Discusión sobre el artículo "Características del Wizard MQL5 que debe conocer (Parte 68): Uso de patrones de TRIX y Williams Percent Range con una red de núcleo coseno"

[MetaQuotes]

Artículo publicado Características del Wizard MQL5 que debe conocer (Parte 68): Uso de patrones de TRIX y Williams Percent Range con una red de núcleo coseno:

Retomamos nuestro último artículo, donde presentamos el par de indicadores TRIX y Williams Percent Range, y ahora analizamos cómo se podría ampliar este par de indicadores con aprendizaje automático. TRIX y Williams Percent Range forman un par complementario de tendencia y soporte/resistencia. Nuestro enfoque de aprendizaje automático utiliza una red neuronal convolucional que incorpora el núcleo coseno en su arquitectura a la hora de ajustar las previsiones de este par de indicadores. Como siempre, esto se hace en un archivo de clase de señal personalizado que funciona con el asistente de MQL5 (Wizard MQL5) para crear un asesor experto.

De los diez patrones de señal que analizamos en el último artículo, solo tres superaron la prueba walk-forward. Estos patrones se generaron a partir de la combinación de las señales del TRIX, un indicador de tendencia, y del Williams Percent Range (WPR), un oscilador de soporte y resistencia. El entrenamiento y la optimización del asesor experto se limitaron a un solo año, el 2023, y la prueba walk-forward se llevó a cabo durante el año siguiente, el 2024. Estábamos realizando pruebas con el par CHF/JPY en el gráfico de 4 horas.

Al ampliar con aprendizaje automático los patrones que superaron la validación walk-forward, solemos utilizar Python, ya que permite programar y entrenar redes de forma muy eficiente. Esto es así incluso sin una GPU. En artículos anteriores, hemos venido presentando implementaciones en Python de funciones correspondientes a patrones que superaron la validación walk-forward. En este artículo, abordaremos brevemente la implementación de los indicadores en Python, pero nos centraremos principalmente en la configuración de la red que toma como entradas las señales de los indicadores. Se trata de una red convolucional unidimensional que utiliza el núcleo coseno en su diseño.

Autor: Stephen Njuki