Trixter EE
- Asesores Expertos
-
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
Elliptic Envelope (Envolvente Elíptica) es un algoritmo de aprendizaje automático paramétrico diseñado para detectar valores atípicos (outliers) y anomalías en datos multidimensionales.
El método parte del supuesto de que los datos «normales» (la muestra principal) siguen una distribución normal (gaussiana) multidimensional.
Principio de funcionamiento
- Formación del elipsoide: En el espacio de características, el algoritmo construye un hiperelipsoide alrededor del grupo central de puntos. El límite de este elipsoide está determinado por la matriz de covarianza y el valor medio de las características.
- Uso de la distancia de Mahalanobis: Para cada punto, se calcula la distancia de Mahalanobis al centro de la distribución. Esta distancia tiene en cuenta no solo la proximidad, sino también la correlación entre las características y la dispersión de los datos a lo largo de los diferentes ejes.
- Evaluación de robustez (MCD): Para evitar que los propios valores atípicos distorsionen la estimación del centro y la forma del elipsoide, el método utiliza el Determinante de Covarianza Mínima (Minimum Covariance Determinant, MCD). El algoritmo busca un subconjunto de datos de un tamaño determinado (especificado por un parámetro) que minimice el determinante de la matriz de covarianza, excluyendo los valores extremos del proceso de «ajuste» del elipsoide.
- Clasificación:
- Puntos dentro del elipsoide — objetos normales (inliers, etiqueta 1).
- Puntos fuera del elipsoide — anomalías o valores atípicos (outliers, etiqueta -1).
- El umbral de distancia a partir del cual un punto se considera un valor atípico se define mediante el hiperparámetro de proporción de anomalías (contamination).
Para qué se utiliza
- Limpieza de datos (Data Cleaning): Eliminación de ruido extremo y errores de medición antes de entrenar modelos principales (clasificación, regresión).
- Detección de anomalías (Anomaly / Outlier Detection): Búsqueda de objetos no estándar en la muestra, por ejemplo:
- Detección de operaciones fraudulentas (Fraud Detection).
- Filtrado de fallos en sensores o equipos.
- Filtrado de patrones atípicos o ruido en las características.
El bot Trixter EE está construido utilizando este enfoque.
El algoritmo Trixter EE implementa la búsqueda de patrones mediante Elliptic Envelope (abreviado EE). Partimos de la premisa de que el mercado del oro es bastante eficiente y que la mayoría de las fluctuaciones de precios forman ruido de mercado imposible de predecir. Sin embargo, podemos identificar fragmentos del gráfico del oro (las llamadas anomalías) en los que este es altamente predecible. De esta manera, he aislado un 40% de las secciones del gráfico que son claramente predecibles.
Principios clave
- Análisis de la volatilidad del oro en múltiples temporalidades y períodos de indicadores.
- Agrupación de la volatilidad para buscar patrones efectivos (de 100 a 3000).
- Verificación estadística: alta esperanza matemática de ganancia y significación estadística.
- Los patrones que no pasan la verificación se marcan como ruido; en tales situaciones no se abren operaciones.
- Prueba hacia adelante (forward test) obligatoria de 2 años antes de permitir el acceso a una cuenta real.
Características de la lógica de trading
- Apertura de operaciones mediante órdenes límite a una distancia seleccionada del precio, garantizando un deslizamiento (slippage) mínimo.
- Si una orden límite no se activa (el precio no tocó el nivel) y la señal desaparece, la orden se elimina.
- Las posiciones abiertas están acompañadas de Stop Loss y Take Profit, y se cierran a precio de mercado ante una señal contraria.
- El robot no utiliza martingala, arbitraje u otras estrategias de alto riesgo.
- Temporalidades recomendadas: de M5 a H1. Óptima: H1 XAUUSD.
- Se proporciona una configuración flexible de la actividad de trading (parámetros a continuación).
Configuración principal
- Allow BUY signals, Allow SELL signals — permiten o prohíben compras/ventas según la confianza en la dirección del mercado.
- Signals sensitivity, Filter sensitivity — umbral de sensibilidad de las señales y filtrado de ruido. El valor por defecto es 0.5. Se puede aumentar a 0.7–0.9 para obtener señales más limpias.
- Filter by trading hours — restricción del horario de trading. Por defecto: funciona las 24 horas.
Configuración de gestión de capital
- Distance in points for limit order — distancia desde el precio hasta la orden límite. Por defecto: 250. Menor valor → más operaciones; mayor valor → más conservador.
- Max positions + orders number — número máximo de posiciones abiertas simultáneamente (sin promediado/grid). Por defecto: 3.
- Ajustes adicionales: retraso entre aperturas, control del spread máximo, niveles de Stop Loss y Take Profit.
Importante: La configuración por defecto ya está establecida. No la cambie a menos que sea estrictamente necesario. Guarde el archivo de parámetros (set file) estándar para poder revertir a la configuración de fábrica.
Elliptic envelope + dos clasificadores → exportación a ONNX | Período forward: 2 años | Temporalidad rec.: H1 XAUUSD
