El comportamiento impredecible de los mercados financieros es similar a la volatilidad del tiempo. La humanidad ha avanzado en la predicción meteorológica, y ahora se pregunta si estas técnicas pueden aplicarse a los mercados financieros. El algoritmo Conformer, desarrollado para previsión meteorológica, se presenta en el artículo "Conformer: Embedding Continuous Attention in Vision Transformer for Weather Forecasting."
El algoritmo Conformer analiza el cambio climático utilizando un mecanismo de atención multicabeza continuo. Recibe datos meteorológicos, estudia su evolución, y pronostica el siguiente estado. Implementa ecuaciones diferenciales para captar los cambios constantes en los datos.
Este modelo se aplicará en MQL5 con la clase CNeuronConformer, heredando de CNeuronBaseOCL. Se redefinirán métodos, y se introducirá Continuous Attention, que calcula similitudes derivadas par...
Leer más...
El algoritmo Conformer analiza el cambio climático utilizando un mecanismo de atención multicabeza continuo. Recibe datos meteorológicos, estudia su evolución, y pronostica el siguiente estado. Implementa ecuaciones diferenciales para captar los cambios constantes en los datos.
Este modelo se aplicará en MQL5 con la clase CNeuronConformer, heredando de CNeuronBaseOCL. Se redefinirán métodos, y se introducirá Continuous Attention, que calcula similitudes derivadas par...
Leer más...
Descubre cómo optimizar redes neuronales en MetaTrader 5 utilizando vectores propios y Análisis de Componentes Principales (PCA). Exploramos una técnica innovadora para seleccionar configuraciones eficaces de la red, enfocándonos en el tamaño y número de capas ocultas. Este enfoque reduce drásticamente el coste computacional al evitar la retropropagación extensa. En lugar de métodos tradicionales como el aprendizaje por refuerzo y la optimización bayesiana, utilizamos análisis matricial para identificar las configuraciones con menor error. Ideal para desarrolladores y traders que buscan aumentar la eficiencia y precisión en el entrenamiento de redes neuronales.
Leer más...
Leer más...
¿Interesado en el algoritmo Boids? Este modelo, creado por Craig Reynolds en 1986, simula comportamientos de enjambres de animales mediante reglas simples: separación, alineación y cohesión. No solo es crucial en animaciones sino que también tiene aplicaciones en optimización y búsqueda, robótica y gestión de tráfico. Cada Boid (agente) sigue estas reglas para ajustar su movimiento, creando un comportamiento coordinado increíblemente realista. La adaptabilidad del algoritmo Boids permite su uso en diversos campos, haciendo de él una herramienta potente para modelar comportamientos colectivos complejos y resolver problemas distribuidos con eficiencia.
Leer más...
Leer más...
El Bird Swarm Algorithm (BSA) es un apasionante algoritmo evolutivo bioinspirado que utiliza la inteligencia de enjambre, basado en las interacciones sociales de las aves. Desarrollado en 2015, este enfoque innovador integra el vuelo, la búsqueda de alimento y la vigilancia de las aves para crear soluciones óptimas. El BSA ajusta estrategias individuales, permitiendo alternar entre comportamientos para evitar problemas como la convergencia prematura. Cuenta con un pseudocódigo detallado que guía la implementación y adaptación del algoritmo. Para los desarrolladores de MetaTrader 5, el BSA ofrece una técnica eficiente de optimización, aplicada para resolver problemas complejos de manera dinámica y efectiva.
Leer más...
Leer más...
Aprenda a crear robots comerciales para MetaTrader 5 con nuestro libro "Programación en MQL5 para Tráders". Se trata del tutorial más completo sobre el tema, y abarca todos los conocimientos necesarios para programar sus propias aplicaciones comerciales:
✓ Fundamentos de programación y herramientas básicas con progresión gradual hacia conceptos más complejos
✓ Desarrollo de aplicaciones y automatización de estrategias comerciales
✓ Amplia gama de tecnologías para el trading algorítmico
Con los conocimientos adquiridos, será capaz de:
- Automatizar estrategias para una negociación más eficaz
- Desarrollar programas y venderlos en el mayor mercado de aplicaciones comerciales
- Crear aplicaciones por encargo a través de la bolsa freelance
Comience a estudiar MQL5 ahora mismo y descubra el mundo del trading algorítmico profesional.
Descargar el libro...
✓ Fundamentos de programación y herramientas básicas con progresión gradual hacia conceptos más complejos
✓ Desarrollo de aplicaciones y automatización de estrategias comerciales
✓ Amplia gama de tecnologías para el trading algorítmico
Con los conocimientos adquiridos, será capaz de:
- Automatizar estrategias para una negociación más eficaz
- Desarrollar programas y venderlos en el mayor mercado de aplicaciones comerciales
- Crear aplicaciones por encargo a través de la bolsa freelance
Comience a estudiar MQL5 ahora mismo y descubra el mundo del trading algorítmico profesional.
Descargar el libro...
El artículo anterior abordó el uso de la pseudo inversa en redes neuronales con MQL5. Esta vez se avanza más, buscando implementar una factorización específica para obtener la pseudo inversa, en lugar de una general. Este enfoque especializado es más eficiente, especialmente tratándose de cálculos complejos que pueden aprovechar mejor el hardware disponible.
En la evolución de la informática, se ha visto cómo las soluciones genéricas tienden a ser menos eficientes que las especializadas. Apuntar a un enfoque especializado no solo mejora el rendimiento, sino que también facilita la comprensión y aplicación práctica de los conceptos.
El siguiente paso será concretar cómo implementar esta pseudo inversa de manera óptima y didáctica.
Leer más...
En la evolución de la informática, se ha visto cómo las soluciones genéricas tienden a ser menos eficientes que las especializadas. Apuntar a un enfoque especializado no solo mejora el rendimiento, sino que también facilita la comprensión y aplicación práctica de los conceptos.
El siguiente paso será concretar cómo implementar esta pseudo inversa de manera óptima y didáctica.
Leer más...
Antes de implementar trading algorítmico con aprendizaje automático, es crucial validar la relación entre entradas del modelo y la variable a predecir. Utilizar pruebas de raíz unitaria en los residuos del modelo ayuda a verificar esta relación. Sin embargo, es posible crear modelos espurios con métricas de error bajas, ofreciendo una falsa sensación de éxito.
Este artículo aborda el concepto de regresiones espurias y métodos para identificarlas, incluyendo la simulación de datos de series temporales. Con el uso de Python y ONNX, se busca aplicar una estrategia de trading en MQL5, validando previamente la integridad del modelo.
Leer más...
Este artículo aborda el concepto de regresiones espurias y métodos para identificarlas, incluyendo la simulación de datos de series temporales. Con el uso de Python y ONNX, se busca aplicar una estrategia de trading en MQL5, validando previamente la integridad del modelo.
Leer más...
El análisis de regresión en MetaTrader 5 puede conducir a conclusiones erróneas si no se considera la estacionariedad de la serie temporal. La simulación de Montecarlo con la biblioteca estándar MQL5 demuestra cómo infringir este supuesto provoca regresiones espurias. Mediante la generación de números aleatorios y gráficos científicos, es posible modelar y analizar tanto procesos estacionarios como no estacionarios, evaluando la significación de los parámetros del modelo. La regresión incorrecta y el análisis de residuos revelan autocorrelaciones significativas, indicando problemas de especificación del modelo. Este enfoque es vital para desarrolladores que buscan optimizar algoritmos de trading.
Leer más...
Leer más...
En esta nueva parte de nuestra serie sobre el EA Grid-Hedge modificado en MQL5, se examina a fondo el EA de cuadrícula. Utilizando conocimientos previos del Simple Hedge EA, se aplican técnicas para optimizar el rendimiento de Grid EA.
Este análisis se centra en la estrategia de cuadrícula, abordando sus complejidades y teorías matemáticas. La optimización matemática es multifacética y se abordará en partes. En este artículo, se profundiza en los aspectos matemáticos y sus fórmulas.
Aspectos destacados:
- Estrategia de cuadrícula
- Optimización matemática
- Simulación de cálculos en Python
- Conclusiones
En futuros artículos, se discutirá la implementación práctica y la codificación de las estrategias optimizadas.
Leer más...
Este análisis se centra en la estrategia de cuadrícula, abordando sus complejidades y teorías matemáticas. La optimización matemática es multifacética y se abordará en partes. En este artículo, se profundiza en los aspectos matemáticos y sus fórmulas.
Aspectos destacados:
- Estrategia de cuadrícula
- Optimización matemática
- Simulación de cálculos en Python
- Conclusiones
En futuros artículos, se discutirá la implementación práctica y la codificación de las estrategias optimizadas.
Leer más...
En análisis previos, se optimizaron instancias de estrategias comerciales individuales en el periodo 2018-2022. Este periodo se seleccionó por su duración suficiente para reflejar distintas dinámicas del mercado y por permitir tiempos de simulación rápidos. El simulador estándar de MetaTrader 5 proporciona funcionalidad para divisiones de prueba y optimización con periodos forward, útiles para evaluar el comportamiento en ámbitos no utilizados en optimización.
En aprendizaje automático, se diferencian los conjuntos de datos en IS y OOS. El periodo principal en trading actúa como IS y el periodo forward como OOS, aunque el concepto de OOS es más amplio. El objetivo de las pruebas es mantener resultados comparables en ambos periodos.
Leer más...
En aprendizaje automático, se diferencian los conjuntos de datos en IS y OOS. El periodo principal en trading actúa como IS y el periodo forward como OOS, aunque el concepto de OOS es más amplio. El objetivo de las pruebas es mantener resultados comparables en ambos periodos.
Leer más...
Hemos lanzado la versión de MetaTrader 5 build 4570 con muchas novedades y mejoras en la versión web de la plataforma:
• Modo de retícula para obtener valores y mediciones de distancia precisos en el gráfico, así como una nueva vista del gráfico: la línea.
• Posibilidad de incluir información adicional en la "Observación de mercado" en la versión móvil.
• Lista ampliada de teclas de acceso rápido compatibles para trabajar más cómodamente con los gráficos.
En esta nueva versión, MQL5 incorpora nuevas funciones de aprendizaje automático. Ahora dispone de integración con la biblioteca de cálculo matricial OpenBLAS y soporte mejorado para ONNX Runtime, que permitirá ejecutar modelos neuronales más complejos.
Además, la plataforma ha mejorado la carga y exportación de la historia de ticks, y en los agentes de prueba se han corregido errores que podían provocar un consumo excesivo de RAM.
Instale la última versión y disfrute de las nuevas funciones de la plataforma
• Modo de retícula para obtener valores y mediciones de distancia precisos en el gráfico, así como una nueva vista del gráfico: la línea.
• Posibilidad de incluir información adicional en la "Observación de mercado" en la versión móvil.
• Lista ampliada de teclas de acceso rápido compatibles para trabajar más cómodamente con los gráficos.
En esta nueva versión, MQL5 incorpora nuevas funciones de aprendizaje automático. Ahora dispone de integración con la biblioteca de cálculo matricial OpenBLAS y soporte mejorado para ONNX Runtime, que permitirá ejecutar modelos neuronales más complejos.
Además, la plataforma ha mejorado la carga y exportación de la historia de ticks, y en los agentes de prueba se han corregido errores que podían provocar un consumo excesivo de RAM.
Instale la última versión y disfrute de las nuevas funciones de la plataforma
Las redes neuronales no poseen inteligencia ni aprenden por sí mismas. Son sistemas matemáticos complejos utilizados para clasificar datos y encontrar patrones. Un aspecto crucial es cómo una red neuronal puede establecer correlaciones en datos no filtrados.
El proceso de entrenamiento implica introducir datos aleatorios a la red y enseñarla a encontrar una ecuación matemática que represente esos datos. Este mecanismo, basado en la búsqueda de una recta secante que se aproxime a la tangente, permite que la red neuronal clasifique información de manera precisa.
Al construir una red neuronal, se comienza por desarrollar una única neurona, enfocándose en la capacidad de realizar cálculos y generar una ecuación base.
Leer más...
El proceso de entrenamiento implica introducir datos aleatorios a la red y enseñarla a encontrar una ecuación matemática que represente esos datos. Este mecanismo, basado en la búsqueda de una recta secante que se aproxime a la tangente, permite que la red neuronal clasifique información de manera precisa.
Al construir una red neuronal, se comienza por desarrollar una única neurona, enfocándose en la capacidad de realizar cálculos y generar una ecuación base.
Leer más...
¡Descubre cómo construir redes neuronales paso a paso! 🤖
En esta serie, aprenderás la importancia de los pesos y sesgos (¡la intersección en ecuaciones lineales!) y cómo aplicarlos en tus modelos. Comenzamos con una simple neurona y analizamos sus limitaciones para luego perfeccionarla añadiendo la constante de intersección. Verás cómo ajustar estos parámetros y hacer tu red más precisa.
Perfecto para desarrolladores y traders, comprenderás cómo entrenar neuronas efectivamente y adaptarlas para realizar tareas complejas. ¡Una guía esencial que abre las puertas al apasionante mundo del machine learning en MetaTrader 5! 🚀
Leer más...
En esta serie, aprenderás la importancia de los pesos y sesgos (¡la intersección en ecuaciones lineales!) y cómo aplicarlos en tus modelos. Comenzamos con una simple neurona y analizamos sus limitaciones para luego perfeccionarla añadiendo la constante de intersección. Verás cómo ajustar estos parámetros y hacer tu red más precisa.
Perfecto para desarrolladores y traders, comprenderás cómo entrenar neuronas efectivamente y adaptarlas para realizar tareas complejas. ¡Una guía esencial que abre las puertas al apasionante mundo del machine learning en MetaTrader 5! 🚀
Leer más...
Explora con nosotros cómo la inferencia bayesiana puede transformar la previsión de series temporales para MetaTrader 5. Este enfoque estadístico permite actualizar probabilidades continuamente, mejorando la adaptabilidad y reduciendo el sobreajuste en sistemas comerciales reales. Analizamos la implementación práctica de inferencia bayesiana en clases de señal, gestión monetaria y trailing stop, proporcionando ejemplos detallados y resultados de pruebas para el EURJPY en 2022. Recomendado tanto para desarrolladores experimentados como para aquellos interesados en la automatización del trading, este análisis ofrece herramientas valiosas para optimizar estrategias y mejorar el rendimiento operativo.
Leer más...
Leer más...
En el artículo sobre el sistema de repetición en MetaTrader 5, se aborda un problema técnico relacionado con el uso de activos personalizados que lleva al indicador de mouse a generar un error de rango por insuficiencia de barras en gráficos con marcos temporales superiores a 10 minutos. La solución propuesta involucra compactar la información en una única posición del búfer, permitiendo que el indicador funcione correctamente con una sola barra en el gráfico. Esto se logra mediante cambios en la definición de tipos y una optimización de la asignación de memoria. Esta técnica asegura la estabilidad del sistema sin requerir grandes cantidades de datos.
Leer más...
Leer más...
Descubre cómo mejorar un Asesor Experto multidivisas en MetaTrader 5. Analizamos dos esquemas de trabajo para optimizar estrategias comerciales combinadas. En el primer enfoque, cada estrategia manejaba sus posiciones de mercado, resultando en complicaciones debido a posiciones opuestas y reducción de tamaños de operación. El segundo esquema introduce posiciones virtuales mediante la clase CVirtualOrder y un receptor de volúmenes (CReceiver), centralizando el manejo de operaciones y mejorando la eficiencia con ahorro en swaps y menor utilización de depósitos. Este enfoque permite adaptaciones más robustas y reducciones en el código duplicado, maximizando las oportunidades para traders y desarrolladores.
Leer más...
Leer más...
La gran popularidad de los robots basados en inteligencia artificial en el mercado de aplicaciones comerciales supone un buen indicativo de la gran demanda de tecnologías de aprendizaje automático entre los inversores.
Dé el primer paso para crear sus propios asesores basados en IA y conviértase en un vendedor de éxito con nuestro libro "Redes neuronales en el trading algorítmico MQL5". Adquiera habilidades de aprendizaje automático con nuestra guía en profundidad que revela todos los conocimientos que usted necesitará:
✓ Tipos de redes neuronales en el trading
✓ Bloques de construcción de la red: capas, funciones de activación, métodos de inicialización de los coeficientes de peso
✓ Herramientas de la plataforma MetaTrader 5 para crear potentes estrategias algorítmicas.
✓ Soluciones arquitectónicas para mejorar la convergencia de los modelos
✓ Construcción del primer modelo de red neuronal usando MQL5 y pruebas en condiciones reales de trading.
Lea el libro y utilice el aprendizaje automático para negociar con eficacia.
Descargar el libro...
Dé el primer paso para crear sus propios asesores basados en IA y conviértase en un vendedor de éxito con nuestro libro "Redes neuronales en el trading algorítmico MQL5". Adquiera habilidades de aprendizaje automático con nuestra guía en profundidad que revela todos los conocimientos que usted necesitará:
✓ Tipos de redes neuronales en el trading
✓ Bloques de construcción de la red: capas, funciones de activación, métodos de inicialización de los coeficientes de peso
✓ Herramientas de la plataforma MetaTrader 5 para crear potentes estrategias algorítmicas.
✓ Soluciones arquitectónicas para mejorar la convergencia de los modelos
✓ Construcción del primer modelo de red neuronal usando MQL5 y pruebas en condiciones reales de trading.
Lea el libro y utilice el aprendizaje automático para negociar con eficacia.
Descargar el libro...
El artículo presenta una estrategia de arbitraje triangular basada en modelos de aprendizaje profundo. Incluye ejemplos de arbitrajes triangulares y el EA necesario para su implementación.
El arbitraje triangular se aprovecha de discrepancias en tipos de cambio para generar ganancias sin riesgo. Esta técnica utiliza tres pares de divisas para evaluar si es rentable realizar una serie de transacciones.
El proceso requiere configurar un entorno de desarrollo específico con Python, Visual Studio Code y otras herramientas. La predicción se realiza mediante modelos ONNX que se integran en EA MT5.
El artículo también incluye un ejemplo utilizando EUR-USD-JPY, con detallados resultados de backtesting y ajustes necesarios para maximizar la efectividad de la estrategia.
Leer más...
El arbitraje triangular se aprovecha de discrepancias en tipos de cambio para generar ganancias sin riesgo. Esta técnica utiliza tres pares de divisas para evaluar si es rentable realizar una serie de transacciones.
El proceso requiere configurar un entorno de desarrollo específico con Python, Visual Studio Code y otras herramientas. La predicción se realiza mediante modelos ONNX que se integran en EA MT5.
El artículo también incluye un ejemplo utilizando EUR-USD-JPY, con detallados resultados de backtesting y ajustes necesarios para maximizar la efectividad de la estrategia.
Leer más...
La implementación del Conformer para la previsión meteorológica ha mostrado resultados aceptables, pero cabe preguntarse si es posible optimizarlos. Durante el entrenamiento del modelo, la metodología utilizada puede no ser la más adecuada para predecir los próximos indicadores de las series temporales. El enfoque actual entrena el Codificador del entorno inicial para extraer características individuales, lo cual puede llevar a una política no óptima del Actor.
Incluir capas de normalización instantánea reversible (RevIN) mejora el ajuste al contener desviaciones estadísticas. El proceso de normalización-desnormalización de RevIN permite al modelo trabajar con datos más coherentes, facilitando predicciones más precisas y ajustadas a la distribución original de los datos.
La implementación práctica con MQL5 incluye la creación y ajuste de capas neuronales especializadas para normaliz...
Leer más...
Incluir capas de normalización instantánea reversible (RevIN) mejora el ajuste al contener desviaciones estadísticas. El proceso de normalización-desnormalización de RevIN permite al modelo trabajar con datos más coherentes, facilitando predicciones más precisas y ajustadas a la distribución original de los datos.
La implementación práctica con MQL5 incluye la creación y ajuste de capas neuronales especializadas para normaliz...
Leer más...
AdaBoost es un modelo de aprendizaje automático que utiliza conjuntos de clasificadores débiles para construir un clasificador fuerte. Asigna pesos a las instancias según su clasificación correcta o incorrecta y combina los aprendices débiles mediante una suma ponderada.
Ventajas de AdaBoost:
1. Precisión mejorada al combinar varias predicciones.
2. Reducción del sobreajuste.
3. Mejor manejo de datos desequilibrados.
4. Mayor interpretabilidad del modelo.
Un modelo de decisión simple, como los árboles de decisión, captura patrones básicos y mejora el rendimiento del conjunto. Otros aprendices débiles incluyen modelos lineales, polinómicos, redes neuronales poco profundas y modelos gaussianos.
Implementar AdaBoost requiere ajustar pesos y valores alfa durante el entrenamiento, centrándose en los errores para mejorar el rendimiento.
Leer más...
Ventajas de AdaBoost:
1. Precisión mejorada al combinar varias predicciones.
2. Reducción del sobreajuste.
3. Mejor manejo de datos desequilibrados.
4. Mayor interpretabilidad del modelo.
Un modelo de decisión simple, como los árboles de decisión, captura patrones básicos y mejora el rendimiento del conjunto. Otros aprendices débiles incluyen modelos lineales, polinómicos, redes neuronales poco profundas y modelos gaussianos.
Implementar AdaBoost requiere ajustar pesos y valores alfa durante el entrenamiento, centrándose en los errores para mejorar el rendimiento.
Leer más...