El framework TMA ofrece una nueva perspectiva sobre la dinámica del mercado, permitiendo que los modelos capten no solo el estado del mercado, sino también el propio paso del tiempo. Su capacidad para extraer patrones de un flujo continuo de datos hace que el análisis sea más profundo y preciso que con los enfoques clásicos. Y la adaptación recurrente convierte este método en una herramienta práctica para trabajar con cotizaciones reales.
El mercado financiero se asemeja en muchos aspectos a un organismo vivo. Su vida late al ritmo de las operaciones, los picos de liquidez y los cambios de estado de ánimo. Su respiración es irregular: a veces se acelera bajo la presión de las noticias y los impulsos emocionales, y otras se detiene durante largos periodos de espera. Cada instante aquí está lleno de eventos, pero no todos tienen importancia. En el torrente de cambios minúsculos —oscilaciones microscópicas de los precios, variaciones en los volúmenes, solapamientos de órdenes— se pierde la forma y se difumina la estructura del movimiento. Los métodos tradicionales de análisis consideran este flujo como una secuencia de puntos en la que el tiempo es solo una coordenada. Pero, en realidad, es algo vivo: a veces se condensa, otras se dispersa, como la respiración del propio mercado.
Esta variabilidad es lo que hace que el tiempo financiero sea único. No discurre de forma uniforme, como en las series temporales clásicas. En los momentos de pánico o de frenesí, el mercado vive épocas enteras en cuestión de horas, mientras que en las fases tranquilas un día puede resultar vacío y sereno, como la superficie inmóvil del mar. Este ritmo irregular rompe con las concepciones habituales sobre la causalidad temporal. Los precios, los volúmenes y los diferenciales comienzan a interactuar en un espacio no lineal y asíncrono, en el que cada evento arrastra tras de sí toda una red de consecuencias. Es precisamente aquí donde surge la tarea principal del análisis de mercado actual: más allá de registrar los cambios, captar la forma dinámica del movimiento y su arquitectura oculta.
Es curioso que un problema similar se lleve resolviendo desde hace tiempo en el ámbito de la visión artificial, especialmente en las investigaciones sobre cámaras de eventos. A diferencia de los sensores tradicionales, que captan fotogramas fijos, estas cámaras reaccionan ante los cambios de luminosidad, es decir, ante el movimiento, y no ante la imagen. Sus datos consisten en una secuencia de eventos discretos, cada uno de los cuales contiene una minúscula partícula de información sobre lo que está ocurriendo. Y cuanto más intenso es el movimiento, más denso se vuelve el flujo de eventos. El mercado financiero funciona de una manera sorprendentemente similar: las cotizaciones, las órdenes y la microestructura de la negociación son, en su conjunto, eventos que conforman un flujo continuo, aunque irregular, de cambios. Cada transacción es como un destello de luz en una cámara de eventos, una señal de que el sistema ha cambiado de estado.
En este ámbito paralelo surgió el framework TMA (Temporal Motion Aggregation), propuesto por Haotian Liu y sus coautores en el artículo "TMA: Temporal Motion Aggregation for Event-based Optical Flow". Se creó para extraer el movimiento a partir de datos de eventos, pero sus principios resultaron ser universales, capaces de describir cualquier sistema dinámico en el que sea importante la secuencia temporal de los eventos. La esencia del enfoque de TMA consiste en no considerar los eventos como puntos aislados y sin relación entre sí, sino en agruparlos en estructuras temporales coherentes, revelando así los patrones de movimiento ocultos bajo la superficie del caos. En este sentido, TMA puede considerarse una especie de puente entre la física del movimiento y las matemáticas del tiempo.
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: Agregación del movimiento en el tiempo (TMA):
El mercado financiero se asemeja en muchos aspectos a un organismo vivo. Su vida late al ritmo de las operaciones, los picos de liquidez y los cambios de estado de ánimo. Su respiración es irregular: a veces se acelera bajo la presión de las noticias y los impulsos emocionales, y otras se detiene durante largos periodos de espera. Cada instante aquí está lleno de eventos, pero no todos tienen importancia. En el torrente de cambios minúsculos —oscilaciones microscópicas de los precios, variaciones en los volúmenes, solapamientos de órdenes— se pierde la forma y se difumina la estructura del movimiento. Los métodos tradicionales de análisis consideran este flujo como una secuencia de puntos en la que el tiempo es solo una coordenada. Pero, en realidad, es algo vivo: a veces se condensa, otras se dispersa, como la respiración del propio mercado.
Esta variabilidad es lo que hace que el tiempo financiero sea único. No discurre de forma uniforme, como en las series temporales clásicas. En los momentos de pánico o de frenesí, el mercado vive épocas enteras en cuestión de horas, mientras que en las fases tranquilas un día puede resultar vacío y sereno, como la superficie inmóvil del mar. Este ritmo irregular rompe con las concepciones habituales sobre la causalidad temporal. Los precios, los volúmenes y los diferenciales comienzan a interactuar en un espacio no lineal y asíncrono, en el que cada evento arrastra tras de sí toda una red de consecuencias. Es precisamente aquí donde surge la tarea principal del análisis de mercado actual: más allá de registrar los cambios, captar la forma dinámica del movimiento y su arquitectura oculta.
Es curioso que un problema similar se lleve resolviendo desde hace tiempo en el ámbito de la visión artificial, especialmente en las investigaciones sobre cámaras de eventos. A diferencia de los sensores tradicionales, que captan fotogramas fijos, estas cámaras reaccionan ante los cambios de luminosidad, es decir, ante el movimiento, y no ante la imagen. Sus datos consisten en una secuencia de eventos discretos, cada uno de los cuales contiene una minúscula partícula de información sobre lo que está ocurriendo. Y cuanto más intenso es el movimiento, más denso se vuelve el flujo de eventos. El mercado financiero funciona de una manera sorprendentemente similar: las cotizaciones, las órdenes y la microestructura de la negociación son, en su conjunto, eventos que conforman un flujo continuo, aunque irregular, de cambios. Cada transacción es como un destello de luz en una cámara de eventos, una señal de que el sistema ha cambiado de estado.
En este ámbito paralelo surgió el framework TMA (Temporal Motion Aggregation), propuesto por Haotian Liu y sus coautores en el artículo "TMA: Temporal Motion Aggregation for Event-based Optical Flow". Se creó para extraer el movimiento a partir de datos de eventos, pero sus principios resultaron ser universales, capaces de describir cualquier sistema dinámico en el que sea importante la secuencia temporal de los eventos. La esencia del enfoque de TMA consiste en no considerar los eventos como puntos aislados y sin relación entre sí, sino en agruparlos en estructuras temporales coherentes, revelando así los patrones de movimiento ocultos bajo la superficie del caos. En este sentido, TMA puede considerarse una especie de puente entre la física del movimiento y las matemáticas del tiempo.
Autor: Dmitriy Gizlyk