en el partido, porque ambos suman menos del 100%. Esta es una forma sencilla de explicar por qué está prohibido apostar en deportes y qué es el arbitraje.

Imagina que eres una persona "legal" y no quieres que te cierren tu cuenta deportiva haciendo arbitraje, sabes que incluso si apuestas por el Madrid, podrías hacer arbitraje "legal" si esperas al minuto 70' del partido si empata o esperas a que marque el Real Madrid para tener esas cuotas para el Borussia y tener un triunfo-ganador... esto parece un poco arriesgado, pero aquí es donde podemos sacar partido del Deep Learning, sabemos que el Real Madrid va a marcar, así que vas a tener esas cuotas con un 98% de probabilidades (esto lo sabemos con la cointegración entre las predicciones y los valores reales). Esto es lo nuevo en Deep Learning y Arbitrage.

Autor: Javier Santiago Gaston De Iriarte Cabrera

 
MetaQuotes:

Echa un vistazo al nuevo artículo: Arbitraje triangular con predicciones.

Autor: Javier Santiago Gastón De Iriarte Cabrera

Gracias Javier, por el artículo. Muy educativo.
 

Gracias, esto es esclarecedor.

 
Isaac Amo #:
Gracias Javier, por el artículo. Muy educativo.

De nada. Gracias.

 
Clemence Benjamin #:

Gracias, esto es esclarecedor.

Gracias, gracias.

 

¡Gracias! Muy buen artículo.
Quiero hacerte una pregunta: ¿sabes cómo vender EAs que incorporen modelos ONNX?

Estaba pensando en usar OnnxCreateFromBuffer con un array de bytes representando el modelo ONNX, pero no sé si es la mejor solución.

Gracias.

 
Emanuele Mastronardi #:

¡Gracias! Muy buen artículo.
Quiero hacerte una pregunta: ¿sabes cómo vender EAs que incorporan modelos ONNX?

Estaba pensando en usar OnnxCreateFromBuffer con un array de bytes representando el modelo ONNX, pero no estoy seguro de que sea la mejor solución.

Gracias.

Sí, lo he probado alguna vez... pero no sé por qué algunos EAs consiguen muchas ventas y otros no.

El problema de un EA con modelos, es que tienes que mantenerlo actualizado, por lo que no puedes vender un bot, tienes que vender una suscripción.

Otro problema es que tienes que tener un modelo para cada periodo de tiempo y cada símbolo.

Espero que esto responda a algunas preguntas.

Los modelos ONNX se utilizan para transportar a otros idiomas. También puedes crear una NN con mql5.

Pero sí, también me gustaría vender bots.

 
Javier Santiago Gaston De Iriarte Cabrera #:

Sí, lo he probado alguna vez... pero no sé por qué algunos EA consiguen muchas ventas y otros no.

El problema de un EA con modelos, es que tienes que mantenerlo actualizado, así que no puedes vender un bot, tienes que vender una suscripción.

Otro problema es que tienes que tener un modelo para cada periodo de tiempo y cada símbolo.

Espero que esto responda a algunas preguntas.

Los modelos ONNX se utilizan para transportar a otros idiomas. También puedes crear una NN con mql5.

Pero sí, también me gustaría vender bots.

hola! gracias por tu respuesta.
finalmente he conseguido importar el modelo onnx convirtiendolo a bytes en python e incluyendolo directamente como un array uchar en mql5.
Sí, ciertamente incluir un modelo onnx en ea implica un cuidado extra y limitaciones, aunque es muy cómodo.
Como bien dices está limitado al timeframe y al símbolo utilizado durante el entrenamiento, lo cual es evitable si incluyes una librería de una red neuronal directamente en mql5.
Nosotros utilizamos lstm como tipo de red neuronal y he encontrado una librería gratuita en mql5.
Obviamente entrenar la red en python conlleva muchas ventajas, pero intentaré usar esa librería para que la red se "adapte" a cualquier marco temporal y a cualquier símbolo.
Otra ventaja es que podría configurar un reentrenamiento automático cada pocos timeframes.
¡Estaría muy bien que tuvieras en cuenta este aspecto y que hicieras un artículo!
Gracias de nuevo

https://www.mql5.com/es/code/24200

LSTM Neural Network
LSTM Neural Network
  • www.mql5.com
Long Short-Term Memory Neural Network - for time series analysis.
 
Gianvito Fiume #:
gracias por su respuesta.
finalmente he conseguido importar el modelo onnx convirtiendolo a bytes en python e incluyendolo directamente como un array uchar en mql5.
Sí, ciertamente incluir un modelo onnx en ea implica cuidados y limitaciones extra, aunque es muy cómodo.
Como bien dices está limitado al timeframe y al símbolo utilizado durante el entrenamiento, lo cual es evitable si incluyes una librería de una red neuronal directamente en mql5.
Nosotros utilizamos lstm como tipo de red neuronal y he encontrado una librería gratuita en mql5.
Obviamente entrenar la red en python conlleva muchas ventajas, pero intentaré usar esa librería para que la red se "adapte" a cualquier timeframe y a cualquier símbolo.
Otra ventaja es que podría configurar un reentrenamiento automático cada varios timeframes.
¡Estaría muy bien que tuvieras en cuenta este aspecto y que hicieras un artículo!
Gracias de nuevo

https://www.mql5.com/es/code/24200

Hola, ¡gracias!

En este artículo, el EA tiene utiliza dll para ejecutar un script py, y uno de los scripts py es uno para crear un modelo onnx. Te puede ayudar.

Análisis de Sentimiento y Deep Learning para Trading con EA y Backtesting con Python - MQL5 Artículos

Sentiment Analysis and Deep Learning for Trading with EA and Backtesting with Python
Sentiment Analysis and Deep Learning for Trading with EA and Backtesting with Python
  • www.mql5.com
In this article, we will introduce Sentiment Analysis and ONNX Models with Python to be used in an EA. One script runs a trained ONNX model from TensorFlow for deep learning predictions, while another fetches news headlines and quantifies sentiment using AI.
 

Además de la traducción del texto de MQ, necesitamos una auditoría mínima de la descripción de las acciones descritas por los autores en sus artículos.

Según entendí del código, aunque no conozco suficientemente este lenguaje de programación, el autor normaliza todo el conjunto de datos y luego lo divide en dos submuestras.

scaler=MinMaxScaler(feature_range=(0,1))

Entrena modelos que contienen indirectamente información sobre el futuro, y da una evaluación elogiosa del resultado. Espero que el autor no lo haga intencionadamente, de lo contrario ya es una falsificación, que provocará la fuga de los depósitos de los lectores.

Del artículo no entendí cómo se resuelve el tema del precio de un punto en la moneda del depósito. ¿Por qué pusieron VS?

 
Hola, estoy probando tu modelo, pero no me sale el cálculo. Por qué debo abrir EURUSD con 3 lotes y luego abrir los otros dos pares con prácticamente 0.02 lotes, ¿cuál es el punto?