Características fractales sin filtraciones de datos para aprendizaje automático en MQL5

Resumen

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 características se publican en la vela de confirmación y remiten al centro anterior. Los marcadores del gráfico aún pueden colocarse en ese centro, pero los búferes de características no deben revelar allí el valor. El motor calcula fractales de máximos y mínimos, su fuerza relativa a la media de una ventana, su validez según umbrales, soportes y resistencias a partir de eventos fractales confirmados recientes, indicadores de ruptura y medidas relacionadas con la tendencia.

Los anillos internos de eventos y rupturas conservan el estado para procesar velas de forma incremental, mientras que un método para toda la serie reinicia y vuelve a calcular los mismos resultados. El artículo informa de una estrecha concordancia con su referencia de Python en cinco conjuntos de parámetros y dieciocho columnas de características, con una desviación máxima de 1.1e-13. Esto verifica la paridad de implementación, no el valor predictivo: el autor deja expresamente la calidad de las señales para futuros análisis de importancia de características. La selección de umbrales, la semántica de las ventanas retrospectivas basadas en eventos y el tratamiento de extremos repetidos también influyen en la interpretación.

Ideas clave

• Un fractal centrado solo se confirma cuando cierran las velas requeridas a su derecha.
• Los búferes de características publican valores en el momento de la confirmación, mientras que los marcadores visuales pueden señalar el extremo anterior.
• Las ventanas retrospectivas de soporte y resistencia cuentan eventos fractales confirmados, no velas ordinarias.
• El motor combina características de fuerza fractal, validez, ruptura, niveles y tendencia en un proceso con estado que avanza vela a vela.
• La concordancia numérica con Python verifica la paridad, pero no demuestra que las características predigan rendimientos.

Etiquetas

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.