Discusión sobre el artículo "Motor de decisión Multi-IA para MQL5 (Parte 2): Voto ponderado que aprende en cuál IA confiar, más gestión de riesgo"
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Motor de decisión Multi-IA para MQL5 (Parte 2): Voto ponderado que aprende en cuál IA confiar, más gestión de riesgo:
Esta segunda parte convierte el motor multi-IA en un sistema que aprende en qué modelos confiar. Se registra cada predicción, se evalúa su acierto tras un horizonte y se actualiza un hit-rate por proveedor (EMA), para ponderar el voto por confianza × acierto real. Además, se añade gestión de riesgo: SL/TP basada en ATR con ratio recompensa-riesgo fijado en el código y tamaño de posición escalado por la confianza. Útil para pruebas de demostración.
El voto de la Parte 1 suma la confianza de cada modelo para COMPRA contra VENTA y elige el lado más alto. El detalle es que la confianza es auto-reportada. Un modelo que dice «VENTA, confianza 90» se trata como más autorizado que uno que dice «COMPRA, confianza 60», incluso si, históricamente, el segundo viene acertando mucho más seguido en este símbolo. Los modelos de lenguaje no son máquinas de probabilidad calibradas: un número de confianza alto es un tono, no una garantía.
Lo que en realidad queremos es ponderar a cada modelo por qué tan acertado ha sido, no por qué tan seguro suena. Para eso, el motor necesita memoria: tiene que registrar qué predijo cada IA, esperar a ver qué hizo el mercado, y llevar un puntaje acumulado de cuántas veces acertó cada una. Así, el voto siguiente se apoya en los modelos que se lo ganaron y resta peso a los que viven gritando «lobo».
Ese es todo el ciclo: cada IA vota, registramos cada predicción, la calificamos después de un horizonte, actualizamos el hit-rate de esa IA, y el voto siguiente se pondera por confianza × hit-rate. Nada de la conexión, el parseo o los proveedores de la Parte 1 cambia: estamos agregando una capa de retroalimentación alrededor del voto. Vamos a construirla pieza por pieza.
Autor: Martin Alejandro Bamonte