Discusión sobre el artículo "Robot de trading multiflujo con aprendizaje automático: del concepto a la implementación"
¡Un artículo excelente! Muchas gracias por publicarlo. ¡Estoy deseando leer el próximo!
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 Robot de trading multiflujo con aprendizaje automático: del concepto a la implementación:
Este proyecto consiste en recuperar uno de mis códigos antiguos. El código lleva mucho tiempo guardado en discos duros llenos de polvo y se bloquea desde hace tiempo: han cambiado demasiadas cosas en el entorno de desarrollo a lo largo de estos años. He decidido no solo retomar el proyecto, sino también explicarlo paso a paso en una serie de artículos.
En un principio, la idea consistía en desarrollar un robot multiflujo que utilizara una potente computación paralela, quizá incluso recurriendo a clústeres de computación en la nube. Imagina la siguiente situación: estás sentado frente a varias pantallas, observando el movimiento de los pares de divisas, y te das cuenta de que el cerebro humano simplemente no es capaz de seguir al mismo tiempo decenas de instrumentos, analizar cientos de características y tomar decisiones a la velocidad que exigen los mercados actuales. Es precisamente en ese momento cuando surge la idea de crear un robot de trading inteligente, capaz de gestionar una cartera de instrumentos y analizar decenas de años de datos de forma simultánea.
Pero, ¿por qué precisamente Python y no el MQL5 integrado? Seguramente, esta pregunta se la plantea cualquiera que vea la arquitectura híbrida de nuestra solución. La respuesta radica en la naturaleza de los problemas que resolvemos. El aprendizaje automático requiere bibliotecas potentes como scikit-learn, XGBoost y pandas: un ecosistema que, en Python, parece haber sido creado específicamente para el aprendizaje profundo.
Otra razón que justifica esta elección: la arquitectura de nuestro robot se basa en la filosofía de la separación de responsabilidades y la división del trabajo. Python se encarga del «cerebro»: la recopilación de datos, su preprocesamiento, la creación de características, el entrenamiento de modelos y la generación de señales de trading. MetaTrader 5, a través de su API de Python, actúa como las «manos»: ejecuta órdenes, gestiona posiciones y proporciona datos de mercado en tiempo real.
Autor: Yevgeniy Koshtenko