Discusión sobre el artículo "Guía de aprendizaje automático para MetaTrader 5 (Parte 2): Etiquetado de datos financieros para modelos de aprendizaje automático"
Hay algo que no acabo de entender:
Si entrenas los modelos no con los datos de ticks sin procesar, sino con barras construidas (tiempo, ticks, etc.), ¿tienes que construir esas barras durante la negociación en tiempo real?
daxiritchietrade #:
¡Por supuesto! Publicaré un artículo sobre cómo crear todos los tipos de barras alternativos en MQL5 para la negociación en tiempo real.
Hay algo que no entiendo:
Si entrenas los modelos no con los datos de ticks sin procesar, sino con barras construidas (tiempo, ticks, etc.), ¿tienes que construir esas barras durante la negociación en tiempo real?
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 Guía de aprendizaje automático para MetaTrader 5 (Parte 2): Etiquetado de datos financieros para modelos de aprendizaje automático:
Imagínate esto: estás entrenando para convertirte en un francotirador de élite. ¿Prefieres practicar tiro al blanco acertando en círculos perfectos, o entrenar con blancos con silueta humana que imitan situaciones de combate reales? La respuesta es obvia: necesitas objetivos que reflejen la realidad a la que te enfrentarás.
El mismo principio se aplica al aprendizaje automático en finanzas. La mayoría de las investigaciones académicas utilizan lo que se denomina «etiquetado con horizonte temporal fijo», que equivale a intentar acertar en esos círculos perfectos. Este enfoque plantea una pregunta sencilla: «¿El precio será más alto o más bajo dentro de exactamente X días?» Pero aquí está el problema: a los traders reales no solo les importa cuál será el precio final. Les importa el recorrido, es decir, cuándo se activa su stop-loss, cuándo deben cerrar la posición para obtener beneficios y cómo evoluciona el precio a lo largo del proceso.
Piénsalo de esta manera: si estás creando un modelo para predecir si alguien sufrirá un ataque al corazón, no te limitarías a observar si está vivo o muerto dentro de exactamente 365 días. Querrás conocer las señales de alerta, las intervenciones tempranas y la secuencia de eventos relevantes para las decisiones médicas. Los mercados financieros funcionan de la misma manera.
Este artículo presupone que ya tienes conocimientos básicos de Python y una comprensión fundamental de los conceptos de aprendizaje automático. Profundizaremos en código práctico y aplicaciones del mundo real que podrás implementar de inmediato.
Autor: Patrick Murimi Njoroge