Discusión sobre el artículo "Ejemplo de análisis de redes de causalidad (Causality Network Analysis, CNA) y modelo de autoregresión vectorial para la predicción de eventos de mercado"
Si ese EA te da problemas, puedes probar con este (es una versión más antigua y los gráficos no se igualan, pero lo acabo de probar y funciona).
Por favor, avisadme cuando un EA no funcione correctamente, porque de vez en cuando formateo el ordenador y pierdo todas las demás versiones.
Archivos adjuntos:
CNA_final_v7.mq5
181 kb
este no da errores, y es el que usaré para empezar a trabajar.
Archivos adjuntos:
Mi_bot_007.mq5
181 kb
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Ejemplo de análisis de redes de causalidad (Causality Network Analysis, CNA) y modelo de autoregresión vectorial para la predicción de eventos de mercado:
Este artículo presenta una guía completa para implementar un sistema comercial sofisticado utilizando análisis de red de causalidad (CNA) y autorregresión vectorial (Vector autoregression, VAR) en MQL5. Abarca los fundamentos teóricos de estos métodos, ofrece explicaciones detalladas de las funciones clave del algoritmo de negociación e incluye código de ejemplo para su aplicación.
En el mundo del trading algorítmico, un nuevo enfoque está ganando terreno entre los analistas cuantitativos y los traders por igual: el análisis de redes de causalidad para la predicción de eventos de mercado. Este sofisticado método combina el poder de la inferencia causal, la teoría de redes y el análisis predictivo para pronosticar eventos importantes del mercado con una precisión sin precedentes.
Imagine el mercado financiero como una red enorme e interconectada. Cada hilo representa una relación entre diferentes variables del mercado: precios de acciones, indicadores económicos, eventos geopolíticos y más. El análisis tradicional a menudo se centra en las correlaciones, pero como cualquier trader experimentado sabe, la correlación no siempre implica causalidad.
Aquí es donde entra en juego el análisis de redes de causalidad. Su objetivo es descubrir las verdaderas relaciones de causa y efecto dentro de esta compleja red. Al hacerlo, proporciona a los comerciantes una comprensión más profunda de la dinámica del mercado, lo que les permite anticipar eventos que podrían ser invisibles para el análisis convencional.
Autor: Javier Santiago Gaston De Iriarte Cabrera