Discusión sobre el artículo "Redes neuronales en el trading: Pipeline inteligente de predicciones (Final)"
Gracias por compartir tus códigos. Hace ya un tiempo que sigo tus artículos. Todos parecen estar basados en publicaciones académicas muy recientes. Sin embargo, tengo problemas para compilarlos, ya que todos dan demasiados errores de sintaxis. Muchos de los errores provienen del archivo «NeuroNet.cl», que, si no me equivoco, es el núcleo de la computación OpenCL para «NeuroNet.mqh». Estoy seguro de que todos los códigos ya están compilados por tu parte. Por lo tanto, supongo que los problemas se deben a la versión de MQL que tengo yo, que podría ser diferente a la tuya. ¿Podrías darnos algunos detalles al respecto? ¡Gracias!
[L]as operaciones se realizan únicamente en posición larga[.]
En mi humilde opinión, un algoritmo que solo opera en largo probablemente sea más adecuado para un índice como el S&P 500, que presenta una tendencia alcista más constante.
Por supuesto, el EUR/USD no es más que una demostración de los conceptos y el funcionamiento que se describen en el artículo, así que...
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Redes neuronales en el trading: Pipeline inteligente de predicciones (Final):
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