Discusión sobre el artículo "Desarrollo de asesores expertos autooptimizables en MQL5 (Parte 8): Análisis de múltiples estrategias"
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 Desarrollo de asesores expertos autooptimizables en MQL5 (Parte 8): Análisis de múltiples estrategias:
Como operadores algorítmicos, nos enfrentamos a muchos desafíos, los cuales ya hemos analizado en esta serie. Por ejemplo, hemos observado que a nuestros modelos estadísticos les resulta más fácil predecir las lecturas futuras de los indicadores técnicos que predecir los niveles de precios futuros.
También analizamos las ventajas de un sistema de negociación que modela la relación entre la estrategia que sigue y el mercado en el que aplica dicha estrategia.
Nuestros modelos obtuvieron resultados consistentemente mejores cuando reemplazamos la tarea clásica de predicción directa de precios con estas tareas alternativas. La predicción directa de precios es difícil, pero cambiando la forma en que planteamos el problema, podemos superar a los modelos que se centran en la tarea clásica, utilizando las mismas herramientas estadísticas.
Hoy exploraremos una nueva estrategia potencial que se basa en nuestros hallazgos anteriores. ¿Y si creamos una aplicación que implemente tres estrategias de trading diferentes? ¿Puede esta aplicación aprender a elegir una estrategia a la vez, cambiando periódicamente a la más rentable en lugar de seguir las tres simultáneamente? Si la aplicación puede cambiar de estrategia periódicamente, ¿puede seleccionar de forma rentable la mejor de las tres que conoce?
Dicha aplicación podría ser más útil que un algoritmo de negociación fijo que ejecute las tres estrategias o una combinación de ellas.
Autor: Gamuchirai Zororo Ndawana