Discusión sobre el artículo "Desarrollo de asesores expertos autooptimizables en MQL5 (Parte 11): Una introducción sencilla a los fundamentos del álgebra lineal"
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 11): Una introducción sencilla a los fundamentos del álgebra lineal:
Hoy construiremos un modelo estadístico que prediga varios objetivos a la vez. Por lo general, los modelos de regresión lineal se utilizan para pronosticar una única variable objetivo; por ejemplo, la evolución futura de los precios. Sin embargo, en este caso, nuestro objetivo es predecir cuatro variables diferentes:
Incorporaremos estas previsiones a nuestra estrategia de negociación para definir tanto las reglas de entrada y salida, así como filtros para el cierre de posiciones. La API de matrices y vectores de MQL5 nos ofrece potentes herramientas para desarrollar aplicaciones modernas de aprendizaje automático. Sin embargo, para aprovechar todo el potencial de la API, es necesario comprender las reglas básicas del álgebra lineal que subyacen al uso adecuado de estos métodos específicos.
El álgebra lineal suele ser una disciplina matemática abstracta. Sin embargo, quiero que te hagas una idea más clara del tema para que puedas ver con claridad las ventajas de lo que vamos a tratar; después, abordaremos los aspectos matemáticos hacia la mitad de la explicación. Por último, una vez que haya quedado clara la motivación de nuestro análisis y se haya explicado toda la notación matemática necesaria, mostraremos un ejemplo de cómo utilizar el álgebra lineal para desarrollar algoritmos de negociación basados en datos numéricos, capaces de pronosticar varios objetivos al mismo tiempo.
Autor: Gamuchirai Zororo Ndawana