Discusión sobre el artículo "Redes neuronales en el trading: Pipeline inteligente de predicciones (Final)"

[MetaQuotes]

Artículo publicado Redes neuronales en el trading: Pipeline inteligente de predicciones (Final):

Este artículo ofrecerá una visión fascinante de cómo la incorporación de SwiGLU revela patrones de mercado ocultos y cómo la escasa combinación de expertos dentro de Decoder-Only Transformer hace que las predicciones sean más precisas a un coste computacional razonable. En este trabajo, analizaremos con detalle la integración de Time-MoE en MQL5 y OpenCL, describiendo la configuración y el entrenamiento del modelo paso a paso.

El proceso de entrenamiento del modelo se ha dividido en dos etapas. Este enfoque nos ha permitido construir el sistema de forma coherente, fiable y sin prisas.

Primero, el entrenamiento offline. Utilizamos quince años de historia para el par EURUSD, marco temporal M1. Esto da al modelo una enorme variedad de situaciones de mercado diferentes. El Codificador ha aprendido a reconocer patrones, identificar los más significativos y codificar las condiciones del mercado en un vector de características compacto y completo. Este vector se convierte en la base de todas las decisiones que toma el agente. Durante el proceso de entrenamiento, el Actor domina la estrategia de comportamiento, recibiendo señales del Crítico y del Director.

Luego, la configuración online. Esta se realiza en el simulador de estrategias de MetaTrader 5. Aquí, el modelo interactúa con la historia de forma realista: vela por vela, con ruido de mercado, fluctuaciones aleatorias e inestabilidad. Esto ayuda a adaptar el comportamiento del agente a la dinámica del entorno real y a ajustar la estrategia en condiciones lo más parecidas posible a las reales.

Tras el entrenamiento, el modelo se ha probado con nuevos datos: cotizaciones correspondientes a enero de 2025. Todos los ajustes se ha fijado de antemano y no se han modificado. Esto garantiza la objetividad y la transparencia de la evaluación. Los resultados de la prueba se muestran a continuación.

Autor: Dmitriy Gizlyk

[[Eliminado]]

Por alguna razón, los intercambios vuelven a ser unidireccionales, como si el agente no aprendiera realmente nada. Sería interesante ver el balance en los datos de tendencia. No opencl, no se puede comprobar :)