Discusión sobre el artículo "Redes generativas antagónicas (GAN) para datos sintéticos en modelos financieros (Parte 2): Creación de símbolos sintéticos para pruebas"
En este artículo creamos un símbolo sintético utilizando una red generativa adversaria (Generative Adversarial Networks, GAN), lo que implica generar datos financieros realistas que imitan el comportamiento de instrumentos de mercado reales, como el EURUSD. El modelo GAN aprende patrones y volatilidad a partir de datos históricos del mercado y crea datos sintéticos de precios con características similares.
A continuación se muestra la ventana del gráfico de nuestro símbolo sintético «SYNTH_EURUSD»:
El símbolo sintético debe verificarse con datos reales del mercado una vez que se ha creado. El análisis utiliza pruebas estadísticas para comprobar si los dos conjuntos de datos se ajustan a sus patrones básicos. Nuestras pruebas verifican que los datos simulados se comportan como los datos reales del mercado, lo que garantiza la fiabilidad de las plataformas de negociación.
Para iniciar sesión y usar el sitio web MQL5.com es necesario permitir el uso de Сookies.
Por favor, active este ajuste en su navegador, de lo contrario, no podrá iniciar sesión.
Ha iniciado sesión. La autenticación de dos factores se ha desactivado. Vuelva a configurarla y escanee un nuevo código QR, o continúe con la autenticación de dos factores desactivada.
Artículo publicado Redes generativas antagónicas (GAN) para datos sintéticos en modelos financieros (Parte 2): Creación de símbolos sintéticos para pruebas:
A continuación se muestra la ventana del gráfico de nuestro símbolo sintético «SYNTH_EURUSD»:
El símbolo sintético debe verificarse con datos reales del mercado una vez que se ha creado. El análisis utiliza pruebas estadísticas para comprobar si los dos conjuntos de datos se ajustan a sus patrones básicos. Nuestras pruebas verifican que los datos simulados se comportan como los datos reales del mercado, lo que garantiza la fiabilidad de las plataformas de negociación.
Autor: LiviaObongo