Discussão do artigo "Machine Learning e Data Science (Parte 41): YOLOv8v para detectar padrões nos mercados Forex e de ações"

[MetaQuotes]

Novo artigo Machine Learning e Data Science (Parte 41): YOLOv8v para detectar padrões nos mercados Forex e de ações foi publicado:

A identificação de padrões gráficos nos mercados financeiros é uma tarefa complexa, pois exige a análise dos dados exibidos no gráfico, algo difícil de realizar em MQL5 devido às limitações relacionadas ao processamento de imagens. Neste artigo, veremos um modelo bastante interessante em Python que permite detectar padrões no gráfico com o mínimo de esforço.

A identificação de padrões nos mercados financeiros é uma tarefa complexa para modelos de machine learning e inteligência artificial. Por mais simples que isso possa parecer para nós, humanos, para uma máquina, detectar e interpretar esses padrões exige um processamento mais elaborado. Isso ocorre porque, ao contrário dos dados tabulares normalmente utilizados em trading, a detecção de padrões também envolve imagens bidimensionais, geralmente armazenadas em formatos como .png, .jpg etc.

Há um grande número de traders cujas estratégias se baseiam na análise da ação do preço (price action) e em padrões gráficos específicos do mercado, como:

• Escada ascendente e descendente
• Triângulo ascendente
• Triângulo descendente
• Triângulo simétrico
• Bandeira
• Cunha
• Topo duplo
• Fundo duplo
• Ombro-cabeça-ombro
• Topo ou fundo arredondado
• Xícara com alça
• e muitos outros.

Quando se trata de programação, os padrões associados a formações de candlestick (candlestick patterns) e às reações dos indicadores, que podem ser identificados sem código muito complexo, diferem bastante dos padrões gráficos mencionados acima, que são consideravelmente mais complexos.

Até mesmo para identificar um padrão simples, como um fundo em W, seria necessário um código complexo, bem elaborado e otimizado. Então, por que não tentar resolver essa tarefa com a ajuda da IA?

Autor: Omega J Msigwa