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...

En el artículo anterior, se configuró un entorno para ejecutar modelos de lenguaje grandes sin necesidad de una GPU potente. Esta serie de tutoriales enfoca en reducir los requisitos de hardware para que más personas puedan experimentar con estos modelos. Se aborda cómo entrenar un modelo de lenguaje grande usando solo una CPU, destacando la importancia de entender las limitaciones y capacidades que esto implica.

El proceso incluye la creación y procesamiento de conjuntos de datos mediante tokenizadores. Se ofrecen ejemplos sobre cómo gestionar datos financieros con MetaTrader 5 y cómo estos pueden segmentarse y almacenarse para su uso en entrenamientos posteriores.

Se exploran las variedades de tokenizadores como los modelos de codificador y decodificador, y cómo ajustarlos según las necesidades del modelo. El enfoque está en lograr resultados optimales sin requerir grandes cantida...

Leer más...

Bill Williams, trader, escritor y psicólogo, es reconocido en el ámbito del trading y análisis financiero. Su enfoque destaca por la aplicación de conceptos psicológicos al trading, desarrollando indicadores como el Alligator, Awesome Oscillator (AO), y los Fractales. Estos reflejan el comportamiento del mercado y el factor humano.

El Alligator utiliza tres medias móviles para identificar fases de actividad y descanso del mercado, mientras que el AO mide el impulso diferenciando entre dos SMA. Los fractales, por su parte, ayudan a visualizar puntos donde el mercado podría cambiar de dirección. Estos patrones comprenden aspectos psicológicos como soporte y resistencia.

La combinación de estos elementos con técnicas avanzadas de predicción, como modelos de aprendizaje profundo, ha mostrado resultados prometedores en pruebas. La estrategia analizada resulta rentable con un buen control...

Leer más...

Los árboles de decisión potenciados por gradiente, como XGBoost y LightGBM, son herramientas avanzadas en aprendizaje automático, utilizados principalmente para regresión y clasificación. Estos modelos se destacan por combinar múltiples predicciones de modelos débiles para mejorar la precisión. LightGBM es notable por su eficiencia en memoria y escalabilidad en conjuntos de datos grandes. No requieren normalización de datos de entrada ni escalado de características, y manejan valores faltantes de manera efectiva, a diferencia de algoritmos como K-Nearest Neighbors. LightGBM utiliza histogramas para reducir el uso de memoria y tiene un crecimiento por hojas que permite árboles más profundos y detallados.

Leer más...

Para mejorar los resultados en el trading algorítmico, el enfoque del artículo sugiere predecir valores de indicadores técnicos en lugar de precios de activos. Utilizando Python y MQL5, se demuestra cómo pronosticar cambios en indicadores, como la media móvil, puede aumentar la precisión al 70%. Las técnicas incluyen la obtención de datos desde MetaTrader 5, modelado avanzado y análisis de componentes principales para evitar la correlación en los datos. La precisión en la predicción de indicadores es más fiable debido a la claridad de sus factores influyentes, a diferencia de los precios de cierre, que sufren de regresiones espurias.

Leer más...

En el desarrollo de Asesores Expertos con el Wizard MQL5, integrar noticias del calendario económico puede mejorar la robustez del sistema de trading. Las bases de datos SQLite dentro del IDE MetaEditor permiten almacenar localmente los datos, posibilitando pruebas offline y asegurando la disponibilidad de información en caso de interrupciones en las fuentes de datos.

Aunque existen limitaciones con el acceso a bases de datos en el probador de estrategias, se sugiere exportar los datos a archivos CSV como solución alternativa. Aún con limitaciones en comparación con las bases de datos, los archivos CSV se utilizan temporalmente hasta resolver tales obstáculos técnicos.

La creación de una base de datos SQLite para almacenar datos económicos incluye asegurar la integridad de las tablas y columnas, como ocurre con los datos de inflación. Sin embargo, la exportación a CSV se realiza par...

Leer más...

El artículo aborda problemas de interacción entre indicadores en MetaTrader 5, destacando la importancia del sistema de mensajes entre programas. Presenta los desafíos de usar eventos personalizados sin causar conflictos entre indicadores, especialmente cuando se ejecutan simultáneamente. MQL5 permite la definición de eventos personalizados a través de CHARTEVENT_CUSTOM, usando funciones como EventChartCustom y OnChartEvent para manejar estos eventos. Este enfoque requiere comprensión cuidadosa, ya que un mal manejo puede resultar en comportamientos inesperados. El artículo resalta la necesidad de claridad y pruebas rigurosas al desarrollar módulos interoperativos sin causar disrupciones en el sistema.

Leer más...

Descubre cómo aplicar el método "Latent Variable Sequential Set Transformers" (AutoBots) al trading algorítmico en MetaTrader 5. La innovación se basa en una arquitectura codificador-decodificador, optimizando la predicción de movimientos futuros de los pares de divisas. AutoBots permite gestionar información contextual y temporal con precisión, generando secuencias coherentes de precios. La implementación práctica en MQL5 implica codificación posicional e intercambio de tensores para mejorar la eficiencia. Con sus matrices iniciales entrenables, AutoBots mejora significativamente el tiempo de entrenamiento, ofreciendo una herramienta potente para desarrolladores enfocados en el control seguro de operaciones financieras.

Leer más...

Las redes generativas adversarias condicionales (RGAs) permiten la personalización de datos de entrada en la red generativa. Involucran un generador y un discriminador, ambos entrenándose mutuamente. Usualmente, se aplican en análisis de imágenes. El generador crea imágenes, y el discriminador las clasifica como reales o generadas. En RGAs condicionales, los datos de entrada son específicos, en lugar de aleatorios. Esto es útil en situaciones donde los datos se presentan emparejados, ayudando al discriminador a validar datos emparejados. Aunque su uso principal es en imágenes, es posible aplicar RGAs condicionales en previsiones financieras, explorando su uso para pronósticos de series de tiempo.

Leer más...

Hemos lanzado una nueva versión de la plataforma MetaTrader 5 build 4620, en la que hemos solucionado una serie de errores sutiles, además de añadir nuevos métodos a MQL5:

- En el terminal hemos corregido los errores sucedidos al solicitar la historia de ticks, pues en algunos casos se podían obtener datos históricos incompletos.
- La función de autocompletar en la búsqueda ahora funciona correctamente y no distingue entre mayúsculas y minúsculas en todos los idiomas.
- Asimismo, hemos publicado en MQL5 documentación sobre los nuevos métodos para los cálculos de alto rendimiento OpenBLAS.

Lea más sobre todos los cambios...