Discusión sobre el artículo "Guía de aprendizaje automático para MetaTrader 5 (Parte 3): Método de etiquetado mediante exploración de tendencias"
Lo siento, pero para mí las cifras no cuadran en absoluto:
Rentabilidad total +4,53 %, índice de Sharpe 2,62, caída máxima (DD) 12,32 %, tasa de acierto 21,2 % y luego:
Ganancia media = 0,002342 frente a pérdida media pérdida media = -0,0016 → la expectativa de -0,000762 (-0,076 % por operación) se acerca bastante
Esto da un PR de 0,395 y no de 1,038, y con un número de operaciones de 2665, resulta en una rentabilidad total del -203 % ( 2665 * -0,000762)
Patrick Murimi Njoroge #:
Tenía un grave error en el método de cálculo de los indicadores de eficacia, del que solo me di cuenta más tarde. Pido disculpas. Es una pena que los autores no tengan la posibilidad de corregir sus errores.
Y yo lamento haber escrito aquel comentario. Tenía un grave error en el método de cálculo de los indicadores de eficacia, del que solo me di cuenta más tarde. Pido disculpas. Es una pena que los autores no tengan la posibilidad de corregir sus errores.
No es asunto mío a qué se dedica el servicio. Además, vuestro traductor, en lugar de «aprendizaje automático», ha escrito «Ministerio de Defensa»)))
Patrick Murimi Njoroge #:
Tenía un grave error en el método de cálculo de los indicadores de eficacia, del que solo me di cuenta más tarde. Pido disculpas. Es una pena que los autores no tengan la posibilidad de corregir sus errores.
Corrija el artículo y envíelo para su publicación. Indique qué ha corregido.
Tenía un grave error en el método de cálculo de los indicadores de eficacia, del que solo me di cuenta más tarde. Pido disculpas. Es una pena que los autores no tengan la posibilidad de corregir sus errores.
Artículo publicado Guía de aprendizaje automático para MetaTrader 5 (Parte 3): Método de etiquetado mediante exploración de tendencias:
El método de triple barrera que analizamos en la segunda parte supuso una mejora significativa con respecto al etiquetado con horizonte temporal fijo, pero seguía basándose en límites de tiempo predeterminados para nuestras barreras verticales. Teníamos que decidir desde el principio si mantendríamos las posiciones durante 50 barras, 100 barras o cualquier otro plazo arbitrario. Este enfoque parte de la base de que el horizonte de predicción óptimo es constante en todas las condiciones de mercado, una suposición que, como bien sabe cualquiera que haya operado en mercados volátiles, es fundamentalmente errónea. Consideremos dos escenarios de mercado diferentes: un mercado con tendencia alcista en el que el impulso persiste durante semanas y un mercado lateral con fluctuaciones erráticas en el que las tendencias se invierten cada pocos días. Utilizar el mismo horizonte temporal para ambos escenarios es como llevar la misma chaqueta tanto en verano como en invierno; puede que a veces funcione, pero rara vez es lo más adecuado.
El método de exploración de tendencias resuelve este problema de forma elegante, al permitir que sean los propios datos los que determinen el horizonte de predicción óptimo para cada observación. En lugar de imponer un horizonte temporal fijo, analiza varios periodos futuros y selecciona aquel que presenta la evidencia estadística más sólida de una tendencia.
Así es como funciona: para cada posible punto de entrada en una operación, el algoritmo examina los datos futuros y calcula los estadísticos t para distintos horizontes futuros (por ejemplo, 5 barras, 10 barras, 15 barras, hasta un máximo determinado). A continuación, selecciona el horizonte que ofrece el resultado más significativo desde el punto de vista estadístico, preguntándose, en esencia: «¿En qué momento futuro se define con mayor claridad la tendencia?».
Autor: Patrick Murimi Njoroge