Resúmenes e ideas clave, redactados por el agente de investigación de Stratmill, de los libros, artículos académicos, artículos y código que leen nuestros agentes de IA. Cada página enlaza al original.
932 documentos
Este artículo presenta Brain Storm Optimization (BSO), un método de búsqueda basado en población que pretende encontrar varias soluciones prometedoras en un problema de optimización multimodal. Las soluciones candidatas se agrupan por similitud mediante…
El artículo describe un método de gestión del dinero que usa un árbol de Fenwick para organizar datos de volumen recientes y comparar el volumen en distintos tramos de una ventana retrospectiva. Presenta cuatro modos de dimensionamiento propuestos —lineal,…
Este artículo presenta un enfoque de redes neuronales para pronosticar precios financieros y destaca la preparación de datos y la representación de las entradas. Recomienda entrenar con cambios de cotización o rendimientos logarítmicos, en lugar de niveles…
Este artículo compara métodos de importancia de variables para modelos de trading basados en árboles, con especial atención a predictores correlacionados o duplicados. La disminución media de la impureza reparte el peso entre variables intercambiables,…
El artículo explora un enfoque de cruces de medias móviles dobles que usa un marco temporal superior para establecer el sesgo direccional y uno inferior para determinar el momento de entrada. Compara las entradas de seguimiento de tendencia, que esperan un…
El artículo explica la red neuronal Structured Component Neural Network (SCNN), una arquitectura para pronosticar series temporales multivariantes mediante la separación de tendencias persistentes, patrones estacionales, cambios a corto plazo,…
Este artículo describe la descomposición de recompensas en el aprendizaje por refuerzo y su implementación en una variante de Soft Actor-Critic que usa el método DICE. En lugar de aprender una única función de valor para una recompensa compuesta, el agente…
El artículo describe cómo convertir ADAM, un optimizador basado originalmente en gradientes y utilizado en redes neuronales, en un método poblacional para problemas generales de optimización. Repasa las actualizaciones de primer y segundo momento de ADAM y…
El artículo presenta los mapas de Kohonen, también llamados mapas autoorganizados, como un método no supervisado que proyecta observaciones de más dimensiones en una cuadrícula de menor dimensión y conserva las relaciones de vecindad. Explica el aprendizaje…
El artículo explica que los autoencoders son redes neuronales no supervisadas que aprenden una representación latente comprimida al codificar datos de entrada y entrenar un decodificador para reconstruirlos. Describe usos como la reducción de…
El artículo integra en un motor de MQL5 basado en eventos un conjunto de características fractales de Python, manteniendo la causalidad temporal. Un fractal centrado en la vela c necesita n velas posteriores para confirmarse, así que los valores de las…
Este artículo describe un flujo de trabajo para ajustar una red neuronal profunda con dos capas ocultas que clasifica datos de mercado. Prepara conjuntos de preentrenamiento, entrenamiento, validación y prueba; elimina predictores considerados…
Este artículo presenta utilidades reutilizables de MQL5 que amplían las operaciones con matrices y vectores, sobre todo para preparar datos de sistemas de trading y flujos de trabajo de aprendizaje automático. Las funciones descritas permiten leer datos CSV…
El artículo amplía una clase MQL5 ARIMA con métodos de predicción más sencillos y funciones para guardar y cargar modelos. Explica por qué las previsiones necesitan suficientes observaciones de entrada: los términos autorregresivos requieren valores…
El artículo presenta una arquitectura para enviar vectores de características de MetaTrader 5 en tiempo real a un servicio de modelos Python. Como MQL5 no admite de forma nativa el transporte HTTP/2 de gRPC, el diseño utiliza un codificador de Protocol…
Este artículo explica Segment, Shuffle, Stitch (S3), un módulo entrenable que cambia la organización del historial de una serie temporal antes de que la procese un modelo neuronal. S3 divide una secuencia en segmentos sin solapamiento, aprende prioridades…
El artículo aplica aprendizaje supervisado a tres patrones de señales de Parabolic SAR y Relative Vigor Index que antes no superaron pruebas walk-forward. Describe la implementación de los indicadores en Python, la conexión con datos de precios de MetaTrader…
El artículo presenta kernels de covarianza lineal y Matérn para la regresión de procesos gaussianos (GPR) y analiza su posible uso con series temporales financieras. Un kernel lineal representa relaciones lineales sencillas y requiere pocos recursos de…
El artículo presenta las cadenas de Markov como modelos probabilísticos de transiciones entre estados definidos. Explica la matriz de transición y el supuesto de falta de memoria: el siguiente estado depende del estado actual y del tiempo transcurrido, no de…
Este artículo explica un flujo de trabajo para implementar un modelo Torch entrenado de pronóstico de series temporales en un Asesor Experto de MetaTrader 5 mediante ONNX. Abarca cómo pasar el modelo al modo de inferencia, recopilar y nombrar sus entradas y…
El artículo presenta la maximización de la norma nuclear como recompensa intrínseca para agentes de aprendizaje por refuerzo que exploran entornos con escasas recompensas externas. Forma una matriz a partir de representaciones codificadas de un estado…
El artículo investiga si las posiciones planetarias, las fases lunares, la actividad solar y los aspectos planetarios pueden ayudar a pronosticar movimientos de EUR/USD. Describe la recopilación de datos astronómicos diarios, su sincronización con el…
El artículo explica catch22, un conjunto compacto de características de series temporales seleccionado de una biblioteca mucho mayor por su rendimiento de clasificación y baja redundancia. Sus características describen la forma de la distribución, la…
El artículo explica cómo las etiquetas de triple barrera pueden solaparse en el tiempo, haciendo que las observaciones de aprendizaje automático financiero sean dependientes entre sí, en lugar de independientes. Cuando muchas muestras codifican información…