2. Enseñando a la red neuronal a reconocer patrones
Otro ejemplo de uso muy habitual de las redes neuronales es el de "aprender" patrones sencillos. Supongamos que deseamos enseñar a la red el siguiente patrón:

Si A< B y B < C entonces la respuesta esperada es 1
Si A< B y B > C entonces la respuesta esperada es 0
Si A> B y B > C entonces la respuesta esperada es 0
Si A> B y B < C entonces la respuesta esperada es 1

Para aplicar este patrón al trading podemos imaginar por ejemplo que A, B y C son los precios de cierre de tres velas, siendo C la más antigua y A la más reciente. El valor 1 se correspondería con un mercado alcista y el valor 0 con un mercado bajista.

Si analizamos el código utilizado para enseñar a nuestra red neuronal este patrón (pueden descargarlo haciendo click aquí) podemos ver que se trata de una red neuronal que consta de 4 capas. La capa de entrada consta de 3 neuronas, la primera capa oculta consta de 8 neuronas, la segunda capa oculta tiene 5 neuronas y la capa de salida tiene 1. La función de transferencia seleccionada es nuevamente la sigmoidea.

En la siguiente imagen se muestra un ejemplo de los resultados obtenidos utilizando el código anterior. Por supuesto, dicho código podría utilizarse para detectar patrones de mercado reemplazando los números por cierres de mercado, valores de medias móviles o cualquier otro input que se nos ocurra.

Conclusión
Las aplicaciones mostradas en este artículo con la librería FANN no son más que la punta del iceberg del potencial de las redes neuronales. Si bien no destacan por su capacidad predictiva (y menos en un campo tan complejo como el de las series temporales de cotizaciones), es en la ejecución de tareas de clasificación y, por ende, de filtrado en lo que realmente brillan con luz propia. Esto unido a su elevada flexibilidad, al no imponer estructuras a priori, permiten utilizarlas para filtrar señales de trading, mejorar el proceso de optimización de variables de un sistema, construir escenarios de riesgo en base a diferentes comportamientos de nuestra curva de beneficios, etc. En definitiva, todo aquello que la imaginación nos permita.

Un saludo,
X-Trader

TrackBack URI para esta entrada

Comentarios (4)

RSS Comentarios

Que bueno!!!
escrito por yseku, 04 de marzo de 2010

Saludos Alberto.
Sin palabras, muy buena la "disección"...
(A mi este EA me daba pereza solo de verlo)

...
escrito por X-Trader, 05 de marzo de 2010

Gracias a tí por informar de tan excelente librería, a ver si nos vemos en las charlas de Robotrader (este Martes voy creo )

Saludos,
X-Trader

Muy bueno - consulta
escrito por esteban, 06 de abril de 2012

Muy bueno el articulo; muy claro. Te hago una consulta, por si tenés la respuesta a mano. El sistema que explicaste usa anns como filtro para un sistema heuristico. Yo estoy tratando de armar es un sistema que directamente haga una prediccion con una ann que sirva para comprar/vender.
El entrenamiento de la ANN lo hago por fuera de mt4 (fantool), y luego llamo a la ANN ya entrenada por lo que el ea quedarìa màs sencillo:
1- cargar la ann desde file, 2- cargar inputs para cada barra, 3- normalizar inputs, 4- correr la ann.
La pregunta es, tenès algùn ejemplo de una implementaciòn de este tipo? Si te sirve el dato, mi ann tiene 12 neuronas de entrada y 3 de salida.
Desde ya mil gracias y cualquier comentario es bienvendo.

...
escrito por Santiago, 04 de mayo de 2012

Esteban, te recomendaría que miraras el blog mechanicalforex.com y la página Asirikuy.com. Este tío ha desarrollado sistemas utilizando FANN que se entrenan dinámicamente en los back-tests utilizando DLLs escritos en C o Pascal. Tiene un sistema que se llama Sunqu que genera resultados muy buenos a 11 años de back-testing en barras de día (utilizando la NN para hacer predicciones). Super recomendado.

Nombre

Email

Sitio Web

Título

Comentario

corto | largo

He leido y estoy de acuerdo con la Terminos de uso.

Escribe los caracteres de la imagen

Nuevo Comentario