¿Cómo puede ayudarte tuisku?

Tuisku es una plataforma de inteligencia artificial y aprendizaje automático para optimizar tus estrategias de trading utilizando patrones técnicos. Totalmente integrada con TraderView, Tuisku te ayuda a tomar decisiones de compra y venta de activos, incluidas las criptomonedas, y a maximizar tu rendimiento en los mercados financieros.

Un análisis comparativo

Tuisku RSI vs. RSI clásico

Prueba la estrategia pinescrip, con un árbol de decisión de IA que optimiza tu

  1. Copia el siguiente código:
  2. OpenTradingView.
  3. Una vez abierto, asegúrese para este texto que tiene las velas en formato diario y que elGOOGstock está activado
  4. Vaya al editor de scripts de Pine:
  5. Haga clic en el botón "Pine Script" en la parte inferior de la interfaz TradingView. Si el editor no está visible, habilítelo yendo al menú principal > "Más" > "Editor de Pine Script".
  6. Copie el código siguiente y péguelo en el editor:
​Abrir TraderView

Ejemplo de miniestrategia optimizada

                             if (stochasticD <= 5.85403)
    if (smoothedD_Diff > 2.31155)
        if (stochasticK <= 1.36624)
            decisionValue := 1.000000 // buy
        if (stochasticK > 1.36624)
            if (stochasticDiff <= 1.83977)
                decisionValue := 0.714286 // buy
if (stochasticD > 5.85403)
    if (stochasticD <= 16.8716)
        if (stochasticSmoothedDiff <= -2.07631)
            if (smoothedD_Diff > 12.2661)
                decisionValue := -0.750000 // sell

Estrategia RSI clásica

  • Se basa en umbrales fijos (por ejemplo, RSI < 30 o > 70).
  • Ausencia total de personalización de las velas horarias y del tipo de acción
  • Carece de herramientas avanzadas, por lo que a menudo requiere la utilización manual de stop-loss y profit-taking.
  • Umbrales estáticos con flexibilidad limitada.

Tuisku Estrategia RSI

  • Utiliza la IA de Random Forest para analizar múltiples variables, situando los números en el punto óptimo. Ejemplo de compra de RSI en 18,4 para Tesla y 26,4 para Google.
  • Para señales más precisas de sobrecompra/sobreventa
  • Umbrales ajustables para señales de compra/venta y gestión del riesgo,
  • Incluye stop loss dinámico, take profit multinivel y trailing stop opcional.

TradingView.com Pine Script™ v5 GOOG Small icon of Alphabet (Google) Class C - 1Day - 1S00

Open in TradingView TW icon Alphabet (Google) Class C (GOOG)

*In TW update the candles Time: - 1Day

Trading Strategy Overview

Price Name Time frame Net Profit ($) Indicators Name Net Profit (%) Closed Trades Win Rate (%) Profit Factor Max Loss ($) Max Loss (%) Avg Profit ($) Avg Profit (%)
$79.00 Alphabet (Google) Class C Icon of Alphabet (Google) Class C 1Day $9,989.17 Stochastic RSI 1.00% 59.0 55.93% 3.06 $1,128.00 0.11% $169.00 1.70%

Technical Pattern Information

Key: 1S00

Attached File: Stochastic_RSI.py

Associated Function: TECH_PATTERN. L_Stochastic_RSI

Full Indicator Name: Stochastic RSI

Variables it Returns: Stochastic RSI

Explanation: The Stochastic RSI generates signals for overbought or oversold conditions based on the RSI formula, increasing sensitivity to price movements.

Key Combination: 1S00

¿Qué es un árbol de decisión de IA?

Un árbol de decisión es un algoritmo de aprendizaje automático utilizado para la clasificación y la regresión. En el comercio, evalúa varias entradas (como indicadores técnicos) para predecir resultados, como si comprar o vender. Scikit-learn (sklearn) es una biblioteca de Python que facilita la creación y optimización de estos modelos.

¿Cómo se crean?

  1. Recogida de datos:Se recopilan datos históricos del mercado (precios, indicadores, etc.).
  2. Selección de características:Se eligen como entradas métricas clave como el RSI, las medias móviles y la volatilidad.
  3. Entrenamiento del modelo:El árbol de decisión se entrena con datos etiquetados, donde el algoritmo aprende patrones que predicen los movimientos de los precios.
  4. Optimización: los hiperparámetros, como la profundidad del árbol y los criterios de división, se ajustan en función de la precisión.

Ejemplo del árbol de decisión de IA más sencillo

¿Cómo se prueban?

    Backtesting: El árbol entrenado se prueba con datos históricos para medir la precisión.Validación cruzada: Los datos se dividen en conjuntos de entrenamiento y de prueba para garantizar su solidez.Métricas de evaluación: Métricas como la precisión, la recuperación y los factores de beneficio determinan el rendimiento del modelo.

Visión general de las estrategias de trading de Tuisku

Lo que veo aquí

Vamos a hablar de la estrategia Pine Script adjunta, que sirve de ejemplo. El resto de estrategias que ofrece Tuisku siguen una estructura similar, excepto en la función decision_tree(), que se ajusta en base a:

  • Patrones técnicos
  • Tipo de activo (por ejemplo, acciones, criptomonedas)
  • Plazos (por ejemplo, diario, velas horarias)

Puede consultar la lista completa de estrategias en la pestaña "Estrategia de compra". Este enfoque da lugar a la gran variedad de estrategias que ofrece Tuisku, adaptadas a los distintos estilos de negociación y condiciones de mercado.

Optimización

La IA de Tuisku entrena el árbol de decisión sobre datos históricos de mercado utilizando DecisionTreeRegressor de Scikit-learn. Esto garantiza:

  • Decisiones basadas en datos: los datos históricos optimizan los umbrales, mejorando la precisión y la adaptabilidad:
  • Las variables clave, como d, rsi1 y smoothK_k, se priorizan en función de su poder predictivo.

Puede consultar la lista completa de estrategias en la pestaña "Estrategia de compra". Este enfoque da lugar a la gran variedad de estrategias que ofrece Tuisku, adaptadas a los distintos estilos de negociación y condiciones de mercado.

Condiciones árbol de decisión if-else

La secuencia de comandos emplea un árbol de decisión estructurado de tipo "si" y "si" para evaluar las condiciones y determinar las acciones de negociación:

  • Umbrales:Si rsi ≤ 5,85403, el script evalúa condiciones más finas para decidir entre "Comprar", "Vender" o "Mantener".
  • Umbrales optimizados:A diferencia de las estrategias tradicionales, en las que umbrales como RSI=20 indican "sobreventa", la IA de Tuisku optimiza estos valores para obtener la máxima rentabilidad.
  • Profundidad:La estructura del árbol de decisión varía en complejidad: Para activos de gran volumen, los árboles más profundos (5-8 niveles) garantizan una mejor toma de decisiones.

Perspectivas

Precisión y seguridad: Por defecto, las estrategias buscan minimizar los riesgos:

  • Umbral de compra:Establecer en ret ≥ 0,55 para garantizar que las operaciones sólo se inicien en condiciones favorables.
  • Stop Loss:Dinámico y colocado automáticamente un 2% por debajo del punto de compra.
  • Umbral de venta:Las posiciones se venden si ret ≤ -0,9, cerrando rápidamente las operaciones desfavorables.
  • Gestión del riesgo:Estos ajustes equilibran la rentabilidad y el riesgo, lo que permite operar con confianza.

Finalidad y resultados

El script evalúa las condiciones del mercado utilizando indicadores técnicos y calcula un valor de retorno (ret) para guiar las acciones de negociación:

  • Valoreset Positivos (~1):Indican una señal de "Compra".
  • ValoresetNegativos (~-1):Indican una señal de "Venta".
  • Zona Neutral (-0,7 a 0,7):Los valores dentro de este rango se consideran "Mantener", lo que significa que no se recomienda ninguna acción comercial.

Prueba la estrategia pinescrip, con un árbol de decisión de IA que optimiza tu

  1. Copia el siguiente código:
  2. OpenTradingView.
  3. Una vez abierto, asegúrese para este texto que tiene las velas en formato diario y que la acciónGOOGestá en
  4. Vaya al editor de scripts de Pine:
  5. Haga clic en el botón "Pine Script" en la parte inferior de la interfaz TradingView. Si el editor no está visible, habilítelo yendo al menú principal > "Más" > "Editor de Pine Script".
  6. Copie el código siguiente y péguelo en el editor: