Discusión sobre el artículo "Características del Wizard MQL5 que debe conocer (Parte 76): Uso de los patrones del Awesome Oscillator y los canales Envelopes con aprendizaje supervisado"

[MetaQuotes]

Artículo publicado Características del Wizard MQL5 que debe conocer (Parte 76): Uso de los patrones del Awesome Oscillator y los canales Envelopes con aprendizaje supervisado:

Damos continuidad a nuestro último artículo, en el que presentamos el binomio de indicadores formado por el Awesome Oscillator y el canal de envolvente Envelopes, analizando cómo se podría mejorar esta combinación mediante el aprendizaje supervisado. El Awesome Oscillator y las envolventes constituyen una combinación complementaria para detectar tendencias e identificar niveles de soporte y resistencia. Nuestro enfoque de aprendizaje supervisado consiste en una red neuronal convolucional (CNN) que utiliza el núcleo de producto escalar con atención entre tiempos (Cross-Time-Attention) para ajustar el tamaño de sus núcleos y canales. Como es habitual, esto se lleva a cabo en un archivo de clase de señal personalizado que funciona con el asistente de MQL5 para crear un asesor experto.

En nuestro artículo anterior, presentamos la combinación de los indicadores Awesome Oscillator y Envelope Channels y, al someterla a pruebas, entre 7 y 8 de los 10 patrones superaron la prueba walk-forward en una ventana de prueba de 2 años. Normalmente, tras la presentación de un par de indicadores, analizamos qué impacto, si lo hay, puede tener el aprendizaje automático en el rendimiento de las señales de estos indicadores. Este artículo no es una excepción, por lo que vamos a examinar cómo los patrones 4, 8 y 9 pueden verse afectados si complementamos sus señales con una red de aprendizaje supervisado como filtro. Para nuestra red, estamos utilizando una CNN cuyos núcleos/canales tienen un tamaño determinado por el núcleo de producto escalar con atención entre pasos temporales.

Autor: Stephen Njuki