El artículo anterior presentó cómo enviar información desde el EA al indicador, sentando las bases para una comunicación efectiva entre ambos. Ahora se trabaja en permitir que el indicador transmita datos de vuelta al EA para construir un Chart Trader más avanzado. Se introduce la creación de un archivo de cabecera para organizar el código. Este archivo, Defines.mqh, es esencial para definir un nombre común entre el EA y el indicador, asegurando la portabilidad.

El EA se ha ajustado para incluir un procedimiento llamado EraseIndicator, que garantiza sincronización al comprobar y gestionar adecuadamente el estado del indicador en el gráfico. Además, se destaca la importancia de utilizar el operador de resolución de ámbito para asegurar que el EA use el indicador correcto como recurso incorporado.

Se resalta la manera de interactuar con los buffers del indicador, empleando la función ...

Leer más...

El algoritmo de recocido simulado, desarrollado en 1983, se basa en el proceso de recocido de metales para encontrar óptimos globales en problemas complejos. Simula el proceso térmico de calentamiento y enfriamiento, introduciendo aleatoriedad para evitar quedarse atrapado en óptimos locales. La probabilidad de tomar decisiones subóptimas disminuye con el tiempo, optimizando el equilibrio entre exploración y explotación.

El algoritmo se evalúa con fórmulas para calcular la energía, cambio de energía y probabilidad de decisiones subóptimas. Usa una función de "enfriamiento" no lineal y ajustes en la temperatura para la optimización. Se describen los métodos para inicialización, movimiento y revisión de agentes en el espacio de búsqueda. Evaluaciones sugieren que limitar el área de mezcla de moléculas mejora los resultados.

Leer más...

Explora la migración optimizada de animales con el algoritmo AMO, desarrollado para replicar sus patrones naturales. Al evitar colisiones, mantener dirección y distancia, esta técnica busca equilibrar la exploración y explotación del espacio de búsqueda. La optimización a través de componentes como la migración y renovación poblacional mejora la resolución de problemas complejos. Perfecto para desarrolladores de MetaTrader 5 y entusiastas de la programación, esta solución ofrece eficiencia algorítmica inspirada en la naturaleza. Sin embargo, la versión original mostró debilidades al no gestionar eficazmente la acumulación genética de los mejores individuos, resaltando espacio para mejoras.

Leer más...

El análisis del comportamiento multiagente es crucial en sectores como finanzas y conducción autónoma. Comprender las acciones de los agentes requiere abordar tareas esenciales como seguimiento, identificación de objetos y modelización de trayectorias. Este último desempeña un papel clave al analizar movimientos, pero enfrenta desafíos por la dinámica del entorno.

Recientes avances incluyen predicción de trayectorias y modelización espaciotemporal. Sin embargo, la especialización en tareas específicas dificulta la generalización. Algunos problemas requieren considerar dependencias espaciotemporales. Otros algoritmos consideran trayectorias futuras, pero omiten otras limitaciones prácticas. En este contexto, el modelo UniTraj destaca por integrar diversas tareas de trayectoria en un marco común.

Leer más...

Explora cómo los arrays en MetaTrader 5 pueden transformar tu enfoque hacia la programación algorítmica. El artículo profundiza en los fundamentos de los arrays tipo ROM y RAM, destacando su importancia en la gestión eficiente de datos. Entenderás cómo los arrays estáticos ofrecen estabilidad con tamaños fijos, mientras que los dinámicos proporcionan flexibilidad para ajustes en tiempo de ejecución. Aprende a manejar errores comunes como el acceso indebido a índices inexistentes y maximiza la seguridad en el uso de memoria. Descubre cómo aplicar estas construcciones para desarrollar estrategias más robustas y adaptables en tus operaciones de trading algorítmico y mejora tus habilidades de desarrollador en MetaTrader 5.

Leer más...

El artículo explora el uso del modelo NBEATS para predecir precios de cierre en trading algorítmico. Destaca la flexibilidad de NBEATS, capaz de manejar secuencias de cualquier longitud sin depender de funciones específicas. Utiliza series de Fourier para descomposiciones interpretables y una topología de doble suma residual para mejorar la capacidad de entrenamiento. Se introduce el uso de covariables y se proporciona una guía para categorizar y usar correctamente estas variables en el modelo. Finalmente, subraya la importancia de optimizar aspectos del modelo antes de aplicar sus predicciones en entornos comerciales reales.

Leer más...

William Delbert Gann, un destacado comerciante y analista del siglo XX, desarrolló métodos novedosos para analizar los mercados, basados en la relación entre tiempo y precio. Su herramienta más emblemática, los ángulos de Gann, sigue siendo utilizada para predecir movimientos de precios. Estos se trazan en gráficos, y ayudan en la identificación de soportes y resistencias. El equilibrio perfecto, según Gann, se representa con un ángulo de 45 grados (1x1). Implementar estos ángulos en plataformas como MetaTrader 5 permite a los operadores, tanto novatos como expertos, integrar un enfoque geométrico en su análisis, mejorando así la comprensión de fuerzas del mercado.

Leer más...

El uso de arrays en MQL5 ofrece simplicidad frente a lenguajes como C o C++. Al pasar arrays como parámetros, siempre se hace por referencia, eliminando la necesidad de preocupaciones sobre el paso por valor. Sin embargo, se debe ejercer cuidado al modificar arrays remotamente, ya que puede introducir errores difíciles de diagnosticar. La flexibilidad de los arrays permite manejar tareas complejas más fácilmente, aunque es crucial comprender los conceptos básicos primero. Experimentar con el código propuesto, como los ejemplos de inicialización y modificación remota, ayudará a ganar confianza y evitar errores al trabajar con arrays en aplicaciones reales.

Leer más...

La memoria y su gestión son fundamentales en el desarrollo con MetaTrader 5. El artículo continúa explorando arrays, su inicialización y gestión, permitiendo un uso eficiente de la memoria. La correcta utilización del operador sizeof es clave para entender cuántos bytes son necesarios para nuestros datos. Además, se introducen los enumeradores, una herramienta útil para asignar valores de forma clara en el código.

También se destaca la importancia de poder trabajar con un número no fijo de argumentos, algo propio de lenguajes como C++ y adaptable en MQL5. La manipulación de arrays para pasar múltiples valores y la creación de implementaciones más avanzadas prometen mejorar la eficiencia y claridad en los programas.

Leer más...

El artículo detalla un innovador enfoque siglo para la predicción del movimiento en entornos de tráfico complejo. Destaca el uso de HiVT, un Transformer jerárquico que optimiza previsiones al explotar las simetrías del problema. Esto promete importantes mejoras para la navegación autónoma, al reducir la complejidad computacional y mejorar la precisión en tiempo real. A través de representaciones invariables de traslación y rotación, HiVT permite predecir trayectorias de múltiples agentes en una única pasada. Esta solución es especialmente atractiva para desarrolladores interesados en modelos eficientes que capten interacciones complejas sin comprometer el rendimiento.

Leer más...

Explora cómo el algoritmo Anarchic Society Optimization (ASO) innova en la optimización inspirándose en las sociedades anárquicas, permitiendo a sus "agentes" adoptar comportamientos no convencionales para evitar trampas de óptimos locales. A diferencia de otros métodos de inteligencia de enjambre, ASO incorpora un enfoque de equilibrio estratégico, combinando las ventajas del Particle Swarm Optimization (PSO) y un modelo de interacción sin jerarquías. Con índices como FI, EI, y II, ASO mide la inestabilidad y diversidad entre agentes, facilitando un avance más adaptativo en la búsqueda de soluciones óptimas, aplicable tanto en problemas continuos como discretos.

Leer más...

El artículo explora el algoritmo de búsqueda tabú y su aplicación en problemas de optimización en el espacio de búsqueda continua. La búsqueda tabú destaca por su innovador uso de la memoria adaptativa, estructurada en listas blancas y negras, para dirigir la búsqueda y evitar soluciones repetidas. Este enfoque permite gestionar dinámicamente probabilidades para explorar todas las regiones del espacio, maximizando la diversificación y la adaptabilidad. La implementación del algoritmo incluye estructuras para gestionar los sectores y agentes, usando métodos para inicializar, mover, y revisar poblaciones, así como mantener el equilibrio entre exploración y explotación. Esta técnica presenta un potencial significativo en diversas aplicaciones por su autoadaptabilidad y eficacia en la optimización combinatoria.

Leer más...

El índice del dólar estadounidense, o USDX, es fundamental en el mercado de divisas, reflejando el valor relativo del dólar desde su creación en 1973. Calculado en base a una cesta de seis monedas principales, cada una con su peso específico, el USDX permite analizar la variación del dólar frente a estos pares desde hace casi cinco décadas.

Por otro lado, el Índice del Euro (Euro Currency Index) mide la variación del euro frente a cinco monedas significativas. Este índice, desde su introducción en 2006, se ha convertido en una referencia esencial para entender el valor de la moneda europea en el comercio internacional.

Ambos índices son herramientas vitales para analistas financieros y traders al proporcionar una visión clara de la situación del euro y el dólar en el mercado global. Crearlos como instrumentos personalizados permite un análisis exhaustivo mediante la actualización d...

Leer más...

El artículo explora cómo integrar el místico Cuadrado de 9 de Gann en la plataforma MetaTrader 5 utilizando MQL5. Este enfoque combina conceptos de geometría y numerología para anticipar movimientos del mercado, proporcionando a los operadores una herramienta gráfica de análisis técnico no convencional. Detalla el proceso para crear un indicador que traza niveles de precios y ciclos temporales en un gráfico, allanando el camino para el análisis algorítmico moderno. Al combinar las ideas de Gann con tecnología avanzada, este concepto ofrece una perspectiva única en la predicción del comportamiento del mercado financiero para programadores y traders.

Leer más...

El método HiVT facilita la predicción de movimientos multiagente en vehículos autónomos mediante un proceso en tres etapas: extracción del contexto local, modelización global de interacciones y predicción de trayectorias futuras. En la etapa inicial, se capturan características contextuales locales dividiendo el escenario en áreas locales centradas en los agentes.

Para el análisis de dependencias globales, la transferencia de información entre regiones locales es clave. Esto permite al descodificador anticipar trayectorias futuras en una única pasada. HiVT, a través de este enfoque, ofrece un modelo integral para el análisis y predicción del comportamiento multiagente, mejorando la eficacia en escenarios complejos de conducción autónoma.

Leer más...

En el último artículo de la serie sobre patrones de diseño, nos enfocamos en los patrones conductuales, esenciales para la asignación de responsabilidades y la interacción entre objetos en MQL5 para MetaTrader 5. Abordamos la cadena de responsabilidad, que desacopla el emisor del receptor permitiendo múltiples manejadores para una solicitud. También destacamos el patrón comando, que encapsula solicitudes permitiendo operaciones como cancelación. El intérprete define gramáticas para lenguajes específicos, mientras que el iterador facilita el acceso a colecciones sin exponer su estructura. Finalmente, el mediador promueve la independencia de los objetos al centralizar las interacciones, mejorando la modularidad y mantenimiento del código.

Leer más...

Los modelos de caja de cristal ofrecen una alternativa transparente a los modelos de caja negra tradicionales, que suelen ser difíciles de interpretar. Estos modelos permiten un alto nivel de precisión sin sacrificar la claridad, lo que facilita su depuración y mantenimiento. Al integrarse con MetaTrader 5, mediante bibliotecas de Python y el formato ONNX, los modelos de caja de cristal logran combinar sus características transparentes con las funcionalidades avanzadas de la plataforma. Esto los convierte en una opción ideal para desarrolladores en búsqueda de modelos interpretables y precisos en el ámbito financiero, sin el riesgo de los problemas del desacuerdo inherentes a las cajas negras.

Leer más...

Descubre cómo el algoritmo Traj-LLM, basado en grandes modelos lingüísticos, está revolucionando la predicción de trayectorias en el ámbito financiero. Con una arquitectura de cuatro componentes, este sistema aprovecha la codificación contextual dispersa y el modelado de interacciones de alto nivel para mejorar la precisión de las previsiones de movimientos en el mercado. Además, el aprendizaje probabilístico consciente del carril permite un análisis más profundo de los datos, ofreciendo vistas precisas y adaptativas. Implementado en MQL5, Traj-LLM combina eficiencia y adaptabilidad, convirtiéndose en una herramienta esencial para desarrolladores y traders que buscan optimizar sus estrategias en mercados volátiles.

Leer más...

Descubre innovaciones en la gestión del riesgo para MetaTrader 5. El artículo ofrece herramientas para mejorar algoritmos de trading con dinámicas de riesgo por operación. Explica estructuras y enumeraciones nuevas para ajustar automáticamente el riesgo basándose en fluctuaciones del balance, protegiendo así las cuentas de pérdidas severas. Utiliza estructuras avanzadas como CHashMap para ordenar y gestionar eficientemente los cambios de riesgo según el balance. Además, incorpora métodos para verificación automática de balances, optimizando la respuesta del sistema ante condiciones cambiantes del mercado. Esta guía es esencial para desarrolladores y traders que buscan perfeccionar sus estrategias en MetaTrader 5.

Leer más...

El artículo discute las innovaciones de PointNet, un enfoque para el aprendizaje profundo en conjuntos de puntos 3D que evita las complejidades de la conversión a mallas o imágenes voluminosas. PointNet se basa en el uso de MaxPooling para agregar información simétricamente, permitiendo la invarianza ante permutaciones de puntos. Esto se logra a través de una arquitectura sencilla que incluye capas de MLP y funciones de agregación. El artículo destaca la implementación de estos conceptos en MQL5, creando una estructura de clase para optimizar modelos de proyección de datos. La metodología mejora el rendimiento en la segmentación y clasificación de nubes de puntos, con aplicaciones prácticas en análisis geométrico y de datos tridimensionales.

Leer más...