Vladimir Skorina / Perfil
- Información
8+ años
experiencia
|
2
productos
|
109
versiones demo
|
0
trabajos
|
0
señales
|
0
suscriptores
|
Большой интерес к работе с тиками и нейронными сетями(в часности третьего поколения).
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Introducción al método de descomposición de modo empírico](https://c.mql5.com/2/0/Empirical_Mode_Decomposition_MQL5.png)
Este artículo sirve para familiarizar al lector con el método de descomposición de modo empírico (EMD, según sus siglas en inglés). Es la parte fundamental de la transformada de Hilbert-Huang y tiene como finalidad analizar los datos de procesos no estacionarios y no lineales. Este artículo también presenta una posible implementación de software de este método junto con una breve consideración de sus peculiaridades y proporciona algunos ejemplos simples de su uso.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Cómo crear un experto en sólo unos minutos con ayuda de EA Tree: Parte 1](https://c.mql5.com/2/0/EA_Tree_Expert_Advisor_Builder.png)
El programa EA Tree es el primer instrumento que permite construir el código de un asesor, sobre la base del método de esquema de bloques "drag and drop". La creación de asesores en EA Tree se lleva a cabo mediante la construcción de bloques que pueden contener funciones del lenguaje MQL5, indicadores técnicos y personalizados, o valores numéricos. Las salidas de los bloques pueden conectarse con las entradas de otros bloques, formando un "árbol de bloques". En base al árbol de bloques, el programa EA Tree genera el código fuente del asesor, que después puede ser compilado en la plataforma comercial MetaTrader 5.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Análisis de regresión múltiple, generador y probador de estrategias en una sola aplicación](https://c.mql5.com/2/0/Multiple_Regression_Analysis_MQL5.png)
El artículo ofrece una descripción de las formas de utilización del análisis de regresión múltiple para el desarrollo de sistemas de trading. Muestra el uso del análisis de regresión para la automatización de la búsqueda de estrategias. Se proporciona como ejemplo una ecuación de regresión generada e integrada en un asesor experto sin necesidad de disponer de habilidades de programación.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Predicción de series de tiempo usando el ajuste exponencial](https://c.mql5.com/2/0/Exponent_Smoothing.png)
Este artículo familiariza al lector con los modelos de ajuste exponencial utilizados en la predicción a corto plazo de series de tiempo. Además, toca los temas relacionados con la optimización y estimación de los resultados de las predicciones y proporciona algunos ejemplos de scripts e indicadores. Este artículo será útil como primera toma de contacto con los principios de la predicción basados en los modelos de ajuste exponencial.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Predicción de series de tiempo usando el ajuste exponencial (continuación)](https://c.mql5.com/2/0/Exponent_Smoothing2.png)
Este artículo pretende actualizar el indicador creado anteriormente y trata brevemente sobre un método para estimar intervalos de confianza en las predicciones usando bootstrapping y cuantiles. Como resultado, obtendremos el indicador de predicción y los scripts a usar para la estimación de la precisión de la predicción.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Aplicar la transformada de Fisher y su transformada inversa al análisis de mercado en Meta Trader 5](https://c.mql5.com/2/0/Fisher_Transform_MQL5__1.png)
Ahora sabemos que la función densidad de probabilidad (PDF) de un ciclo de mercado no recuerda a una gausiana sino más bien a una PDF de una onda senoidal y la mayoría de indicadores asumen que la PDF del ciclo del mercado es gausiana, por lo que necesitamos conocer una forma de "corregir" eso. La solución es usar la transformada de Fisher. La transformada de Fisher cambia una PDF de cualquier forma de onda en otra aproximadamente gausiana. Este artículo describe las matemáticas que hay tras la transformada de Fisher y la transformada inversa de Fisher y su aplicación al trading. Se presenta y evalúa un módulo de señal de trading propio basado en la transformada de Fisher inversa.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Cálculos Estadísticos](https://c.mql5.com/2/0/MQL5_Statistical_estimation.png)
El cálculo de parámetros estadísticos de una secuencia es muy importante, puesto que la mayoría de los modelos y métodos matemáticos se basan en suposiciones simples. Por ejemplo, la normalidad de la ley de distribución o valor de dispersión, u otros parámetros. Por tanto, al analizar y pronosticar series cronológicas necesitamos una herramienta simple y conveniente que nos permita calcular de forma rápida y clara los principales parámetros estadísticos. Este artículo describe brevemente los parámetros estadísticos más sencillos de secuencias aleatorias y varios métodos de su análisis visual. Ofrece además la implementación de estos métodos en MQL5 y los métodos de visualización del resultado de los cálculos usando la aplicación Gnuplot.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![La implementación del análisis automático de las Ondas de Elliott en MQL5](https://c.mql5.com/2/0/MQL5_Elliott_Waves_Automated.png)
Uno de los métodos más populares del análisis del mercado es el análisis de las ondas. Sin embargo, este proceso es bastante complejo lo que comporta el uso de herramientas adicionales. Una de estas herramientas es el marcador automático. En este artículo se describe el proceso de creación del analizador automático de las Ondas de Elliott en el lenguaje MQL5.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Análisis de las Características Principales de las Series Cronológicas](https://c.mql5.com/2/0/Time_Series_Analysis_in_MQL5.png)
Este artículo presenta una clase diseñada para dar un cálculo rápido preliminar de características de varias series cronológicas. Mientras esto se lleva a cabo se calculan parámetros estadísticos y la función de autocorrelación, se lleva a cabo un cálculo espectral de series cronológicas y se construye un histograma.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Teoría de Indicadores Adaptables Avanzados e Implementación en MQL5](https://c.mql5.com/2/0/Advanced_adaptive_indicators_MQL5.png)
Este artículo describirá indicadores adaptables avanzados y su implementación en MQL5: Adaptive Cyber Cycle (Ciclo Cibernético Adaptable), Adaptive Center of Gravity (Centro de Gravedad Adaptable) y Adaptive RVI (Índice de Vigor Relativo Adaptable). Todos los indicadores se presentaron originalmente en "Cybernetic Analysis for Stocks and Futures" ("Análisis Cibernético de Acciones y Futuros"), de John F. Ehlers.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Utilizar Mapas con Función de Auto-Organización (Mapas Kohonen) en MetaTrader 5](https://c.mql5.com/2/0/Self_organizing_maps_in_MQL5.png)
Uno de los aspectos más interesantes de los Mapas con Función de Auto-Organización (mapas Kohonen o SOM, por sus siglas en inglés) es que aprenden a clasificar datos sin supervisión. En su forma más básica, produce un mapa de similitud de datos de entrada (agrupación). Los mapas SOM se pueden usar para la clasificación y visualización de datos de alta dimensión. En este artículo consideraremos varias aplicaciones sencillas de los mapas Kohonen.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Asesor Experto basado en las "Nuevas Dimensiones de Trading" ("New Trading Dimensions"), de Bill Williams](https://c.mql5.com/2/0/MQL5_alligator__1.png)
En este artículo, trataré el tema del desarrollo del Asesor Experto basándome en el libro "New Trading Dimensions: How to Profit from Chaos in Stocks, Bonds, and Commodities" ("Nuevas dimensiones de trading: como beneficiarse del caos en bolsa, bonos y bienes"), de Bill Williams. La estrategia en sí misma es muy conocida, y su uso todavía causa controversia entre traders. El artículo tiene en cuenta señales de trading del sistema, detalles específicos de implementación, y los resultados de simulaciones en datos históricos.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Modelo de Regresión Universal para la Predicción de Precio de Mercado](https://c.mql5.com/2/0/universal_regression.png)
El precio de mercado se forma mediante un equilibrio estable entre oferta y demanda, que a su vez depende de una variedad de factores económicos, políticos y psicológicos. Las diferencias en su naturaleza, así como las causas de influencia de estos factores, hacen que sea difícil considerar directamente todos los componentes. Este artículo llevará a cabo un intento de predecir el precio de mercado basándose en un elaborado modelo de regresión.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![El Papel de las Distribuciones Estadísticas en el Trabajo del Trader](https://c.mql5.com/2/0/statistic_measument.png)
Este artículo es una continuación lógica de mi artículo "Statistical Probability Distributions in MQL5" ("Distribuciones de Probabilidad Estadísticas en MQL5"), que presentó las clases para trabajar con algunas distribuciones estadísticas teóricas. Ahora que ya tenemos una base teórica, sugiero proceder directamente a conjuntos de datos reales para darle un uso a esta base.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Moving Mini-Max (Minimax móvil): un nuevo indicador de análisis técnico y su implementación en MQL5](https://c.mql5.com/2/0/MQL5_Mini-Max_Indicator.png)
En este artículo voy a describir el proceso de implementación del indicador Moving Mini-Max basado en el artículo publicado por Z.G. Silagadze "Movig Mini-Max: un nuevo indicador para el análisis técnico". El concepto de este indicador se basa en la simulación del fenómeno del túnel cuántico, propuesto por G. Gamov en la teoría de la desintegración alfa.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Conectando redes neuronales de NeuroSolutions](https://c.mql5.com/2/0/neural_DLL.png)
Además de la creación de las redes neuronales, el paquete del software de NeuroSolutions permite su exportación como archivos DLL. En este artículo se describe el proceso de creación de una red neuronal, la generación de un archivo DLL y su conexión a un Expert Advisor para el trading en MetaTrader 5.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Análisis de los gráficos mediante métodos econométricos](https://c.mql5.com/2/0/econometrics.png)
En este artículo se describen los métodos econométricos de análisis, el análisis de la correlación y el análisis de la varianza condicional en particular. ¿Cuáles son les beneficios del método descrito en este artículo? El uso de los modelos GARCH no lineales permite la representación formal de las series analizadas desde un punto de vista matemático y crear predicciones para un número determinado de pasos.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Distribuciones de Probabilidad Estadística en MQL5](https://c.mql5.com/2/0/MQL5_Probability_Distibutions.png)
Este artículo trata las distribuciones de probabilidad (normal, log-normal, binomial, logística, exponencial, distribución Cauchy, distribución Student's t, distribución Laplace, distribución Poisson, distribución de Secante Hiperbólico, distribución Beta y Gamma) de variables aleatorias usadas en Estadísticas Aplicadas. También trata las clases para gestionar estas distribuciones.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Los indicadores de las tendencias menor, intermedia y principal](https://c.mql5.com/2/0/three_degrees_of_trend.png)
El objetivo de este artículo es investigar las posibilidades de la automatización del trading y el análisis, en base a algunos conceptos del libro de James Hyerczyk "Pattern, Price & Time: Using Gann Theory in Trading Systems" (Modelo, precio y tiempo: el uso de la teoría de Gann en los sistemas de trading), en forma de indicadores y Expert Advisors. Sin querer ser exhaustivo, solo investigamos el "Modelo" en este artículo; la primera parte de la teoría de Gann.
![Vladimir Skorina](https://c.mql5.com/avatar/avatar_na2.png)
![Fundamentos de programación en MQL5 - Listas](https://c.mql5.com/2/0/Linked_List_MQL5.png)
La nueva versión del lenguaje de programación de estrategias comerciales -MQL [MQL5]- dispone de un conjunto de herramientas más eficaz y potente en comparación con la versión anterior [MQL4]. En primer lugar, esta ventaja se refiere a los medios de programación orientada a objetos. Este artículo se ocupa de la posibilidad del uso del tipo de datos personalizado, correspondiente al tipo complejo, como los nodos y las listas. Se pone el ejemplo del uso de las listas durante la programación de las tareas prácticas en MQL5.