Discussão do artigo "Recursos do Assistente MQL5 que você precisa conhecer (Parte 74): Uso dos padrões Ichimoku e ADX-Wilder com aprendizado supervisionado"

[MetaQuotes]

Novo artigo Recursos do Assistente MQL5 que você precisa conhecer (Parte 74): Uso dos padrões Ichimoku e ADX-Wilder com aprendizado supervisionado foi publicado:

Dando continuidade ao artigo anterior, no qual apresentamos a combinação dos indicadores Ichimoku e ADX, vamos analisar como aprimorá-la por meio do aprendizado supervisionado. O Ichimoku e o ADX se complementam na identificação de níveis de suporte e resistência e na avaliação de tendências. Nossa abordagem de aprendizado supervisionado utiliza uma rede neural com um kernel profundo de mistura espectral (Deep Spectral Mixture Kernel) para refinar as previsões obtidas a partir dessa combinação de indicadores. Como de costume, essa implementação é feita em um arquivo personalizado que contém a classe de sinais (signal class), que se integra ao Assistente MQL5 para criar um EA.

No artigo anterior, analisamos a combinação dos indicadores Ichimoku e ADX-Wilder como ferramentas complementares para identificar níveis de suporte e resistência e avaliar tendências. Como de costume, realizamos os testes em um EA criado com o Assistente MQL5 e examinamos 10 padrões de sinal diferentes. A maioria dos padrões avaliados com essa combinação apresentou resultados satisfatórios no teste forward de um ano, após realizar os testes e a otimização no ano anterior. No entanto, três padrões não apresentaram resultados satisfatórios: os padrões 0, 1 e 5. Vamos dar continuidade à análise iniciada naquele artigo e investigar se o aprendizado supervisionado pode melhorar seus resultados. Nossa abordagem consiste em representar os sinais de cada um desses padrões como um vetor de entrada simples para uma rede neural, fazendo com que ela atue, essencialmente, como um filtro adicional dos sinais.

Autor: Stephen Njuki