Discusión sobre el artículo "Redes neuronales en el trading: Análisis de la situación del mercado usando el Transformador de patrones"

Nuevo comentario
 

Artículo publicado Redes neuronales en el trading: Análisis de la situación del mercado usando el Transformador de patrones:

A la hora de analizar la situación del mercado con nuestros modelos, el elemento clave es la vela. No obstante, sabemos desde hace tiempo que las velas pueden ayudar a predecir los movimientos futuros de los precios. Y en este artículo aprenderemos un método que nos permitirá integrar ambos enfoques.

En la última década, el aprendizaje profundo (DL) ha logrado avances significativos en diversos campos, y estos avances han atraído la atención de los investigadores de los mercados financieros. Inspirados por el éxito del DL, muchos tratan de utilizarlo para predecir tendencias de mercado y analizar relaciones complejas en los datos. Uno de los aspectos clave de un análisis de este tipo es una forma de presentación de los datos de origen que preserve las relaciones internas y la estructura de los instrumentos analizados. La mayoría de los modelos existentes trabajan con gráficos homogéneos, lo cual limita su capacidad para dar cuenta de la rica información semántica asociada a los patrones de mercado. De manera similar a los N-gramas en el procesamiento del lenguaje natural, los patrones de mercado que ocurren con frecuencia se pueden utilizar para identificar relaciones y predecir tendencias con mayor precisión.

Para resolver este enigma, hemos decidido tomar prestados algunos enfoques del campo del análisis de elementos químicos. Al igual que los patrones de mercado, los motivos (subgrafos significativos) suelen encontrarse en la estructura de las moléculas y pueden usarse para revelar propiedades moleculares. Le invito a familiarizarse con el marco Molformer, que se presentó en el artículo "Molformer: Motif-based Transformer on 3D Heterogeneous Molecular Graphs".

Los autores de Molformer, formulan como entradas del modelo un nuevo grafo molecular heterogéneo (Heterogeneous Molecular Graph — HMG) que consta de nodos tanto a nivel atómico como de motivo. Este ofrece una interfaz limpia para combinar nodos de distintos niveles y evita la propagación de los errores causados por una segmentación semántica incorrecta de los átomos. En cuanto a los motivos, los autores del método usan diferentes estrategias para distintos tipos de moléculas. Por un lado, en el caso de las moléculas pequeñas, el vocabulario de los motivos está definido por grupos funcionales basados en el conocimiento del dominio químico. Por otro, en el caso de las proteínas compuestas por aminoácidos consecutivos, se introduce un método de minería de motivos basado en el aprendizaje por refuerzo (RL) para detectar las subsecuencias de aminoácidos más significativas.


Autor: Dmitriy Gizlyk

 

Buenos días, no consigo colocar órdenes con el Asesor Experto test.mq5.

if(temp[0] >= temp[3])
     {
      temp[0] -= temp[3];
      temp[3] = 0;
     }
   else
     {
      temp[3] -= temp[0];
      temp[0] = 0;
     }
//--- comprar control
   if(temp[0] < min_lot || (temp[1] * MaxTP * Symb.Point()) <= 2 * stops || (temp[2] * MaxSL * Symb.Point()) <= stops)
     {
     ...
     }
   else
     {
      ...
     }
//--- vender control
   if(temp[3] < min_lot || (temp[4] * MaxTP * Symb.Point()) <= 2 * stops || (temp[5] * MaxSL * Symb.Point()) <= stops)
     {
...
     }
   else...

La cosa es que los elementos del array temp[0] y temp[3] son siempre menores que min_lot, ¿dónde puede estar mi error?

Nuevo comentario