Trixter SVM

  • Asesores Expertos
  • Andrei Samokhin
    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: 10

SVM resuelve un problema de clasificación binaria: separa dos clases. Pero One-Class SVM se entrena solo con datos de una clase (ejemplos "normales") y construye a su alrededor una frontera (un hiperplano en el espacio transformado) que separa esta región de todo lo demás.

Todo lo que cae dentro de la región se considera normal, todo lo que está fuera es una anomalía.

Cómo funciona

  1. Los datos se mapean a un espacio de características (mediante un kernel, por ejemplo RBF).

  2. El algoritmo busca un hiperplano lo más alejado posible del origen que separe la mayoría de los puntos del cero.

  3. El parámetro ν (nu) define:

    • la cota superior de la proporción de valores atípicos en la muestra de entrenamiento,

    • la cota inferior de la proporción de vectores de soporte.

  4. Los puntos que quedan "al otro lado" de la frontera se consideran anomalías.

Para qué se utiliza

  • Detección de anomalías / valores atípicos (fraud detection, intrusiones de red, picos en las cotizaciones).

  • Detección de novedad (novelty detection) — cuando solo hay datos normales "limpios" y es necesario captar desviaciones.

  • Monitoreo de sistemas — desviación de las métricas del comportamiento normal, búsqueda de ineficiencias de mercado.


El bot Trixter SVM está construido aplicando este enfoque.

El algoritmo Trixter SVM implementa la búsqueda de patrones mediante Support vector machine (SVM, por sus siglas en inglés). Partimos del supuesto de que el mercado del oro es suficientemente eficiente y la mayoría de las fluctuaciones de precio forman ruido de mercado que no se puede predecir. Pero podemos identificar fragmentos del gráfico del oro (las llamadas anomalías) en los que es máximamente predecible. Así identifiqué el 40% 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 buscar patrones eficaces (de 100 a 3000).
  • Verificación estadística: alta esperanza matemática de ganancia y significancia estadística.
  • Los patrones que no superan la verificación se marcan como ruido — en tales situaciones no se abren operaciones.
  • Prueba forward obligatoria de 2 años antes de la admisión a una cuenta real.

Características de la lógica de trading

  • Apertura de operaciones con órdenes limitadas a una distancia seleccionada del precio — deslizamiento mínimo.
  • Si una orden limitada no se ejecuta (el precio no tocó el nivel) y la señal desaparece — la orden se elimina.
  • Las posiciones abiertas se acompañan de stop-loss y take-profit, y se cierran a 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 de filtrado del ruido. Valor predeterminado — 0.5. Se puede elevar a 0.7–0.9 para señales más limpias.
  • Filter by trading hours — restricción del horario de trading. Por defecto — las 24 horas.

Configuraciones de gestión de capital

  • Distance in points for limit order — distancia desde el precio hasta la orden limitada. Por defecto: 250. Menos → más operaciones, más → más conservador.
  • Max positions + orders number — número máximo de posiciones abiertas simultáneamente (sin promediar). Por defecto: 3.
  • Adicionalmente se configuran: retraso entre aperturas, control del spread máximo, niveles de stop-loss y take-profit.
Importante: Las configuraciones predeterminadas ya están establecidas. No las cambie sin una necesidad especial. Guarde el archivo set estándar para poder revertir a los parámetros de fábrica.
SVM + dos clasificadores → exportación a ONNX  |  Período forward: 2 años  |  Marco temporal rec.: H1 XAUUSD

Otros productos de este autor
Trixter ISO
Andrei Samokhin
Asesores Expertos
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
Trixter KNN
Andrei Samokhin
Asesores Expertos
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
Trixter DTR
Andrei Samokhin
Asesores Expertos
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 (uti
Trixter breakout
Andrei Samokhin
Asesores Expertos
¡Este bot opera las rupturas de niveles en el oro! Principios clave Análisis de la volatilidad del oro en múltiples temporalidades y períodos de indicadores. Agrupación de volatilidad para encontrar patrones efectivos (de 100 a 3000). Verificación estadística: alta expectativa matemática de beneficio y significación estadística. Los patrones que no superan la verificación se marcan como ruido; en tales situaciones no se abren operaciones. Pruebas hacia adelante ( forward test ) obligatori
Trixter LOF
Andrei Samokhin
Asesores Expertos
Algoritmo Local Outlier Factor (LOF)   es un método de aprendizaje automático para encontrar anomalías en datos que no se pueden detectar mediante umbrales globales. A diferencia de los métodos simples, LOF busca   valores atípicos locales   comparando la densidad de puntos en su entorno inmediato. Cómo funciona La idea principal de LOF es sencilla: una anomalía es un punto cuya densidad de objetos alrededor es significativamente menor que la densidad alrededor de sus vecinos . Selección del vec
Trixter HFT
Andrei Samokhin
Asesores Expertos
¿Le gusta el trading de alta frecuencia y alta velocidad con bajo riesgo? Entonces este bot está creado especialmente para usted. Gracias a entradas precisas y a una alta esperanza matemática, el bot opera con stops ajustados mientras captura grandes movimientos en puntos. La relación entre el stop loss y el take profit puede alcanzar una proporción de 1:10 —es decir, el stop loss es 10 veces menor que el take profit—, manteniendo la rentabilidad de este bot de scalping sin asumir pérdidas prol
Trixter Quantum
Andrei Samokhin
Asesores Expertos
¿Le gusta el trading de alta frecuencia y gran velocidad con un riesgo bajo? Entonces Trixter Quantum ha sido diseñado especialmente para usted. Gracias a sus entradas precisas y a su alta esperanza matemática, el bot opera con stops ajustados mientras captura grandes movimientos en pips. Su algoritmo central se basa en el análisis de la entrelazación local de estados adyacentes (patrones) , lo que le permite detectar al instante cambios microestructurales ocultos en el mercado. La relación ri
Trixter EE
Andrei Samokhin
Asesores Expertos
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
Trixter MCD
Andrei Samokhin
Asesores Expertos
El método robust covariance (mincovdet) , o Minimum Covariance Determinant (MCD) , es un método robusto de estimación de la matriz de covarianza y el vector de medias, resistente a los valores atípicos en los datos. Idea del método La covarianza muestral clásica es muy sensible a la "contaminación". MCD resuelve este problema encontrando un subconjunto "limpio" de observaciones que no contiene valores atípicos, y calculando las estimaciones estándar (media y covarianza) solo sobre él. Para qué s
Filtro:
No hay comentarios
Respuesta al comentario