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 Redes neuronales en el trading: De los modelos Transformer a las neuronas de impulsos (Final):
La primera fase —el entrenamiento offline— se llevó a cabo con datos históricos del par de divisas EURUSD en el marco temporal H1, durante el periodo comprendido entre enero de 2024 y junio de 2025. Este periodo se convirtió en un auténtico campo de entrenamiento. El modelo aprendió a reproducir patrones históricos, a comprender la dinámica del mercado y a identificar regularidades en la evolución de los precios y el volumen de operaciones, adaptándose a los cambios del mercado. Se podría decir que desarrollaba la intuición del trader, combinada con una evaluación estratégica precisa.
La siguiente fase —el ajuste online en el probador de estrategias de MetaTrader 5— permitió que el modelo trabajara con flujos de datos en tiempo real, vela a vela. En esta fase, el modelo aprendió a desenvolverse en la dinámica del mercado real, a mantener la estabilidad en medio del ruido, a ajustar sus acciones ante una baja liquidez y a reaccionar al instante ante variaciones bruscas de los precios. Esta fase supuso el perfeccionamiento de la estrategia: la estructura básica, formada a partir de datos históricos, se mantuvo inalterada, pero el modelo aprendió a adaptarse con flexibilidad a la situación actual del mercado, minimizando el riesgo de sobreajuste y aumentando la precisión de las previsiones en un entorno impredecible.
La comprobación final se llevó a cabo con datos correspondientes a julio y agosto de 2025, totalmente nuevos y que no se habían utilizado anteriormente. Todos los parámetros obtenidos en las fases anteriores se cargaron sin modificaciones, lo que permitió evaluar de forma imparcial la capacidad de generalización del modelo y comprobar su robustez ante nuevas situaciones de mercado. A continuación se presentan los resultados de las pruebas, que demuestran la eficacia del enfoque por etapas para el entrenamiento y la adaptación del modelo a las condiciones reales del mercado financiero.
Autor: Dmitriy Gizlyk