Discusión sobre el artículo "Redes neuronales en el trading: descomposición en lugar de escalado (Final)"

[MetaQuotes]

Artículo publicado Redes neuronales en el trading: descomposición en lugar de escalado (Final):

Le proponemos familiarizarse con el algoritmo para descomponer una serie temporal en capas semánticas y construir a partir de ellas un modelo eficiente. Mostramos paso a paso la arquitectura, la implementación práctica en MQL5/OpenCL y las pruebas reales sobre datos históricos de mercado.

Por último, probamos el modelo con datos completamente nuevos: cotizaciones del período comprendido entre enero y marzo de 2025. Todos los parámetros y ajustes se mantuvieron sin cambios. Los resultados obtenidos ofrecen una visión objetiva de la precisión y la fiabilidad práctica del enfoque propuesto. A continuación se muestran los resultados de las pruebas.

 

Los resultados de las pruebas muestran una dinámica positiva moderada. Partiendo de un depósito de 100 dólares, el asesor experto logró ganar 62,25 dólares, lo que refleja una pequeña diferencia positiva entre el beneficio total y la pérdida total. Al mismo tiempo, el factor de beneficio apenas supera 1, lo que indica una baja eficacia de la estrategia.

Durante el período de prueba se realizaron 898 operaciones, repartidas casi a partes iguales entre compras y ventas. En ambos casos, el porcentaje de operaciones rentables se mantuvo en torno al 50 %, con una ligera ventaja a favor de las posiciones cortas. Una operación rentable generaba de media 1,97 dólares, mientras que una operación perdedora suponía una pérdida media de 1,82 dólares. La ganancia máxima alcanzó los 13,56 dólares, mientras que la pérdida máxima fue de 12,42 dólares.

En general, el asesor experto muestra un funcionamiento estable con una ejecución precisa de las operaciones, pero la rentabilidad y la robustez de la estrategia siguen siendo cuestionables.

Autor: Dmitriy Gizlyk