Azimuth: toma de decisiones neuronal propietaria para el Oro

Azimuth está construido sobre la misma base propietaria que Meridian, pero introduce una representación interna del mercado diferente y una arquitectura más avanzada.

En lugar de depender directamente de las velas convencionales de marcos temporales, Azimuth utiliza una estructura interna personalizada de barras construida directamente a partir de datos de ticks. Las barras se generan a partir de la actividad del mercado en lugar de simplemente por el paso del tiempo.

Debido a esto, los datos de ticks son esenciales al probar Azimuth. El sistema siempre debe probarse usando ticks, independientemente del marco temporal clásico seleccionado en el Probador de Estrategias.

El resultado es un modelo que no depende exclusivamente de la forma en que un bróker agrega el mercado en velas convencionales M1, M5, M15 o H1.

La arquitectura neuronal

El modelo se basa en la misma estructura neuronal propietaria utilizada como base de Meridian, donde las propias neuronas han sido redefinidas.

Una red neuronal convencional se basa fundamentalmente en que las neuronas agreguen sus entradas antes de pasar la información resultante a través de una función de activación. Esta arquitectura es extremadamente poderosa y funciona bien para muchas clases de problemas.

Sin embargo, los mercados financieros son particularmente difíciles de modelar.

La relación entre dos entradas del mercado puede cambiar dependiendo del contexto, la volatilidad, la estructura reciente y el comportamiento que precedió a la señal actual. Por lo tanto, la misma entrada puede tener un significado completamente diferente bajo diferentes condiciones del mercado.

Azimuth y Meridian están diseñados alrededor de una topología interna diferente, construida específicamente para procesar estas relaciones no lineales.

En lugar de tratar cada entrada como una señal independiente que simplemente contribuye a una puntuación final, la estructura está diseñada para analizar cómo la información interactúa y se desarrolla dentro de la red.

Esto permite que el modelo trabaje con relaciones más complejas entre sus entradas y reaccione a la estructura de una señal en lugar de simplemente sumar señales.

La arquitectura es propietaria y su topología interna no está expuesta.

Diseñado para mercados no estacionarios

Los mercados financieros no son sistemas estáticos.

La volatilidad cambia. La estructura del mercado cambia. La relación entre diferentes variables cambia. Un comportamiento que fue rentable en un período puede desaparecer completamente en otro.

Esta es una de las principales razones por las que un modelo puede parecer excepcional en datos históricos y luego comportarse de manera muy diferente una vez expuesto a datos no vistos.

Azimuth fue diseñado con este problema en mente.

El objetivo no es encontrar una configuración que explique perfectamente un período histórico. El objetivo es encontrar un modelo que pueda seguir comportándose correctamente cuando los datos cambian.

Entrenamiento walk-forward

El proceso de entrenamiento es una de las partes más importantes de Azimuth.

El modelo no se entrena en un gran conjunto de datos históricos y se acepta simplemente porque la curva de capital final se ve bien.

En cambio, Azimuth se entrena a través de una matriz walk-forward con múltiples períodos independientes fuera de muestra.

El proceso comienza con:

15% Aprendizaje → 5% datos completamente no vistos OOS

Si el modelo pasa el primer período OOS, el proceso avanza y se repite:

15% Aprendizaje → 5% OOS
15% Aprendizaje → 5% OOS
15% Aprendizaje → 5% OOS
15% Aprendizaje → 5% OOS
15% Aprendizaje → 5% OOS

Esto crea cinco períodos separados de validación fuera de muestra.

Los datos OOS no se usan para entrenar el modelo.

Más importante aún, si algún período OOS muestra una degradación más allá de los criterios requeridos, el modelo es descartado y todo el proceso de aprendizaje comienza de nuevo.

No se parchea.
No se ajusta manualmente.
El proceso de entrenamiento comienza de nuevo.

Solo se retienen los modelos capaces de sobrevivir a la secuencia completa de períodos no vistos.

Este enfoque pone énfasis en la generalización y el comportamiento fuera de muestra, en lugar de simplemente ajustar los datos históricos.

Cómo opera Azimuth

Azimuth utiliza ejecución directa en el mercado en lugar del enfoque de orden pendiente usado por Meridian.

Cuando el modelo identifica una oportunidad válida, el sistema ejecuta directamente en el mercado.

El modelo evalúa continuamente la representación interna del mercado y determina si la estructura actual proporciona una oportunidad de trading válida.

Una vez que se abre una posición:

• El sistema no promedia a la baja.
• No hay grilla.
• No hay martingala.
• Las posiciones tienen una vida máxima definida.
• Los parámetros de riesgo se determinan según la evaluación actual del mercado por parte del modelo.

El objetivo es permitir que el modelo tome la decisión por sí mismo en lugar de rodear la red con una gran colección de reglas de trading fijas.

Alta frecuencia de operaciones

La combinación de su representación interna del mercado, ejecución directa en el mercado y arquitectura resulta en una alta frecuencia de operaciones.