Discusión sobre el artículo "Redes neuronales en el trading: Optimización LSTM para la previsión de series temporales multivariantes (DA-CG-LSTM)"

[MetaQuotes]

Artículo publicado Redes neuronales en el trading: Optimización LSTM para la previsión de series temporales multivariantes (DA-CG-LSTM):

En este artículo presentamos el algoritmo DA-CG-LSTM, que ofrece nuevos enfoques para el análisis y la previsión de series temporales. En él aprenderemos cómo los innovadores mecanismos de atención y la flexibilidad de los modelos mejoran la precisión de las predicciones.

El trading no son solo números en una pantalla: es un entorno dinámico en el que cada tick, cada vela, cada cambio en el volumen comercial supone un reflejo de las emociones, expectativas, temores y esperanzas humanas. Entender este ritmo, aprender a predecir hacia dónde se dirigirá el precio, es una tarea con la que luchan los tráders.

El enfoque se centra en series temporales multidimensionales. La forma clásica de presentar datos del mercado son: el precio del activo a lo largo del tiempo, el volumen de operaciones, indicadores, noticias, etc. Todos estos son datos que se pueden analizar, modelar y utilizar para realizar pronósticos.

Hasta hace no mucho, el mercado dependía de métodos clásicos probados en el tiempo, como ARIMA, SARIMA y otros. Estos modelos son cómodos, comprensibles y no requieren recursos informáticos colosales. Además, gestionaban bien la estacionalidad y las dependencias lineales, especialmente en condiciones de mercado tranquilas. Pero el mercado financiero no es estacionario, todo lo contario, es una mezcla: las noticias influyen en las expectativas, el sentimiento de los inversores cambia en segundos, las transacciones algorítmicas crean efectos de resonancia y todo esto da lugar a relaciones complejas, no lineales y a menudo caóticas. Los modelos tradicionales pueden indicar la dirección, pero no muestran los detalles.

Autor: Dmitriy Gizlyk

[Vladimir Sanin]

Hola. ¿Dónde puedo conseguir las bibliotecas NeuroNet.mqh, NeuroNet.cl, Trajectory.mqh?
¿Y cuáles son los parámetros exactos del modelo (tamaño de los datos de entrada, número de neuronas, optimizador)?

[Dmitriy Gizlyk]

Владимир #:
Hola. ¿Dónde se pueden conseguir las bibliotecas NeuroNet.mqh, NeuroNet.cl, Trajectory.mqh?
¿Y cuáles son los parámetros exactos del modelo (tamaño de los datos de entrada, número de neuronas, optimizador)?

Buenas tardes, Vladimir.

Todas las librerías NeuroNet.* se presentan en el archivo adjunto "MQL5\Experts\NeuroNet_DNG\NeuroNet.*", y Trajectory.mqh en "MQL5\Experts\DACGLSTM\Trajectory.mqh".

En el próximo artículo se presentará una descripción detallada de los modelos entrenados.