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...

¡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...

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...

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...

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...

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...

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...

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...

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...

La regresión simbólica (SR) es un enfoque innovador para modelar relaciones entre variables en el trading algorítmico, superando las limitaciones de métodos tradicionales como la regresión lineal. SR se distingue por su flexibilidad, generando modelos a partir de conjuntos de datos complejos sin suposiciones iniciales, permitiendo la captura de relaciones no lineales. Funciona mediante la creación de árboles de expresión optimizados genéticamente para descubrir patrones de mercado. Esta técnica, aplicable en MetaTrader 5, ofrece modelos más precisos y explicables, facilitando la comprensión de las relaciones subyacentes en los datos financieros dinámicos. Ideal para traders y desarrolladores que buscan sofisticación y precisión en sus estrategias.

Leer más...

La Brain Storm Optimization (BSO) es un innovador algoritmo de optimización inspirado en la dinámica de las "tormentas de ideas". Esta técnica utiliza la inteligencia colectiva para resolver problemas complejos. A diferencia de métodos tradicionales, BSO no requiere predeterminar el número de soluciones óptimas. Veremos cómo la BSO simula la generación de ideas en grupos para encontrar múltiples soluciones significativas.

El algoritmo BSO opera mediante la iteración de diversas fases: inicialización, generación de ideas, evaluación, selección y finalización. Utiliza principios de clusterización con K-means para organizar las ideas. Este enfoque distinto es particularmente efectivo en problemas multimodales donde se buscan múltiples resultados óptimos.

Leer más...

En los entornos de mercado que cambian constantemente, reconocer y adaptarse a los cambios en las tendencias es esencial. Varios métodos ayudan a identificar estos cambios, como las medias móviles, los patrones de velas y las líneas de tendencia. MQL5 permite integrar estas herramientas en sistemas de trading, optimizando la toma de decisiones.

Las medias móviles cruzadas pueden indicar cambios significativos en la tendencia. Los patrones de velas, por su parte, han sido analizados históricamente por su capacidad para reflejar cambios de sentimiento en el mercado. Las líneas de tendencia y los niveles de soporte/resistencia también proporcionan pistas valiosas.

Ajustar los sistemas de trading para incorporar estas herramientas puede mejorar significativamente el rendimiento y la efectividad en la identificación de puntos de reversión. Integrar estas funcionalidades ofrece un enfoque...

Leer más...

La previsión de series temporales es fundamental para estrategias de negociación. Los modelos de aprendizaje profundo, como Transformers, han avanzado en este campo. Sin embargo, hay debate sobre su eficacia en captar dependencias intertemporales. Investigaciones recientes, como en "Self-Attention Client", sugieren que no todos los modelos aprovechan bien estas dependencias, y a veces, un modelo lineal simple puede superar a los Transformers.

El enfoque Client propone integrar módulos lineales para mejorar el rendimiento, capturando tendencias lineales mientras usa el Transformer para dependencias no lineales entre variables. Este híbrido busca unir lo mejor de ambos modelos, optimizando la previsión de series de tiempo en aplicaciones prácticas como el trading algorítmico.

Leer más...

MetaTrader 5 build 4585 complementa la actualización lanzada anteriormente, donde hemos mejorado significativamente el terminal web y ampliado las funciones para el aprendizaje automático en MQL5. Hemos corregido una serie de errores para que su experiencia con la plataforma resulte aún más cómoda:

• En la plataforma de escritorio, se han corregido los bloqueos que se producían en algunos casos al detener el perfilado de programas MQL5.
• En el MetaEditor se han corregido las fugas de memoria durante la compilación de programas MQL5 y durante el funcionamiento de las funciones de administración intelectual del código.
• En el simulador de estrategias se han corregido los bloqueos que se producían en algunos casos al volver a ejecutar una única pasada de prueba.

Discutir la actualización...

La integración estándar con Python permite utilizar fácilmente y al completo la amplia variedad de bibliotecas matemáticas y estadísticas de este lenguaje para analizar los datos del mercado directamente dentro de MetaTrader.

Especialmente para los interesados en Python, hemos recopilado más de doscientos vídeos útiles:

✓ Instalación y creación del primer script
✓ Creación de scripts útiles para automatizar operaciones manuales.
✓ Recopilación y análisis de datos sobre precios
✓ Desarrollo de robots comerciales
✓ Integración con IA, incluido ChatGPT.

En un hilo aparte del foro podrá discutir sus ideas o hacer preguntas a aquellos que también realizan desarrollos en Python.

Comparta experiencias y adquiera nuevos conocimientos

El análisis del diferencial Brent-WTI es crucial para la negociación petrolera. Ambos son índices de referencia fundamentales, con Brent negociado con una prima sobre WTI. Se ha desarrollado una estrategia con aprendizaje automático que busca usar estos diferenciales para predecir precios futuros del Brent. Inicialmente, se requiere comprender los conceptos básicos de estas referencias y cómo sus diferencias afectan el comercio.

Se implementa un modelo de aprendizaje supervisado, usando matrices de datos históricos para predecir precios. La técnica de mínimos cuadrados se utiliza para optimizar las previsiones. El objetivo es mejorar la estrategia clásica incorporando algoritmos modernos, maximizando las oportunidades de inversión eficazmente.

Leer más...

Exploramos la evolución de un Experto Asesor (EA) en MetaTrader 5, optimizando la ejecución de múltiples instancias de estrategias en un simulador. El enfoque se centra en medir tiempos de pruebas y uso de memoria con diversas configuraciones de instancias. Destacamos la eficiencia en pruebas hasta con 16,384 instancias, manteniendo consumos de memoria adecuados. Además, evaluamos diferentes modos de modelado de ticks, subrayando que estrategias con aperturas menos frecuentes pueden beneficiarse de modos de simulación más rápidos como "OHLC en M1". También proponemos métodos para optimizar cálculos en nuevas barras, sugiriendo mejoras operativas significativas en el terminal.

Leer más...

El algoritmo Brain Storm Optimization (BSO) se presenta como una metodología avanzada para optimización, integrando fases de generación y evaluación de ideas en actividades grupales. Se analizan técnicas de clusterización, destacando K-Means y K-Means++. Este enfoque ayuda a identificar grupos de datos similares, crucial para encontrar soluciones óptimas. El uso de mutación mejora el algoritmo al superar obstáculos, guiando hacia el óptimo.

En la aplicación, se resumen los aspectos técnicos del algoritmo BSO, incluyendo la estructura de agente y la clase C_AO_BSO para implementación. A pesar de su enfoque en multimodalidad, se observó que el BSO no detecta de manera eficiente extremos locales significativos. Se sugiere investigar otros métodos como DBSCAN o Clusterización jerárquica.

Los resultados de pruebas revelan que el BSO proporciona soluciones satisfactorias para ciertas func...

Leer más...

En recientes desarrollos, se ha ensamblado el primer módulo del sistema de repetición/simulador, que permite un uso personal y adaptable sin necesidad de grandes reprogramaciones. Se ha adoptado un enfoque modular, eliminando variables globales y permitiendo la comunicación a través de eventos personalizados. Este cambio facilita la integración de herramientas en MetaTrader 5 tanto para demostraciones como para operaciones reales.

El indicador de control ha sido modificado para mejorar la interacción sin variables globales. Al usar un buffer para la transmisión de datos, se garantiza la eficiencia en la comunicación entre ser el indicador y el servicio, manteniendo la integridad de la información.

Leer más...

Para los interesados en programación avanzada en MQL5 y MetaTrader 5, la correcta gestión de mensajes entre aplicaciones es esencial. Al adoptar un enfoque modular, es fundamental tener una base sólida en C y conocimiento sobre el intercambio de mensajes en Windows. Esto permite una manipulación eficiente de eventos y mensajes, esencial para el desarrollo de indicadores y herramientas en MetaTrader.

Para optimizar la interacción entre aplicaciones, es crucial ajustar el sistema para manejar eventos específicos, como la gestión de líneas de precio o la sincronización con servicios de simulación. Estos ajustes mejoran la funcionalidad y garantizan una adaptación fluida a cambios efectuados por los usuarios. Un entendimiento detallado del código y su implementación es indispensable para un desarrollo efectivo y profesional.

Leer más...