Los modelos ocultos de Markov (HMM) se utilizan para predecir la volatilidad de los mercados financieros mediante la identificación de estados ocultos a través de precios observables. En el ámbito bursátil, los HMM facilitan la predicción de cambios de régimen del mercado, mejorando estrategias de seguimiento de tendencias.

El proceso implica desarrollar una estrategia en MQL5, entrenar HMM con datos en Python e integrarlos en MetaTrader 5. Esto se evalúa mediante pruebas retrospectivas. La capacidad de los HMM para identificar y predecir regímenes de volatilidad permite a los operadores ajustar dinámicamente sus estrategias al anticipar movimientos de mercado. También se utiliza el algoritmo de Viterbi para determinar la secuencia probable de estados ocultos, contribuyendo a la previsión de volatilidad.

👉 Léelo | Market | @mql5es

Las notificaciones en tiempo real son esenciales para la gestión eficaz de las operaciones. Alertas de aperturas, cierres, y modificaciones de posiciones proporcionan un monitoreo constante. Las capturas automáticas de gráficos con anotaciones ofrecen un contexto visual valioso.

Los informes de cuenta diarios, semanales, y mensuales facilitan el análisis del rendimiento, mientras que las alertas de gestión de riesgos, como la reducción y el nivel de margen, permiten tomar decisiones informadas. El sistema de cola de mensajes garantiza una entrega fiable y se acompaña de un soporte multicanal para la comunicación efectiva.

La implementación requiere MetaTrader 5 y un Bot de Telegram. Crear un bot a través de @BotFather, obtener un ID de chat, y configurar MT5 para pedidos WebRequest. El proceso de instalación consta de copiar archivos en el directorio adecuado y compilar. Se incluye ...

👉 Léelo | Manual sobre redes neuronales | @mql5es

La integración de Telegram Bot con MetaTrader 5 ofrece una solución eficiente para la comunicación de señales comerciales, capturas de pantalla e informes en tiempo real a través de mensajería instantánea. Esta biblioteca permite notificaciones inmediatas sobre las operaciones de trading, incluyendo apertura, cierre y modificaciones de posiciones. Proporciona una captura automatizada de gráficos, junto con un sistema de informes que puede generar registros de rendimiento diario, semanal y mensual.

El software ofrece alertas sobre gestión de riesgos, indicando reducciones, niveles de margen y situaciones de stop-out. El sistema de cola de mensajes asegura la confiabilidad mediante un mecanismo de reintento automático. El soporte multicanal permite enviar información a varios grupos y canales de Telegram, con un sistema de plantillas altamente personalizable.

Se requiere una versión d...

👉 Léelo | Manual sobre redes neuronales | @mql5es

En este artículo se profundiza en la creación de una librería de registro en MQL5. Se enfatiza la importancia de superar las limitaciones de MetaTrader 5 y ofrecer una solución robusta y personalizable. Se destaca el uso del patrón Singleton y la persistencia avanzada para almacenar registros en bases de datos, permitiendo auditorías detalladas. La flexibilidad en salidas y la clasificación por niveles mejoran la supervisión y optimización de Asesores Expertos. Además, se introducen controladores para direccionar registros a diferentes destinos. Implementar la clase CLogifyHandler como base ofrece modularidad, mientras que su integración con CLogify añade capacidades avanzadas de gestión de registros.

👉 Léelo | Cotizaciones | @mql5es

La implementación de cierres parciales en MQL5 es una técnica avanzada de gestión de posiciones que permite asegurar ganancias sin cerrar completamente una operación. A diferencia de otras estrategias como el trailing stop, los cierres parciales ofrecen flexibilidad al ajustar posiciones según condiciones del mercado usando niveles predefinidos. La solución se integra en MQL5 con la clase CPartials, que maneja diversos eventos de trading y ratios de cierre. Se incorpora en un sistema más amplio de gestión de riesgo, utilizando estructuras como HashMap para vincular niveles de precios con volúmenes a cerrar. Esto permite a los desarrolladores y traders optimizar sus estrategias y maximizar rendimientos potenciales.

👉 Léelo | VPS | @mql5es

Se han implementado dos tipos de visualización para mejorar la percepción en gráficos. Se incluye la opción de mostrar información como comentario en la esquina superior izquierda del gráfico o como objeto gráfico. Entre las funciones disponibles se encuentran la selección de fuente y tamaño de fuente ajustable. Si el comentario es pequeño, los objetos se pueden mover. Un doble clic permite seleccionar y trasladar el objeto a cualquier ubicación del gráfico, manteniendo su actualización. Se ofrece una notificación visual, permitiendo establecer un tiempo en segundos antes del cierre de la barra actual. Cuando este tiempo se alcanza, un color de aviso predeterminado se aplicará al tiempo restante. Los ajustes incluyen la selección específica de la hora a visualizar y el color correspondiente para los objetos gráficos. Además, una alerta emitirá notificaciones sobre el cierre próximo de...

👉 Léelo | Calendario | @mql5es

El indicador fractal ofrece la capacidad de configurar un número arbitrario de barras a la izquierda y a la derecha de la barra central. Esta funcionalidad permite la creación de diversos tipos de fractales, ajustando la configuración según las necesidades específicas del análisis. Personalizar el número de barras proporciona flexibilidad para adaptar el indicador a diferentes estilos de trading y marcos temporales. Al modificar estos parámetros, se pueden identificar con mayor precisión los cambios en las tendencias y patrones del mercado, lo que mejora la toma de decisiones informada basándose en el comportamiento del precio.

👉 Léelo | Guía de algotrading | @mql5es

Descubre cómo mejorar tu proyecto de MetaTrader 5 organizado con técnicas avanzadas de programación orientada a objetos. Aprenda a ampliar funcionalidades de clase sin comprometer el código principal utilizando herencia y punteros en desarrollos paralelos. Ideal para consolidar un EA robusto y evitar errores imprevistos. Además, explore cómo crear estudios avanzados en el gráfico del activo utilizando la clase C_Mouse y cómo adaptarla para incluir objetos como Fibonacci sin reintegrarlos desde cero. Una guía esencial para desarrolladores que buscan optimizar su flujo de trabajo en proyectos de trading algorítmico. Conozca cómo mantener el código limpio y modular.

👉 Léelo | Foro | @mql5es

El concepto de una Pin Bar se basa en encontrar velas con un cuerpo pequeño y una sombra larga, indicando una posible reversión de precios. El indicador asociado analiza gráficos en busca de patrones de Pin Bar y coloca iconos en las barras correspondientes. Busca evitar señales de sobretracción al examinar una barra previa y coloca flechas de señal en la barra actual si se detecta un patrón apropiado. Es fundamental utilizar herramientas adicionales para confirmar las señales, como indicadores de niveles clave.

El ajuste de los parámetros del indicador permite filtrar las señales según el tamaño, la posición del cuerpo en relación con la vela anterior y la proporción de sombras. Estos parámetros determinan la sensibilidad y la rigidez del indicador, afectando a la calidad y la frecuencia de las señales. Para obtener las Pin Bars más precisas, es crucial ajustar estos parámetros segú...

👉 Léelo | Calendario | @mql5es

Script práctico para gestionar visualización. Al ejecutarlo, elimina todos los iconos de negociación automática del gráfico, como flechas y líneas de conexión. Este script no desactiva la opción de mostrar el historial de transacciones en el gráfico, lo que significa que los iconos pueden reaparecer si el modo de auto-negociación sigue activo en el menú de gráfico. Es útil para limpiar de manera rápida y temporal la lista de objetos del gráfico, liberando espacio sin alterar configuraciones principales. Útil para quienes manejan múltiples objetos y buscan eficiencia en la gestión del espacio visual del gráfico.

👉 Léelo | Cotizaciones | @mql5es

En el artículo "Decision Transformer: Reinforcement Learning via Sequence Modeling," el equipo de Google introduce un enfoque alternativo a la tradicional selección de acciones en aprendizaje por refuerzo. Se enfoca en el modelado secuencial condicionado al contexto usando un modelo autorregresivo como GPT. Este método utiliza trayectorias de acciones basadas en recompensas futuras deseadas, permitiendo especificar objetivos en lugar de recompensas directas. Durante el entrenamiento, se seleccionan mini-lotes de trayectorias aleatorias y se predicen acciones utilizando pérdida de entropía cruzada o error cuadrático medio. La implementación en MQL5 enfrenta desafíos de incorporación de datos debido a tamaños variables y distribuciones diferentes.

👉 Léelo | Señales | @mql5es