ï»¿ ML para Trading | Random Forest y Boosting .objectives { background: rgba(0,255,200,0.1); border-radius: 1.5rem; padding: 1rem 1.5rem; margin: 1.5rem 2rem; border: 1px solid rgba(0,255,200,0.3); } .objectives h3 { color: #00ffc8; font-size: 1.1rem; margin-bottom: 0.7rem; } .objectives li { color: #b9ccee; font-size: 0.9rem; margin: 0.4rem 0; list-style: none; } .objectives li::before { content: "🎯 "; } .module-recap { background: rgba(0,255,200,0.08); border-radius: 1.5rem; padding: 1rem 1.5rem; margin: 1.5rem 2rem; border: 1px dashed rgba(0,255,200,0.4); } .module-recap h3 { color: #00ffc8; font-size: 1rem; margin-bottom: 0.5rem; } .module-recap li { color: #8899bb; font-size: 0.85rem; margin: 0.3rem 0; }

ð² Random Forest y Boosting

XGBoost y LightGBM para seÃ±ales de trading

Ensemble 3 rondas

ð² PiÃ©nsalo asÃ: Un solo Ã¡rbol puede equivocarse, pero un bosque (Random Forest) toma la decisiÃ³n de todos. Boosting es como aprender de errores: cada nuevo Ã¡rbol se enfoca en los fallos del anterior. Juntos son imparables.

🎯 ¿Qué aprenderás?

Comprender los conceptos fundamentales de trading algorítmico
Aplicar las técnicas con ejemplos prácticos en Python
Interpretar resultados y diagnosticar problemas comunes
Desarrollar intuición para diseñar estrategias rentables

Ronda 1 / 3

n_estimators: 50 max_depth: 5 learning_rate: 0.10

Train

Test

Train: 70% ÃÂ· Test: 50%

ð¡ Ajusta los parÃ¡metros y entrena para ver accuracy en train vs test. 3 rondas para completar.

💻 Código anotado

      def calcular_sma(precios, ventana):  # def + nombre + parámetros entre paréntesis
          if len(precios) < ventana:  # Validación del input primero
              return None  # Protección contra datos insuficientes
          return sum(precios[-ventana:]) / ventana  # Cálculo y devolución en una línea
  

💡 Lee los comentarios: cada línea tiene una razón de ser. El código no se escribe, se diseña.

✏️ Mini-ejercicio

¿Qué palabra clave devuelve un valor desde una función en Python?

// Responde y presiona Verificar

🔍 Sabías que... Curiosidades de trading

Si ahorras 0.01ms por llamada de función, en un backtest de 1M de velas ahorras 10 segundos enteros. ¡La modularización paga dividendos!

Dato práctico: Una función debe hacer UNA cosa y hacerla bien (principio de responsabilidad única).

📋 Checklist de aprendizaje

Marca lo que ya dominas. Tu progreso se guarda automáticamente.

Defino funciones con def y parámetros Uso return para devolver resultados Reutilizo funciones en diferentes contextos Comprendo por qué las funciones puras son mejores

0/4 dominados

📌 Resumen del módulo

Concepto clave: domina la idea central presentada en el módulo
Aplicación práctica: los ejemplos te preparan para el mercado real
Errores comunes: identifica y evita las trampas típicas
Próximos pasos: esta base te prepara para el siguiente módulo

Anterior Siguiente

ð² Random Forest y Boosting