/****
Redes neuronales aplicadas al trading
Si te ha gustado puedes compartir este post ;)Share on FacebookTweet about this on TwitterEmail this to someoneShare on Google+Share on LinkedIn

Las redes neuronales aparecen como un modelo matemático con la finalidad de emular a las conexiones del cerebro humano.  La finalidad de las redes neuronales es la de identificar y procesar una grancantidad de datos que, por su complejidad y no linealidad, escapan a un análisis normal.

¿PARA QUÉ SIRVEN LAS REDES NEURONALES?

Las redes neuronales aplicadas al trading básicamente es un método de aprendizaje supervisado para poder detectar los cambios de mercado que se producen gracias al procesamiento de las entradas de datos.  Es decir, una red neuronal no intenta predecir lo que va a hacer el mercado sino el reconocimiento de patrones para poder utilizar unos algoritmos u otros en el mercado.

El sistema recoje datos de varias entradas y los procesa para que, mediante el aprendizaje, obtener una salida única y deseada.  El sistema va reconociendo los patrones del mercado y en base a ello detecta que es más probable y así poder decidir si tiene más probabilidad de éxito una entrada u otra.  Esta capacidad de analizar los datos del mercado la convierten en una herramienta potente para nuestras estrategias de trading.

No obstante una red neuronal no predice el futuro ni es estadísticamente infalible, simplemente la utilizamos como una estrategia más que complemente nuestra cartera de sistemas.

RESULTADOS CON REDES NEURONALES

Desde hace unas semanas estamos operando un sistema basado en redes neuronales, de momento con balance positivo.  Si el algoritmo interno del sistema detecta un patrón de entrada y la red neuronal está de acuerdo se ejecuta la entrada al mercado con el tamaño de la posición con que hayamos definido el riesgo previamente.  Si por el contrario la red neuronal está en desacuerdo, hemos decidido que el tamaño de la orden de entrada se establezca en la mitad para minimizar el riesgo de la no concordancia de criterios.

tf_rn_eu_equity

Con esto hemos perdido muestra estadística, ya que hemos reducido el número de operaciones justo por encima del mínimo exigido por nuestras reglas, pero hemos ganado una curva con menos rugosidad y un drawdown menor.

A continuación mostramos la operativa en cuenta real auditada por myfxbook y los resultados estadísticos que está ofreciendo este sistema programado según los criterios de las redes neuronales aplicadas al trading hasta la fecha.

 tf_rn_curva

Si te ha gustado puedes compartir este post ;)Share on FacebookTweet about this on TwitterEmail this to someoneShare on Google+Share on LinkedIn
Scroll to Top

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies

ACEPTAR