Discusión sobre el artículo "Características del Wizard MQL5 que debe conocer (Parte 80): Uso de patrones Ichimoku y ADX-Wilder con aprendizaje por refuerzo TD3"

[MetaQuotes]

Artículo publicado Características del Wizard MQL5 que debe conocer (Parte 80): Uso de patrones Ichimoku y ADX-Wilder con aprendizaje por refuerzo TD3:

Este artículo da continuidad a la "Parte 74", en la que examinamos la combinación de Ichimoku y el ADX en un marco de aprendizaje supervisado, y centra ahora la atención en el aprendizaje por refuerzo. Ichimoku y ADX forman una combinación complementaria para identificar los niveles de soporte y resistencia y determinar la fuerza de la tendencia. En esta entrega, analizamos cómo se puede utilizar el algoritmo Twin Delayed Deep Deterministic Policy Gradient (TD3) con este conjunto de indicadores. Al igual que en las partes anteriores de la serie, la implementación se realiza en una clase de señales personalizada diseñada para integrarse con el Asistente de MQL5, lo que facilita la creación de asesores expertos sin complicaciones.

Dentro de la familia de algoritmos de aprendizaje por refuerzo (RL), el «Twin Delayed Deep Deterministic Policy Gradient» (TD3) se está perfilando, en algunos círculos, como un candidato sólido para aplicaciones financieras. TD3 está diseñado para espacios de acciones continuos, lo que lo hace especialmente adecuado para problemas de negociación en los que el tamaño de las posiciones y el momento de operar no son decisiones binarias, sino que requieren un control preciso. Si lo comparamos con su predecesor, DDPG, TD3 aporta mejoras cruciales de estabilidad, como el uso de más de un crítico, la aplicación de suavizado mediante ruido a las acciones objetivo y el retraso de las actualizaciones de la política para evitar el sobreajuste a las fluctuaciones transitorias.

Nuestro objetivo principal con este artículo, como siempre, es demostrar cómo los modelos TD3, una vez entrenados en Python, pueden integrarse en el marco de trabajo de los asesores expertos de MQL5 para la creación de prototipos. En concreto, nuestro objetivo es demostrar cómo una red del actor de TD3 exportada al formato ONNX puede encapsularse y utilizarse dentro de una clase de señales personalizada. Como siempre, estas clases de señales se integran posteriormente en un robot de trading mediante el Asistente de MQL5.

Para dar un enfoque más práctico a esta explicación, el artículo concluirá con un repaso de algunas pruebas prospectivas realizadas en el Probador de Estrategias de MetaTrader. Se analizan tres informes, cada uno de los cuales abarca los tres patrones de señal que habíamos elegido para profundizar en su estudio en el artículo «Parte 74». Se trataba de los patrones de señal 0, 1 y 5.

Autor: Stephen Njuki