Discusión sobre el artículo "Redes neuronales en el trading: Clusterización doble de series temporales (Final)"

[MetaQuotes]

Artículo publicado Redes neuronales en el trading: Clusterización doble de series temporales (Final):

Continuamos implementando los enfoques propuestos por los autores del framework DUET, que ofrece un enfoque innovador para el análisis de series temporales, combinando la clusterización temporal y de canales para identificar patrones ocultos en los datos analizados.

Para entrenar los modelos, vamos a formar una muestra de datos históricos del par de divisas EURUSD, marco temporal M1 para todo el año 2024. En el proceso de recogida de datos, se usan los parámetros por defecto del indicador.

El entrenamiento del modelo se realiza en dos fases. En primer lugar, fijamos el tamaño del paquete en 1 para seleccionar un estado aleatorio de la muestra de entrenamiento en cada iteración. Esto ayudará al modelo a adaptarse al nuevo entorno. Sin embargo, esto no resulta suficiente para el correcto funcionamiento de la unidad de gestión de riesgos. Por lo tanto, en la segunda fase de entrenamiento, vamos a aumentar el tamaño de los paquetes a 60, lo cual nos permitirá considerar una secuencia de 60 estados del entorno y las correspondientes acciones del Actor. Esto hace que el aprendizaje sea más estable y eficaz.

El modelo entrenado se pondrá a prueba con los datos históricos de enero-febrero de 2025. Todos los ajustes se guardarán, lo que permite evaluar objetivamente la calidad de las previsiones. Ahora le presentamos los resultados de las pruebas.

Autor: Dmitriy Gizlyk