Discusión sobre el artículo "Reimaginando las estrategias clásicas en MQL5 (Parte 13): Llevando nuestra estrategia de cruce a nuevas dimensiones (Parte 2)"

[MetaQuotes]

Artículo publicado Reimaginando las estrategias clásicas en MQL5 (Parte 13): Llevando nuestra estrategia de cruce a nuevas dimensiones (Parte 2):

Únase a nosotros en nuestra discusión mientras buscamos mejoras adicionales para nuestra estrategia de cruce de medias móviles con el fin de reducir el retraso en nuestra estrategia de negociación a niveles más confiables, aprovechando nuestras habilidades en ciencia de datos. Es un hecho ampliamente estudiado que aumentar la dimensionalidad de los conjuntos de datos puede, en ocasiones, mejorar el rendimiento de los modelos de aprendizaje automático. Demostraremos qué significa esto en la práctica para usted como trader y le mostraremos cómo puede aprovechar este poderoso principio utilizando su terminal MetaTrader 5.

En nuestra discusión inicial, comparamos esta nueva estrategia de cruce propuesta con su contraparte clásica. En este artículo, continuaremos desarrollando nuestra estrategia de cruce de medias móviles e intentaremos reducir aún más el retraso inherente explorando si es posible pronosticar los cruces antes de que ocurran. Esto nos permitiría operar de forma proactiva y responder con mayor rapidez a las oportunidades comerciales. A diferencia de los participantes típicos del mercado, que esperan la confirmación y reaccionan solo después de que el cruce se hace evidente, nuestro objetivo es construir modelos estadísticos capaces de detectar los cruces con antelación, lo que nos permite posicionar nuestras cuentas adecuadamente antes de que se produzcan los movimientos.

Si bien detectar señales de compraventa en medio del ruido del mercado puede resultar complicado, varios principios de la ciencia de datos pueden ayudar a fortalecer nuestra estrategia. Por ejemplo, hacemos referencia a una presentación del equipo del Laboratorio de Propulsión a Chorro de la NASA en el Instituto Tecnológico de California (Caltech), que ofrece información valiosa. El enlace a la presentación está disponible aquí. Esta presentación se centró en el big data e introdujo un principio clave relevante para nuestra discusión. Se anima a los lectores interesados a revisar las diapositivas por sí mismos. En resumen, el principio establece que ciertos problemas complejos en ciencia de datos pueden resolverse más fácilmente al proyectarlos en espacios de mayor dimensión. Para mayor comodidad del lector, hemos incluido un extracto de la presentación original que resulta relevante para nuestra discusión en la Figura 1, a continuación.

Autor: Gamuchirai Zororo Ndawana