El artículo destaca la creación de bibliotecas MQL5 para agilizar el desarrollo de estrategias de trading en MetaTrader 5. Estas bibliotecas actúan como herramientas eficientes, proporcionando funciones preescritas que manejan tareas comunes, desde gestionar posiciones hasta integrar DLLs C++ para funcionalidades avanzadas. Se explica cómo utilizar propiedades de archivos y la encapsulación para mantener el código seguro y fácil de mantener. Crear bibliotecas permite modularidad y fácil reutilización, ahorrando tiempo en futuros proyectos. Asimismo, se resalta la facilidad de actualización de funciones, garantizando longevidad en desarrollos de gran envergadura. Ideal para optimizar el desarrollo algorítmico.

Leer más...

El equilibrio de riesgos en operaciones intradía es esencial en la programación de estrategias financieras. Este análisis se centra en dos criterios principales: el valor del tick y la volatilidad media diaria de instrumentos. El valor del tick representa la mínima variación de precio para un lote estándar, mientras que la volatilidad refleja cambios de precios en un día. Estas medidas permiten equilibrar riesgos y normalizar beneficios en operaciones simultáneas. Se analiza la selección de contenedores de datos, prefiriendo arrays y vectores por su rendimiento y memoria. Se exploran métodos de entrada de datos en MetaTrader 5 utilizando distintos enfoques, como archivos CSV y bases de datos.

Leer más...

La auto-optimización en MetaTrader 5 permite a los asesores comerciales ajustar sus estrategias basándose en datos históricos y las condiciones actuales del mercado, mejorando así su rendimiento. Este enfoque utiliza algoritmos de optimización para encontrar los parámetros más efectivos, maximizando beneficios y minimizando riesgos. Uno de los métodos destacados es la virtualización de indicadores y estrategias, que posibilita simular ambientes de trading real sin sobrecargar recursos. La arquitectura del sistema se organiza en torno a un esquema donde el algoritmo de optimización actúa como una "caja negra" que ajusta los parámetros indispensables para cumplir con los criterios de calidad definidos por los usuarios. Este enfoque, que integra machine learning y AI, es crucial para traders y desarrolladores que buscan una ventaja estratégica en mercados volátiles.

Leer más...

Explora cómo crear un Asesor Experto de trading en MQL5 para MetaTrader 5, basado en la estrategia martingala de recuperación de zona. Aprende a contrarrestar operaciones perdedoras con posiciones opuestas y mayor volumen, permitiéndote cerrar posiciones en equilibrio o con ganancias. Descubre cómo definir niveles de recuperación en MQL5, integrando variables estáticas y control de señales con RSI para gestionar posiciones efectivamente. Este enfoque, ideal para mercados volátiles, potencia tu capacidad de transformación de pérdidas en beneficios, enfatizando la importancia de una sólida gestión de riesgos al implementar estrategias automatizadas.

Leer más...

A partir del 1 de diciembre de 2024, las versiones mínimas de las plataformas comerciales serán:

• MetaTrader 4 — build 1420 del 24 de mayo
• MetaTrader 5 — build 4410 del 21 de junio

Después de esta fecha, las versiones anteriores de los terminales de escritorio no podrán conectarse a los servidores de los brókeres.

En los últimos seis meses se han publicado cuatro actualizaciones para MetaTrader 5:

✓ Build 4410 — solucionados los fallos en la versión de escritorio, así como la comprobación de la compatibilidad del navegador y la apertura de cuentas demo en la versión web.
✓ Build 4570 — modo retícula, gráfico de líneas y configuración de la Observación de Mercado en la versión web, biblioteca de cálculo matricial OpenBLAS y soporte mejorado de ONNX en MQL5.
✓ Build 4585 — corregidos fallos durante la creación de perfiles y la prueba de programas MQL5, así como las fugas de memoria durante la compilación.
✓ Build 4620 - ampliación de la compatibilidad con OpenBLAS y corrección de las consultas de la historia de ticks.

En cada versión de MetaTrader 4 mejoramos el rendimiento de la plataforma y corregimos errores.

Descargue la última versión de la plataforma y disfrute de las nuevas funciones

Descubre cómo una arquitectura LSTM puede revolucionar el análisis de series temporales para el trading algorítmico en MetaTrader 5. Este enfoque innovador permite predecir la acción del precio basándose en patrones anteriores, empleando la capacidad de las LSTM para recordar información a largo plazo. Aprende sobre el proceso de tokenización del tiempo y normalización de precios que optimiza los datos de entrada diarios para aumentar la efectividad del modelo. La integración de estas técnicas con ONNX y MQL5 permite implementar previsiones sin replicar el código, mejorando el proceso de toma de decisiones en el mercado de divisas.

Leer más...

La predicción de series temporales analiza datos pasados para prever datos futuros dispuestos secuencialmente en el tiempo. Necesita dos variables clave: tiempo y la variable objetivo. Se aplica a valores futuros, análisis de comportamientos pasados y planificación futura.

En comparación, los modelos de series temporales, como ARIMA y LSTM, incorporan dependencias y patrones temporales, a diferencia de los modelos ML clásicos como LightGBM que consideran los datos como independientes. La ingeniería de características es vital en la predicción mediante ML, permitiendo captar tendencias y estacionalidades. El modelo LightGBM es útil para predecir series temporales si se integra adecuadamente, pero necesitaría ajustes en algunas situaciones para mejorar su rendimiento.

Leer más...

Las redes neuronales convolucionales (CNN) son herramientas poderosas en el procesamiento de datos multidimensionales. Utilizan núcleos, matrices con pesos, para procesar estos datos de manera iterativa, capturando características esenciales en mapas de características a través de relleno, realimentación, activación, agrupamiento y retropropagación.

El proceso comienza con el relleno, que es opcional, seguido por la realimentación hacia adelante, donde se multiplican los pesos del núcleo con los datos de entrada. La activación introduce la capacidad de capturar relaciones complejas, utilizando funciones como ReLU. La agrupación reduce las dimensiones, disminuyendo la carga computacional y evitando el sobreajuste.

Finalmente, la retropropagación ajusta los pesos y sesgos durante el entrenamiento, adaptándose a cambios de mercado o nuevas informaciones. Este ajuste es esencial para ma...

Leer más...

El Análisis de Componentes Principales (PCA) se centra en identificar los "componentes principales" de datos con múltiples dimensiones. Este método reduce dimensiones ignorando las menos significativas. A menudo, los datos procesados con PCA están en una estructura de matriz, donde los componentes principales se buscan en la matriz para representar con eficacia el conjunto de datos. El PCA no se limita a vectores y valores propios, pudiendo también usar la descomposición en valores singulares (SVD) o el método de las potencias.

Reducir la dimensionalidad de los datos mejora la visualización y disminuye el coste computacional en modelos predictivos. También puede mitigar la "maldición de la dimensionalidad", ayudando a mejorar el rendimiento y eficiencia de los datos.

En MQL5, se puede implementar el PCA acompañando vectores propios para elegir de forma óptima un portafolio de invers...

Leer más...

Descubre cómo MetaTrader 5 optimiza las notificaciones comerciales para mantenerte informado esté donde estés. Integra eficientemente plataformas sociales como Telegram y WhatsApp para compartir señales en tiempo real. Destaca la capacidad de configurar alertas personalizadas dentro del terminal, enviar notificaciones push a dispositivos móviles y recibir alertas por correo electrónico. Aprende a configurar un bot de Telegram y scripts de middleware en MetaTrader 5 usando Python para mejorar la experiencia de trading. Todo esto respaldado por la estabilidad de un Servidor Privado Virtual (VPS), que asegura disponibilidad continua y reduce la latencia en tus operaciones.

Leer más...

La previsión de series temporales es esencial en trading, y los Transformers han destacado en PLN y visión por ordenador gracias a su capacidad para capturar dependencias temporales prolongadas. Sin embargo, estudios revelan que redes MLP simples pueden superar la precisión de Transformers en conjuntos de datos de series temporales. La arquitectura U-shaped Transformer es una mejora potencial. Los autores proponen un entrenamiento en dos etapas: primero, preentrenar con datos amplios para captar la estructura y contexto, y luego ajustar fines para tareas específicas. Este enfoque mejora la eficiencia y adapta Transformers preentrenados a múltiples tareas. Los parches y convoluciones mejoran la eficacia del modelo.

Leer más...

El aprendizaje profundo es un subcampo del machine learning que se enfoca en las redes neuronales. Estas redes, inspiradas en el cerebro humano, permiten a los modelos realizar tareas sin necesidad de programación explícita, analizando patrones a partir de datos. Sus capacidades destacan en áreas como reconocimiento de imágenes, speech, y procesamiento del lenguaje natural.

Python es fundamental en este ámbito debido a su ecosistema de bibliotecas como TensorFlow y PyTorch. Su comunidad activa y su legibilidad hacen de Python una elección popular para proyectos de inteligencia artificial. En el trading algorítmico, la combinación de Python y MQL5 potencia estrategias automatizadas mediante el uso de aprendizaje profundo, mejorando la precisión en la toma de decisiones comerciales.

Leer más...

Descubre cómo integrar múltiples estrategias comerciales en MetaTrader 5 con un enfoque innovador y eficiente. Aprende a optimizar el tamaño de las posiciones para mantener el riesgo bajo control al combinar diversas estrategias. La clave es gestionar las posiciones de manera virtual y calcular el volumen total necesario para operar en el mercado real. Además, el nuevo enfoque facilita la escalabilidad al negociar virtualmente antes de tomar decisiones en el mercado. Para los desarrolladores, esta metodología permite crear asesores expertos que optimizan parámetros estratégicos con alta eficiencia, mejorando significativamente el rendimiento sin comprometer la seguridad del depósito.

Leer más...

En un reciente artículo sobre sistemas de repetición en MetaTrader 5, se discutieron ajustes para facilitar la interacción entre diferentes indicadores, específicamente el indicador de mouse y el de control. Se explica cómo se implementan cambios sutiles pero cruciales para mejorar la interacción con gráficos sin afectar objetos existentes. Mejoras incluyen la utilización de coordenadas gráficas ajustadas y no ajustadas para una manipulación precisa. Adicionalmente, se desarrolló una nueva clase que permite el uso de imágenes transparentes con MQL5, mejorando la claridad visual en interfaces gráficas personalizadas. Estas modificaciones ofrecen un sistema más robusto y adaptable para traders y programadores.

Leer más...

Análisis técnico de Forex basado en soportes y resistencias, aplicando acción de precio pura. Desarrollamos un EA en MQL5 para MetaTrader 5. Abordamos teoría y práctica, desde definición, tipos y visualización en gráficos, potenciando la predicción de movimientos y gestión de riesgos. Crucial entender los niveles como concentración de oferta/demanda. Tipos varían desde números redondos hasta indicadores técnicos. Implementación codificada en MQL5 incluye creación, manipulación y visualización de niveles en gráficos. Efectiva gestión de datos para optimizar rendimiento. El proceso automatiza análisis y operativa, mejorando la eficacia del trading en Forex.

Leer más...

La integración de Telegram en proyectos de MetaTrader 5 facilita el intercambio de señales de manera directa. Entender la API del bot de Telegram es esencial. Es necesario seguir pasos para crear un bot usando @Botfather y obtener un bot token requerido para la integración. La comunicación con el bot se procesa mediante JSON, proporcionando una estructura clara de interacción.

Instale Python y módulos API de Telegram en su sistema para que los scripts funcionen correctamente. Ejecute comandos en cmd.exe para completar la instalación. Configure un script de Python, `send_telegram_message.py`, que gestione el envío de mensajes.

Modifique el indicador MQL5 para utilizar ShellExecuteW y ejecutar el script. Asegúrese de manejar posibles excesos de ejecución debido a condiciones de alerta mal configuradas, lo cual podría afectar el rendimiento del sistema.

Leer más...

El enfoque modular y sistemático en el desarrollo de un asesor experto (EA) es esencial para optimizar estrategias de trading. La inicial implementación de la estrategia comercial requiere la creación de una clase derivada de CVirtualStrategy, la cual gestiona la lógica de operaciones. La optimización de estrategias puede beneficiarse del uso del simulador de estrategias de MetaTrader5, aprovechando la optimización genética.

La clusterización y selección de grupos de parámetros eficientiza el proceso, permitiendo la integración de una base de datos para gestionar los resultados de optimización. Opciones como SQLite son viables para almacenar datos intermedios. Con capacidades para personalizar consultas SQL y realizar cálculos en diferentes lenguajes, se logra un entorno más flexible en el manejo de optimización y almacenamiento de datos.

Leer más...

Aprender a entrenar modelos de lenguaje con GPUs AMD es vital para aprovechar al máximo las capacidades de estas tarjetas en algoritmos complejos. El artículo aborda los desafíos específicos de configurar un entorno computacional con ROCm en Linux, proporcionando soluciones prácticas a problemas comunes, como el suministro de energía y la optimización de controladores. Los desarrolladores pueden utilizar herramientas como ROCM-SMI para ajustar parámetros de GPU y garantizar un rendimiento óptimo durante entrenamientos prolongados. Esta guía es indispensable para aquellos que desean implementar modelos de lenguaje financiero de forma eficiente, sin tener que invertir en hardware costoso de NVIDIA.

Leer más...

del manejo eficiente de arrays es fundamental para el rendimiento del indicador y la organización de los datos. El enfoque adecuado en la gestión de arrays permite adaptarse dinámicamente a cambios del mercado.

2.3. Lógica para la Detección de Order Blocks
El enfoque se centra en la identificación de patrones que indican áreas de desequilibrio en el precio. Implementar la lógica que evalúa las condiciones propicias para el surgimiento de Order Blocks, utilizando acciones de precio y confirmaciones mediante indicadores como el volumen.

2.4. Visualización: Colores y Verificación
Personalizar la visualización de los Order Blocks permite al usuario reconocerlas fácilmente en el gráfico. Incluir colores y verificaciones de mitigación ayuda a determinar si las órdenes han sido procesadas, ajustando estrategias según el análisis visual.

2.5. Implementación de Alertas
Incorporar un mecani...

Leer más...

La previsión de series temporales es crucial en el análisis de datos. Los modelos profundos, como la arquitectura Transformer, mejoran considerablemente el pronóstico al extraer representaciones abstractas útiles para tareas como clasificación y detección de anomalías. El mecanismo de Self-Attention dentro del Transformer identifica relaciones secuenciales. Con datos incrementales, la precisión de los modelos también mejora, aunque la complejidad requiere métodos de análisis más eficientes.

El método PatchTST, derivado del Transformer, mejora la predicción mediante la segmentación de la serie temporal en parches. Esto reduce la complejidad, permite explorar periodos largos y mejora la capacidad de generalización al aprender representaciones complejas.

PatchTST se aplica en series temporales multidimensionales segmentando de manera eficaz los datos, mejorando la estabilidad y compar...

Leer más...