Discusión sobre el artículo "Redes neuronales en el trading: Modelos bidimensionales del espacio de enlaces (Quimera)"

[MetaQuotes]

Artículo publicado Redes neuronales en el trading: Modelos bidimensionales del espacio de enlaces (Quimera):

Descubra el innovador framework Chimera, un modelo bidimensional de espacio de estados que utiliza redes neuronales para analizar series temporales multivariantes. Este método ofrece una gran precisión con un bajo coste computacional, superando a los enfoques tradicionales y a las arquitecturas de Transformer.

Los métodos estadísticos clásicos requieren un preprocesamiento significativo de los datos de origen y no siempre captan adecuadamente las dependencias no lineales complejas. Las arquitecturas de redes neuronales profundas han demostrado una gran expresividad, pero la complejidad computacional cuadrática de los modelos basados en la arquitectura de Transformer dificulta su aplicación a series temporales multivariantes con un gran número de características analizadas. Además, estos modelos no suelen distinguir entre componentes estacionales y a largo plazo, o usan supuestos rígidos a priori, lo que reduce su adaptabilidad en diferentes escenarios de aplicación.

Una de las soluciones a los problemas anteriores se propuso en el artículo "Chimera: Effectively Modeling Multivariate Time Series with 2-Dimensional State Space Models". El framework Quimera es un modelo bidimensional de espacio de estados (2D-SSM) que utiliza transformaciones lineales a lo largo de los ejes de tiempo y variables. El framework Quimera incluye tres componentes principales: los modelos de espacio de estados a lo largo de la dimensión temporal, a lo largo de las variables a analizar, y las transiciones transversales entre estas dimensiones. La parametrización de Chimera se basa en matrices diagonales compactas, por lo que es capaz de recuperar tanto los métodos estadísticos clásicos como las arquitecturas SSM modernas.

Además, Chimera utiliza la discretización adaptativa para considerar los patrones estacionales y las características de los sistemas dinámicos.

Autor: Dmitriy Gizlyk