Forex.es

Mcmanaman

Supongo que el Simplex no se trata de algún lenguaje de programación de computadoras, sino mas bien el "Método Simplex" para resolver problemas de optimización donde se tiene recursos limitados (optimizar con restricciones). Tal vez la confusión es que el método simplex resuelve problemas de la llamada programación lineal que no tiene nada que ver con programación de computadoras. Ahí el termino programación se refiere mas bien en "asignar recursos", "planificar que recursos usar" mas que programación de computadoras o un lenguaje de programación.

El método simplex es tal vez el mas utilizado para optimizar problemas de la vida real en donde siempre hay escases de recursos.
Favor confirma la fuente de esa info y si se trata del método simplex o de otro tema.

Saludos

Mcmanaman, yo es que creo que no estamos hablando de lo mismo. Supongo que todos los EAs tienen formulas matematicas, pero lo que entiendo que este hombre trata de dar a entender, es que unas ristras de formulas matematicas sin sentido te van a adivinar el futuro, como si los movimientos del mercado equivalieran a un polinomio que se pueda interpolar. O que las ondas que forma el mercado se ajustaran a un patrón tal, que se pudiera hacer un analisis de ondas por el metodo de furier o algo así y predecir lo que va a hacer. Y yo me afirmo, que eso es imposible, por que las ondas del mercado no son totalmente aleatorias pero si son totalmente alinieales e impredecibles, y ninguna ecuacion puede recoger un patrón predecible. Nadie puede saber que tal trader va a compar 100 contratos en un momento determinado. Aunque si se puede hacer, que según se haya comportado el mercado, hay unas ciertas probabilidades de que se comporte de cierto modo determinado, aunque tal trader compre 100 contratos.

No he visto donde está el feedback en esas formulas, van a piñon fijo.

¿Por que no nos explica como funcionanan las formulas?

Saludos.

A ver.. como estoy aburrido me meto al hilo . Comparto la opinion Sintesis.

El asunto es que aprendiendotrading nunca dijo nada de predecir el mercado.. menciono solo el encontrar una buena entrada y una buena salida.

Claro, como no entiendo ni palo las formulas, y no se si es en serio o broma... como todo buen matematico ( despues de recientemente haber mirado la pelicula "The Man that new Infinity)
todo radica en el "Proof"

Asi que vamos pidiendole a aprendiendotrading la "prueba" de su hipotesis.. A ver.. en las 2 ultimas 2 semanas el gbpusd high fue 1,3446 el low 1,3061 y el actual es 1,3278...

Veamos al master en accion al substituir e insertar los precios en las formulas

J.

Según me han contado, simplex se usa para redes neuronales, y mirando por internet veo locuras como este copia pega...


Método Simplex
La programación lineal es un método de optimización aplicable para solución de problemas
en los cuales la función objetivo y las restricciones aparecen como funciones lineales
de las variables de decisión. Las ecuaciones de restricción en el problema de programación
lineal se pueden expresar como igualdades o como desigualdades [11][20].
B.1. Forma estándar de un problema de programación
lineal
El problema de programación lineal se enuncia de la siguiente forma:
En forma escalar.
Minimizar f(x1, x2,...,xn) = c1x1 + c2x2 + ... + cnxn (B.1)
sujeto a las siguientes restricciones:



a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
.
.
.
am1x1 + am2x2 + ... + amnxn = bm



(B.2)
152 Método Simplex
y



x1 ≥ 0
x2 ≥ 0
.
.
.
xn ≥ 0



(B.3)
En forma matricial.
Minimize:
cT X (B.4)
sujeto a las siguientes restricciones:
aX = b (B.5)
y
X ≥ 0 (B.6)
donde:
X =



x1
x2
.
.
.
xn



, b =



b1
b2
.
.
.
bn



, c =



c1
c2
.
.
.
cn



, a =







a11 a12 ··· a1n
a21 a22 ··· a2n
.
.
.
am1 am2 ··· amn







Las características del problema de programación lineal se enuncian en la forma estándar
como sigue:
1. La función objetivo es de tipo minimización.
2. Todas las restricciones son de tipo igualdad.
3. Todas las variables son no negativas.
El problema de programación lineal se puede poner en la forma estándar usando las
siguientes transformaciones.
B.1 Forma estándar de un problema de programación lineal 153
1. La maximización de una función f(x1, x2,...,xn) es equivalente a la minimización del
negativo de la misma función. Por ejemplo:
minimize
f = c1x1 + c2x2 + ... + cnxn
es equivalente a:
maximize
f´= −f = −c1x1 − c2x2 − ... − cnxn
2. Una variable puede no estar restringida en signo para algunos problemas. En tales
casos, una variable no restringida (la cual puede ser positiva, negativa, o cero) se
puede describir como una ecuación de diferencia de dos variables no negativas. Así, si
xj no está restringida en signo, esta se puede escribir como xj = x,
j − x,,
j donde:
xj ≥ 0 y x,,
j ≥ 0
xj será negativa, cero o positiva dependiendo sobre si x,,
j es mayor que, igual o menor
que x,
j .
3. Si aparece una restricción en la forma de "menor que"de la siguiente forma:
ak1x1 + ak2x2 + ... + aknxn ≤ bk
Este se puede convertir en forma de igualdad adicionando una variable no negativa
xn+1.
ak1x1 + ak2x2 + ... + aknxn + xn+1 = bk
Similarmente, si aparece una restricción en la forma de "mayor que"de la siguiente
forma:
ak1x1 + ak2x2 + ... + aknxn ≥ bk
Este se puede convertir en forma de igualdad adicionando una variable no negativa
xn+1.
ak1x1 + ak2x2 + ... + aknxn − xn+1 = bk
donde xn+1 es una variable no negativa conocida como variable excedente.
154 Método Simplex
B.2. Algoritmo simplex
El punto de inicio de un algoritmo simplex es siempre un espacio de ecuaciones, la cual
incluye la función objetivo con restricciones de igualdad del problema en forma canónica. Así
el objetivo del algoritmo simplex es encontrar el vector X ≥ 0 el cual minimize la función
objetivo f(X) y satisfaga las ecuaciones:



1 · x1 + 0 · x2 + ··· + 0 · xm + a1,m+1xm+1 + ··· + a1nxn = b1
0 · x1 + 1 · x2 + ··· + 0 · xm + a2,m+1xm+1 + ··· + a2nxn = b2
.
.
.
0 · x1 + 0 · x2 + ··· + 1 · xm + am,m+1xm+1 + ··· + amnxn = bm
0 · x1 + 0 · x2 + ··· + 0 · xm − f + cm,m+1xm+1 + ··· + cmnxn = −f0



(B.7)
donde aij , cj , bj y f0 son constantes. Note que (−f) es tratada como una variable básica en
la forma canónica de la ecuación (B.7). La ecuación a la que se puede reducir desde ecuación
(B.7) es:



xi = bi, i = 1, 2,...,m
f = f0
xi = 0, i = m + 1, m + 2,...,n



(B.8)
Si esta solución básica es también factible, lo valores de xi, i = 1, 2,...,n son no negativos
y por lo tanto:
bi ≥ 0, i = 1, 2,...,m (B.9)
En la fase I del método simplex, la solución básica corresponde a obtener la forma canónica
después de la introducción de variables artificiales y se obtendrá un problema artificial. La
fase II del método simplex inicia con la solución factible básica del problema de programación
lineal original. Por lo tanto en la forma canónica inicial en el inicio del algoritmo simplex
siempre es una solución factible básica.




Yo no sé mucho de todo esto, por lo que no sé si me estoy equivocando y esto no tiene nada que ver. Pero parece ser que cuando hay 2 opciones (A y B, por ejemplo) y tomamos la A (Por ejemplo que el RSI esté a X nivel, o cualquier otra variable) se abren otras 2 opciones o más, A-1 o A-2, (Por ejemplo que se cumpla X condición) y luego se sigue al A-1-1 o A-1-2 tomando "decisiones" y revisando si se cumplen o no variables.
Pues al parecer los programadores usan simplex para sacar determinados patrones y tomar decisiones.

Son correctas tus afirmaciones


Enviado desde mi iPhone con Tapatalk

correctas pero se refieren a diferentes cosas.

El método simplex para resolver problemas de programacion lineal es una cosa, el método Nelder-Mead de búsqueda de valores optimos esta basado en figuras geométricas llamadas simplex, es otra cosa muy distinta, y esta ultima es la que "debe" (estamos aun suponiendo cosas) estar usando en sus algoritmos del EA en cuestión ya que se aplica en redes neuronales durante el proceso de optimización.

Nombres similares pero no relacionados.

saludos y gracias por el dato.

En todo caso una red neuronal no tiene nada que ver con una formula matematica estatica.

Yo no se de redes neuronales, pero entiendo que son dinamicas, que estan hechas con un algoritmo que contiene funciones matematicas simples. Pero su salida es funcion de un aprendizaje de lo acontecido en la salida en el pasado, gracias a un feed back.

Saludos