Discusión sobre el artículo "Redes neuronales en el trading: Entrenamiento de modelos de picos profundos (Integración de picos)"

[MetaQuotes]

Artículo publicado Redes neuronales en el trading: Entrenamiento de modelos de picos profundos (Integración de picos):

En este artículo se presenta la implementación práctica de los componentes clave del framework SEW-ResNet usando MQL5. El uso de arrays dinámicos y mecanismos de picos permite diseñar con flexibilidad la arquitectura del modelo y procesar de forma eficaz las series temporales financieras. Las soluciones propuestas muestran cómo SEW-ResNet puede optimizar los cálculos y mejorar la extracción de características relevantes.

Hoy vamos continuar el trabajo iniciado. Pero antes de seguir adelante con la implementación de los enfoques propuestos por los autores del framework SEW-ResNet, hagamos un pequeño paréntesis y prestemos atención a otra característica importante de los modelos de picos: el silencio de la neurona hasta que se produce un evento. Esta propiedad permite reducir considerablemente los costes computacionales, ya que la neurona espera la señal y no gasta recursos en procesar entradas vacías. En los algoritmos que hemos implementado anteriormente, una entrada nula no supone ningún ahorro de recursos. La operación de multiplicar por cero se realizaba cada vez, aunque el resultado se conocía de antemano.

En los modelos clásicos de redes neuronales, este comportamiento está plenamente justificado. Una entrada nula es algo poco habitual, una excepción a la regla, y la introducción de un control adicional a menudo solo complica y ralentiza los cálculos. Pero los modelos de picos funcionan de otra manera. En este caso, la mayoría de las entradas son nulas en cada instante, ya que solo son relevantes algunos eventos concretos: impulsos breves en medio del silencio. Por lo tanto, añadir un punto de control que permita omitir las operaciones con ceros resulta una solución lógica y justificada.

Si establecemos un paralelismo con los mercados financieros, el silencio de una neurona recuerda al «silencio» del gráfico entre los picos de actividad de negociación. En los periodos en los que el mercado está tranquilo, cada tick de precio aporta poca información, y analizar cada uno de ellos supondría un desperdicio de recursos. La neurona de picos se comporta de manera similar. Permanece inactiva hasta que recibe una señal que contenga información relevante. En cuanto se produce un evento (un aumento brusco del volumen, una ruptura de un nivel o un impulso provocado por una noticia), la neurona reacciona al instante. Este enfoque ahorra recursos computacionales y mejora la robustez de la red frente al ruido, filtrando los cambios insignificantes que no aportan ningún valor.

Autor: Dmitriy Gizlyk