Deep Bollinger Bands
- Indicadores
- Marat Sultanov
- Versión: 6.19
- Actualizado: 5 julio 2023
- Activaciones: 20
Cada indicador tiene sus ventajas e inconvenientes. Los indicadores tendenciales muestran buenas señales durante una tendencia, pero se quedan rezagados durante una coyuntura plana. Los indicadores planos prosperan en las fases planas, pero mueren en cuanto aparece una tendencia. Todo esto no sería un problema, si fuera fácil predecir cuando una tendencia plana cambia a una tendencia y cuando una tendencia cambia a una plana, pero en la práctica es una tarea extremadamente seria.
¿Qué pasaría si se desarrollara un algoritmo de este tipo, que pudiera eliminar los defectos de un indicador y potenciar sus puntos fuertes? ¿Y si dicho algoritmo pudiera mejorar el funcionamiento de un indicador de tendencia durante un plano, pero al mismo tiempo aumentar la eficacia durante una tendencia, y fijar las señales de un indicador de plano durante una tendencia y perfeccionarlas durante un plano?
Deep es el algoritmo que potencia las ventajas de un indicador y reduce sus inconvenientes. Este algoritmo mejora la calidad del indicador como resultado de la combinación de redes neuronales con el algoritmo del indicador.
Sobre el algoritmo Deep
La tarea especificada, debido a su no reproducibilidad y a su compleja regularidad, se resuelve mejor mediante algoritmos no lineales. Las redes neuronales son una herramienta muy versátil y potente, que permite lograr mucho, si la tarea se establece correctamente y la solución se forma razonable. El algoritmo se basa en esta herramienta.
Este algoritmo calcula los períodos óptimos y la desviación de las Bandas de Bollinger, en función del estado de la tendencia y la plana. El algoritmo entrena a la red neuronal para predecir las Bandas de Bollinger óptimas para cada condición de mercado, por lo que el indicador se adapta al flat y a la tendencia, eliminando las deficiencias del algoritmo básico. En la condición plana, la red neuronal adapta el indicador en la dirección de la plana, en la condición tendencial en la dirección de la tendencia.
La arquitectura de la red neuronal y el algoritmo de búsqueda heurística se diseñaron específicamente para la solución óptima de la tarea. Para mayor comodidad, existen preajustes de la estructura de la red neuronal, así como todos los parámetros necesarios para el ajuste fino de la red neuronal.
Ventajas
- Para acelerar los cálculos, puede utilizar una tarjeta gráfica (GPU), lo que mejora considerablemente el rendimiento y los resultados. Además, el indicador puede calcularse de forma asíncrona utilizando todos los núcleos de tu CPU y GPU.
- El algoritmo tiene un sistema de autoaprendizaje. Se trata de un sistema adaptativo que ayuda a aprender de forma flexible todo el tiempo utilizando una red neuronal para que el algoritmo siempre se mantenga al día con todos los cambios del mercado.
- Panel de control gráfico. Utilizando el panel directamente en el gráfico, puede controlar y gestionar de forma flexible el sistema de aprendizaje.
- Parámetros para ajustar con precisión todas las funciones.
