Discusión sobre el artículo "Redes neuronales en el trading: Aprendizaje contextual aumentado por memoria (Final)"

[MetaQuotes]

Artículo publicado Redes neuronales en el trading: Aprendizaje contextual aumentado por memoria (Final):

Hoy finalizaremos la implementación del framework MacroHFT para el comercio de criptomonedas de alta frecuencia, que utiliza el aprendizaje de refuerzo consciente del contexto y el aprendizaje con memoria para adaptarse a las condiciones dinámicas del mercado. Y al final de este artículo, probaremos los enfoques aplicados con datos históricos reales para evaluar su eficacia.

Hemos trabajado mucho para implementar nuestra propia visión de los enfoques propuestos por los autores del framework MacroHFT utilizando las herramientas MQL5. Ahora es el momento de evaluar la eficacia de los métodos aplicados usando datos históricos reales.

Cabe señalar que la aplicación presentada en este artículo difiere significativamente de la original, incluso en lo que respecta a los indicadores técnicos utilizados. Esto afectará sin duda a los resultados obtenidos, por lo que solo podremos hablar de una evaluación preliminar de la eficacia de los planteamientos aplicados en el contexto de estos cambios.

Para entrenar el modelo, utilizaremos los datos de EURUSD para 2024 en el marco temporal de un minuto (M1). Los parámetros de los indicadores analizados no se han modificado, lo que nos ha permitido centrarnos en la evaluación del rendimiento de los propios algoritmos y enfoques, excluyendo la influencia de los cambios en la configuración de los indicadores. El procedimiento para recoger la muestra de entrenamiento y entrenar el modelo se ha presentado más arriba.

Las pruebas del modelo entrenado se han realizado con los datos históricos disponibles de enero de 2025. Ahora le presentamos los resultados de las pruebas.

Autor: Dmitriy Gizlyk