Un Asesor Experto (EA) permite utilizar el Calendario MQL5 para desarrollar un sistema de trading que responda a noticias relevantes en el mercado forex. Este código tiene fines educativos, instruyendo a traders y desarrolladores a usar el Calendario MQL5 para detectar y aprovechar eventos económicos importantes, como IPC, PPI o decisiones de tasas de interés. El EA detecta eventos de alto impacto para la moneda base o cotizada, aplicando una estrategia de ruptura mediante órdenes pendientes (Buy Stop y Sell Stop) alrededor del precio actual. Esto busca capitalizar sobre movimientos de mercado tras publicaciones importantes.

El EA ofrece opciones configurables para ajustar su funcionalidad:

1. Tipo: Permite elegir entre operar o generar alertas ante próximas noticias de alto impacto.
2. Mágico: Designa el número Mágico de las órdenes en el modo de trading.
3. TPPoints y SL: Defin...

👉 Léelo | Foro | @mql5es

Algunos brokers muestran inexactitudes con el ajuste de hora del servidor durante la transición a horario de verano o invierno. La sesión FOREX oficial dura 120 horas, comenzando el domingo a las 17:00 EST y concluyendo el viernes a la misma hora. Sin embargo, los cambios de hora no ocurren al mismo tiempo en todas las regiones: EE.UU. realiza el cambio el segundo domingo de marzo y el primer domingo de noviembre, mientras que la UE lo hace el último domingo de marzo y octubre. Esto conlleva un desajuste temporal, alterando las diferencias horarias comunes de 5 a 7 horas. Durante estos períodos, la sesión FOREX debiera ajustarse para empezar y terminar correctamente, sin embargo, algunos brokers no reflejan estos cambios, causando pérdidas en la apertura de mercado. Un nuevo script verifica retrospectivamente estas inconsistencias en las sesiones y registra aquellas que no cumplen con...

👉 Léelo | Manual sobre redes neuronales | @mql5es

En mayo de 2023, un nuevo método de entrenamiento RL llamado Pretrained Decision Transformer (PDT) fue presentado como una medida eficaz para mejorar la formación de modelos sin depender de recompensas explícitas. Aprovechando la arquitectura del Transformer, el PDT se entrena inicialmente offline utilizando trayectorias sin etiquetas de recompensa, ajustando posteriormente los modelos a través de interacción online. Este enfoque busca crear señales de entrenamiento universales y un modelo adaptable a diversas tareas futuras.

El PDT consta de tres componentes: el Actor, que actúa como un DT clásico, un modelo de predicción de objetivos, y un codificador de futuro. Juntos, permiten al modelo prever acciones sin depender de recompensas directas, posibilitando un preentrenamiento más escalable y menos dependiente de recompensas específicas del entorno.

En la implementación práctica, se...

👉 Léelo | Documentación | @mql5es