El framework RAFT ofrece un enfoque radicalmente diferente para predecir la dinámica del mercado: no como una instantánea puntual, sino como un refinamiento iterativo del estado en tiempo real. Tiene en cuenta simultáneamente los cambios locales y globales, manteniendo una alta precisión incluso en estructuras de precios complejas.
El enfoque RAFT (Recurrent All-pairs Field Transforms), surgido en el campo de la visión por ordenador para reconstruir el flujo óptico, no se basa en una inferencia aproximada en un solo paso, sino en el refinamiento iterativo del estado. El modelo no intenta predecir el futuro de inmediato, sino que elabora una estimación inicial y la mejora repetidamente, consultando el campo completo de interrelaciones entre los datos de partida. Este principio difiere notablemente de las arquitecturas tradicionales, en las que la previsión se genera una sola vez y todas las deficiencias se corrigen únicamente durante el entrenamiento. La propia estructura del modelo en el framework RAFT contempla el refinamiento dentro de un mismo paso de inferencia. Y eso es precisamente lo que lo hace especialmente interesante para el ámbito financiero.
El mercado rara vez revela sus intenciones de inmediato. El movimiento del precio puede comenzar con una fase falsa, para luego intensificarse y disiparse ante un impulso contrario. Toda previsión generada en un solo paso se ve obligada a apostar por un resultado ya en la primera aproximación. El modelo iterativo funciona de otra manera. Captura una versión preliminar del futuro y, de inmediato, comprueba si concuerda con el resto de relaciones presentes en los datos, del mismo modo que un operador bursátil experimentado reevalúa instantáneamente la situación ante la más mínima señal nueva. Esta forma de razonar se acerca más al pensamiento real que los modelos estáticos rígidos, que no cambian de opinión hasta la siguiente llamada.
La idea principal de RAFT es la construcción explícita de un campo multidimensional de correspondencias entre todos los pares de elementos de los datos analizados. En el problema del flujo óptico, se trata de pares de píxeles de dos fotogramas. En los datos financieros, estos se traducen en pares de estados de ventanas temporales, instrumentos, horizontes temporales y patrones microestructurales locales. Esto proporciona un mapa completo, y no aproximado, de las posibles influencias mutuas. Este mapa no solo permite ver la tendencia, sino también comprender cómo una sola desviación puede repercutir a través de decenas de otras relaciones. El mercado financiero tiene precisamente esa naturaleza: no se trata de una señal lineal, sino de un campo de múltiples interrelaciones que no puede explicarse con una sola dirección de movimiento.
Para iniciar sesión y usar el sitio web MQL5.com es necesario permitir el uso de Сookies.
Por favor, active este ajuste en su navegador, de lo contrario, no podrá iniciar sesión.
Ha iniciado sesión. La autenticación de dos factores se ha desactivado. Vuelva a configurarla y escanee un nuevo código QR, o continúe con la autenticación de dos factores desactivada.
Artículo publicado Redes neuronales en el trading: Modelos de refinamiento iterativo de previsiones (RAFT):
El enfoque RAFT (Recurrent All-pairs Field Transforms), surgido en el campo de la visión por ordenador para reconstruir el flujo óptico, no se basa en una inferencia aproximada en un solo paso, sino en el refinamiento iterativo del estado. El modelo no intenta predecir el futuro de inmediato, sino que elabora una estimación inicial y la mejora repetidamente, consultando el campo completo de interrelaciones entre los datos de partida. Este principio difiere notablemente de las arquitecturas tradicionales, en las que la previsión se genera una sola vez y todas las deficiencias se corrigen únicamente durante el entrenamiento. La propia estructura del modelo en el framework RAFT contempla el refinamiento dentro de un mismo paso de inferencia. Y eso es precisamente lo que lo hace especialmente interesante para el ámbito financiero.
El mercado rara vez revela sus intenciones de inmediato. El movimiento del precio puede comenzar con una fase falsa, para luego intensificarse y disiparse ante un impulso contrario. Toda previsión generada en un solo paso se ve obligada a apostar por un resultado ya en la primera aproximación. El modelo iterativo funciona de otra manera. Captura una versión preliminar del futuro y, de inmediato, comprueba si concuerda con el resto de relaciones presentes en los datos, del mismo modo que un operador bursátil experimentado reevalúa instantáneamente la situación ante la más mínima señal nueva. Esta forma de razonar se acerca más al pensamiento real que los modelos estáticos rígidos, que no cambian de opinión hasta la siguiente llamada.
La idea principal de RAFT es la construcción explícita de un campo multidimensional de correspondencias entre todos los pares de elementos de los datos analizados. En el problema del flujo óptico, se trata de pares de píxeles de dos fotogramas. En los datos financieros, estos se traducen en pares de estados de ventanas temporales, instrumentos, horizontes temporales y patrones microestructurales locales. Esto proporciona un mapa completo, y no aproximado, de las posibles influencias mutuas. Este mapa no solo permite ver la tendencia, sino también comprender cómo una sola desviación puede repercutir a través de decenas de otras relaciones. El mercado financiero tiene precisamente esa naturaleza: no se trata de una señal lineal, sino de un campo de múltiples interrelaciones que no puede explicarse con una sola dirección de movimiento.
Autor: Dmitriy Gizlyk