Discusión sobre el artículo "Uso de reglas de asociación en el análisis de datos de Forex"
Al parecer, se da por supuesto que el lector ya debe tener algún conocimiento de dicho método, y si no?
No entiendo las métricas que se mencionan, en particular:
Lift se ha convertido en mi indicador favorito. Después de cientos de horas de pruebas, me di cuenta de un patrón - las reglas con lift por encima de 1,5 realmente funcionan en el mercado real. Este descubrimiento influyó seriamente en mi enfoque del filtrado de señales.
Si entendí bien el método, se buscan señales correlacionadas en segmentos cuánticos. Pero no entendía el siguiente paso. ¿Cuál es el objetivo? Supongo que las reglas resultantes se cotejan con el objetivo y se evalúan en función de las métricas.
Si es así, se hace eco de mi método, y es interesante para evaluar el rendimiento y la eficiencia.
- 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 Uso de reglas de asociación en el análisis de datos de Forex:
Llevo mucho tiempo trabajando con datos y he observado que muchas ideas exitosas provienen de áreas relacionadas. Hoy quiero compartir mi experiencia sobre el uso de reglas de asociación en el trading. Este método ha demostrado su eficacia en el análisis minorista, permitiéndonos encontrar conexiones entre compras, transacciones, movimientos de precios y oferta y demanda futuras. ¿Qué pasa si lo aplicamos al mercado de divisas?
La idea básica es simple: buscamos patrones estables de comportamiento de precios, indicadores y sus combinaciones. Por ejemplo, ¿con qué frecuencia un aumento del EURUSD sigue a una caída del USDJPY? ¿O qué condiciones preceden con mayor frecuencia a los movimientos fuertes?
En este artículo, mostraré el proceso completo de creación de un sistema de trading basado en esta idea. Haremos lo siguiente:
¿Por qué esta combinación en particular? MQL5 es ideal para trabajar con datos bursátiles y automatizar operaciones bursátiles. A su vez, Python proporciona potentes herramientas para el análisis. Por mi experiencia, puedo decir que esa combinación es muy eficaz para desarrollar sistemas de trading.
El primer paso en el análisis es comprender la distribución de las principales métricas de las reglas encontradas. El gráfico de distribución de 'support', 'confidence', 'lift' y 'leverage' ayuda a evaluar la calidad de las reglas encontradas y, si es necesario, ajustar los parámetros del algoritmo.
Autor: Yevgeniy Koshtenko