Discusión sobre el artículo "Códice de posicionamiento en los mercados en MQL5 (Parte 1): Aprendizaje bit a bit para Nvidia"

Artículo publicado Códice de posicionamiento en los mercados en MQL5 (Parte 1): Aprendizaje bit a bit para Nvidia:

Hoy comenzaremos una nueva serie de artículos basada en nuestros trabajos anteriores, expuestos en la serie "MQL5 Wizard", y llevaremos estos un paso más allá profundizando en nuestro enfoque del trading sistemático y la prueba de estrategias. En esta nueva serie, nos centraremos en los asesores expertos programados para mantener únicamente un tipo de posición: principalmente posiciones largas. Centrarse en una sola tendencia del mercado puede simplificar el análisis, reducir la complejidad de la estrategia y revelar algunas claves importantes, especialmente cuando se opera con activos distintos de las divisas. Por lo tanto, nuestra serie analizará si esto resulta eficaz en las acciones y otros activos distintos de las divisas, donde los sistemas que solo abren posiciones largas suelen mostrar una buena correlación con las estrategias del dinero inteligente o de los inversores institucionales.

Hoy, este artículo constituye la edición piloto de una nueva serie a la que daremos el título de "Códice de posicionamiento en los mercados en MQL5". Estos artículos seguirán explorando de forma específica el trading algorítmico automatizado con estrategias adaptadas principalmente a las acciones y con un sesgo predominante hacia la operativa exclusivamente en largo. Nuestra adaptación del concepto "Códice" no solo se basa en el "aprendizaje bit a bit" —un enfoque estructurado para descomponer las señales de los indicadores en patrones discretos—, sino que también incorpora el siempre importante "aprendizaje automático". Los patrones discretos, tal y como hemos visto en la serie anterior, pueden combinarse posteriormente para el entrenamiento y las pruebas supervisadas. El objetivo de este enfoque estratégico es obtener señales fiables de posicionamiento en el mercado mediante el aislamiento y la evaluación rigurosa de patrones de señales definidos individualmente.

En este artículo nos centramos en Nvidia Corporation (NVDA), una empresa bien consolidada, con gran liquidez y muy dinámica, cuya evolución depende en gran medida de los ciclos de innovación tecnológica y de la actividad de fusiones y adquisiciones corporativas. Queremos aprovechar esta complejidad del mercado y mostrar la posible solidez de combinar el índice de fuerza relativa (RSI) y el oscilador DeMarker en un enfoque disciplinado y táctico que opere exclusivamente con posiciones largas. El periodo previsto para las pruebas abarca desde agosto de 2021 hasta junio de 2024, como forma de sortear las limitaciones del Probador de Estrategias de MetaTrader 5, dado que las divisiones de acciones de las empresas no se pueden incorporar a las pruebas. En el trading real, la mayoría de los brókeres se encargan de esto, pero el Probador de Estrategias aún no permite gestionarlo. En el caso de NVDA, la empresa más valiosa del mundo, sus dos últimas divisiones de acciones se produjeron muy cerca de nuestras fechas de inicio y fin de la prueba.

Una de nuestras premisas clave en esta serie es que, en los artículos anteriores sobre el asistente de MQL5, los patrones codificados por bits que habíamos presentado parecían funcionar únicamente de forma independiente y no aportaban mejoras al combinarse entre sí mediante el parámetro entero de entrada "patterns-used", que actúa como mapa de bits. Por lo tanto, queremos comprobar de forma exhaustiva si sigue siendo necesario utilizar los patrones de forma estrictamente independiente, según los conocimientos y la experiencia del operador, incluso cuando nos limitamos a un tipo concreto de posición, como al abrir únicamente posiciones largas durante las pruebas. Cuando no exigíamos un tipo concreto de posición, el argumento en contra de combinar varios patrones era que se anularían entre sí prematuramente y, por lo tanto, producirían resultados sobreajustados a los datos de entrenamiento que no se reproducirían en entornos de operativa real.


Autor: Stephen Njuki