Trixter DTR

  • Asesores Expertos
  • Andrei Samokhin
    Andrei Samokhin
    Welcome to my seller page. I develop applications in the fields of AI and machine learning, and I am also passionate about trading systems. My products are based on various machine learning techniques. I research and apply state-of-the-art algorithms for time series analysis and am constantly
  • Versión: 1.0
  • Activaciones: 15

Árbol de decisión es un algoritmo de aprendizaje automático supervisado que funciona según el principio de preguntas secuenciales de "Sí/No". Tiene una estructura de árbol donde:

  • Nodos internos — son comprobaciones de alguna característica (por ejemplo, "¿Edad > 18?").

  • Ramas — son los resultados de la comprobación (Sí/No).

  • Hojas — son la decisión final (respuesta).

El proceso de construcción consiste en que el algoritmo encuentra automáticamente la característica más importante en cada paso (utilizando criterios como el Índice de Gini o la Entropía) y divide los datos en grupos más homogéneos hasta obtener una hoja pura o alcanzar restricciones.

¿Para qué se utiliza?

Los árboles de decisión son versátiles y se utilizan en dos tipos principales de tareas:

  1. Clasificación (respuesta categórica):

    • Asignar a un cliente a la categoría "aprobado" o "rechazado" en un banco.

    • Identificar la especie de un animal según sus características.

    • Determinar la probabilidad de compra o venta de un activo financiero.

  2. Regresión (respuesta numérica):

    • Predecir el precio de un apartamento en función de la superficie y la ubicación.

    • Predecir la dirección del movimiento del oro.

Principales ventajas:

  • Transparencia e interpretabilidad: A diferencia de las redes neuronales, se puede explicar fácilmente por qué el modelo tomó una decisión determinada (se puede dibujar y seguir el camino desde la raíz hasta la hoja).

  • No requiere preparación de datos: Funciona bien con diferentes tipos de características (numéricas y categóricas) y no es sensible a valores atípicos.

  • Selección de características: Muestra automáticamente qué factores son los más importantes.


El bot Trixter DTR está construido utilizando este enfoque.

El algoritmo Trixter DTR implementa la búsqueda de patrones utilizando un árbol de decisión (abreviado como DTR). Partimos del supuesto de que el mercado del oro es suficientemente eficiente y que la mayoría de las fluctuaciones de precios son ruido de mercado que no se puede predecir. Pero podemos aislar fragmentos del gráfico del oro (las llamadas anomalías) en los que es máximamente predecible. Así, hemos identificado el 15% de los tramos del gráfico que son bien predecibles.


Principios clave

  • Análisis de la volatilidad del oro en múltiples marcos temporales y períodos de indicadores.
  • Agrupación de la volatilidad para encontrar patrones efectivos (de 100 a 3000).
  • Validación estadística: alta esperanza matemática de beneficio y significancia estadística.
  • Los patrones que no superan la validación se marcan como ruido — en tales situaciones no se abren operaciones.
  • Prueba forward obligatoria de 2 años antes de ser admitido en una cuenta real.

Características de la lógica de trading

  • Apertura de operaciones con órdenes limit a una distancia seleccionada del precio — deslizamiento mínimo.
  • Si una orden limit no se activa (el precio no toca el nivel) y la señal desaparece — la orden se elimina.
  • Las posiciones abiertas están protegidas por stop-loss y take-profit, y se cierran a precio de mercado ante una señal contraria.
  • El robot no utiliza martingala, arbitraje ni otras estrategias de alto riesgo.
  • Marcos temporales recomendados: de M5 a H1. Óptimo — H1 XAUUSD.
  • Se proporciona un ajuste flexible de la actividad de trading (parámetros a continuación).

Configuraciones principales

  • Allow BUY signals, Allow SELL signals — permiten o prohíben compras/ventas cuando hay confianza en la dirección del mercado.
  • Signals sensitivity, Filter sensitivity — umbral de sensibilidad de las señales y filtrado de ruido. Valor predeterminado — 0.5. Se puede aumentar hasta 0.7–0.9 para señales más limpias.
  • Filter by trading hours — restricción de horario de trading. Por defecto — 24/7.

Configuración de gestión de capital

  • Distance in points for limit order — distancia desde el precio hasta la orden limit. Predeterminado: 250. Menor → más operaciones, mayor → más conservador.
  • Max positions + orders number — número máximo de posiciones abiertas simultáneamente (sin promediar). Predeterminado: 3.
  • Adicionalmente se configuran: retraso entre aperturas, control de spread máximo, niveles de stop-loss y take-profit.
Importante: Los ajustes predeterminados ya están establecidos. No los cambie a menos que sea absolutamente necesario. Guarde el archivo de configuración estándar para poder volver a los parámetros de fábrica.
Isolation forest + dos clasificadores → exportar a ONNX  |  Período forward: 2 años  |  Marco temporal recomendado: H1 XAUUSD

Otros productos de este autor
Trixter KNN Gold — sistema de trading inteligente basado en el análisis de la volatilidad del oro. El bot utiliza una búsqueda inteligente de patrones basada en el método de los vecinos más cercanos (KNN). Los patrones encontrados son procesados por dos clasificadores, tras lo cual el modelo se exporta al formato ONNX. Principios clave Análisis de la volatilidad del oro en múltiples marcos temporales y períodos de indicadores. Agrupación de la volatilidad para encontrar patrones efectivos (de 10
Isolation Forest es un algoritmo de aprendizaje automático para la detección de anomalías (valores atípicos) . Principio del algoritmo: División aleatoria: El algoritmo selecciona repetidamente una característica aleatoria y un valor de umbral aleatorio para dividir los datos, hasta que cada punto quede en una "celda" independiente (o hasta alcanzar la profundidad máxima). Profundidad de aislamiento: Las anomalías se "aíslan" más rápido, ya que requieren menos divisiones para separarse del rest
Filtro:
No hay comentarios
Respuesta al comentario