Discussão do artigo "Data Science e ML (Parte 37): Utilizando padrões de Candlestick e IA para superar o mercado"

Novo comentário
 

Novo artigo Data Science e ML (Parte 37): Utilizando padrões de Candlestick e IA para superar o mercado foi publicado:

Os padrões de candlestick ajudam os traders a compreender a psicologia do mercado e a identificar tendências nos mercados financeiros, permitindo decisões de negociação mais bem fundamentadas, que podem levar a melhores resultados. Neste artigo, exploraremos como utilizar padrões de candlestick em conjunto com modelos de IA para buscar um desempenho de negociação otimizado.

Fundamentos de um Candlestick

As sombras ou pavios dos candlesticks mostram os preços máximo e mínimo do período e sua relação com os preços de abertura e fechamento. O formato do candle varia de acordo com a relação entre seus preços OHLC (Open, High, Low e Close — abertura, máxima, mínima e fechamento). Existem diversos padrões de candlestick introduzidos por Munehisa, além de outros surgidos mais recentemente entre traders.

Com base nesses padrões, vamos identificá-los, coletá-los e utilizá-los em modelos de Machine Learning para avaliar de que forma podem agregar valor aos nossos modelos de negociação baseados em IA e verificar se podem verificar se podem nos ajudar a superar o desempenho dos mercados financeiros. 

Autor: Omega J Msigwa

 
Artigo incrível.
 
Adorei essa tentativa! É uma abordagem muito interessante para classificar os padrões de velas japonesas no aprendizado de máquina.
 
Usar a configuração das velas em vez da ação do preço subjacente é semelhante a usar uma imagem indexada de 256 cores em vez de uma imagem em cores reais — você perde muitas nuances que podem ser importantes. Além disso, dependendo do deslocamento temporal da corretora, os padrões das velas podem mudar completamente no mesmo histórico de cotações. E mesmo que você não utilize um intervalo de tempo amplo (como D1 [no seu caso] ou H4), um simples deslocamento artificial do tempo (em minutos) dentro de uma hora produzirá formações de velas completamente diferentes. Isso não é confiável e não agrega nenhum valor.
 
Stanislav Korotky os padrões das velas podem mudar completamente no mesmo histórico de cotações. E mesmo que você não utilize um intervalo de tempo amplo (como D1 [no seu caso] ou H4), um simples deslocamento artificial do tempo (minutos) dentro de uma hora produzirá formações de velas completamente diferentes. Isso não é confiável e não agrega nenhum valor.

Já expliquei isso no artigo.

No momento, estamos considerando apenas a detecção de padrões de velas e seus sinais com base na aparência deles, mas a maneira correta de extrair os sinais de uma vela, de acordo com minhas fontes, deve incluir a detecção de tendência; por exemplo, para que um martelo seja considerado um sinal de alta, ele precisa aparecer em uma tendência de baixa.

A tendência é uma parte crucial da equação que você talvez queira levar em conta se quiser levar este projeto adiante.

A ação do preço é importante, não há como negar isso.

 
Omega J Msigwa #:

Já expliquei isso no artigo.

No momento, estamos considerando apenas a detecção de padrões de velas e seus sinais com base na aparência deles, mas, segundo minhas fontes, a maneira correta de extrair os sinais de uma vela deve incluir a detecção de tendência; por exemplo, para que um martelo seja considerado um sinal de alta, ele precisa aparecer em uma tendência de baixa.

A tendência é uma parte crucial da equação que você talvez queira levar em conta se quiser levar este projeto adiante.

A ação do preço é importante, não há como negar isso.

Sua citação não está relacionada à ideia principal do meu argumento.

 

Oi, projeto de aprendizado de máquina seguirá essa linha.

Desejo a você um Feliz Natal...

 
Recentemente, também tenho pensado nisso: usar o aprendizado por reforço para treinar os gráficos de velas. No entanto, venho refletindo sobre qual é a base lógica subjacente do modelo treinado com dados discretos da forma das velas. A propósito, como está indo sua pesquisa atualmente?
Novo comentário