Discusión sobre el artículo "Redes neuronales en el trading: Integración de la teoría del caos en la previsión de series temporales (Final)"

[MetaQuotes]

Artículo publicado Redes neuronales en el trading: Integración de la teoría del caos en la previsión de series temporales (Final):

Seguimos integrando en los modelos comerciales los métodos propuestos por los autores del framework Attraos. Recordemos que este framework usa conceptos de la teoría del caos para resolver problemas de previsión de series temporales, interpretándolos como proyecciones de sistemas dinámicos caóticos multidimensionales.

Los datos de enero-febrero de 2025 se utilizarán para probar el modelo entrenado. Hemos elegido este periodo para poner a prueba de forma rigurosa la capacidad del modelo para funcionar con datos nuevos, nunca antes vistos. Al mismo tiempo, todos los demás parámetros del experimento han permanecido inalterados, lo que garantiza la pureza del experimento, la reproducibilidad de los resultados y la corrección de la comparación posterior. Este enfoque elimina la influencia de factores aleatorios y permite evaluar objetivamente la calidad de los algoritmos.

Ahora le presentamos los resultados de las pruebas.

 

Durante el periodo de prueba, el modelo ha realizado 287 transacciones comerciales, de las que casi el 39% se han cerrado con beneficios. A pesar del porcentaje relativamente bajo de transacciones exitosas, la estrategia ha demostrado un resultado positivo debido a la relación beneficios/pérdidas. En particular, el beneficio medio de una transacción exitosa ha sido el doble de la pérdida media, lo que ha permitido compensar las transacciones con menos éxito, alcanzando un resultado financiero global positivo y fijando el factor de beneficio en 1,15.

El tiempo medio de mantenimiento de la posición ha superado las 2 horas, lo que indica la propensión del modelo a tomar decisiones comerciales a corto y medio plazo. Sin embargo, llama especialmente la atención el caso del mantenimiento máximo de posición, que ha ascendido a casi dos días. Este hecho requiere un análisis más profundo.

Autor: Dmitriy Gizlyk