Descubra cómo integrar modelos ONNX en MQL5 para la inferencia de trading algorítmico. Aunque ONNX simplifica la interoperabilidad, puede enfrentar limitaciones si su modelo usa operadores no soportados. Aprende a convertir eficazmente modelos de Torch a ONNX y ajustarlos a las estructuras de datos necesarias. La guía aborda desde la instalación de bibliotecas ONNX hasta la exportación y pruebas detalladas de modelos, asegurando resultados consistentes. Finalmente, la creación de un EA empleando ONNX muestra una aplicación práctica, manejando la inferencia del modelo y la gestión de órdenes en MetaTrader 5. Un recurso invaluable para desarrolladores y traders innovadores.

Leer más...

La combinación de datos externos mejora la toma de decisiones en el trading algorítmico. Las API permiten acceder a múltiples fuentes, como datos de mercado en tiempo real y análisis de sentimiento. En plataformas como MetaTrader, las API mejoran la precisión de las señales comerciales. Ziwox ofrece una API gratuita para el análisis de datos en Forex, proporcionando precios, indicadores y datos fundamentales. La API admite formatos como JSON, facilitando el análisis y la integración en sistemas de trading automatizados. Configurar un entorno en MQL5 para usar API JSON es esencial para desarrollar estrategias comerciales dinámicas. La documentación de la API es clave para su implementación y uso eficaz.

Leer más...

Las cerraduras de código, populares en seguridad, permiten acceder mediante combinaciones numéricas, eliminando la necesidad de llaves físicas. Su aplicación en algoritmos de optimización, especialmente en aprendizaje automático, ofrece un interesante enfoque. Estos algoritmos pueden analogar los parámetros a optimizar con combinaciones de números. Se inicializan y manipulan mediante mutaciones y cruces, basados en distribuciones de probabilidad, buscando configuraciones óptimas en espacios complejos. En esta propuesta, se representa cada cerradura como un agente en el algoritmo, con estructuras que almacenan las combinaciones y calidad de la solución, utilizando ideas de adaptabilidad y exploración exhaustiva del entorno.

Leer más...

La creación de un Asesor Experto en MQL5 con un limitador de reducción diaria para MetaTrader 5 se centra en gestionar el riesgo estableciendo límites de retiro diario. Este EA se encarga de monitorizar actividades en la cuenta, tanto manuales como automatizadas, y proporciona informes visuales a través de "semáforos" en el gráfico. Utiliza bibliotecas como cTrade para manejar operaciones y aplicar lógica para generar señales de apertura de posiciones. A través de funciones especializadas, calcula el saldo diario, número de operaciones y verifica ganancias para acorde a estrategias de gestión de riesgo, protegiendo así el capital del inversor de pérdidas significativas.

Leer más...

La predicción de series temporales es esencial en los mercados financieros. El enfoque del Transformer ha ganado popularidad, usando Self-Attention para estimar autocorrelaciones. Sin embargo, el paradigma de Previsión Directa (DF) puede provocar predicciones subóptimas al asumir pasos no correlacionados. El nuevo método FreDF mejora esto alineando valores en el dominio de la frecuencia, donde se minimiza la autocorrelación gracias a la ortogonalidad de Fourier. Su implementación, compatible con diversos modelos, ofrece mayor precisión en la predicción al considerar tanto dominios temporales como frecuenciales, mejorando significativamente su efectividad sobre métodos convencionales.

Leer más...

El análisis de componentes principales (PCA) es conocido por reducir la dimensionalidad en el manejo de datos. Décadas de experiencia sugieren que su aplicación va más allá. PCA utiliza valores y vectores propios para revelar relaciones ocultas en datos. Su aplicación clave incluye el análisis factorial, que identifica variables latentes ocultas.

Identificación de variables redundantes mejora la comprensión de datos complejos. Al analizar estructuras propias en intervalos de tiempo, se pueden identificar relaciones dinámicas entre variables. PCA y el análisis factorial muestran cómo se reducen las dimensiones y se evidencian relaciones ocultas.

Herramientas como MQL5 permiten la implementación práctica de estas técnicas, demostrando su eficacia en contextos financieros. Métodos como las pruebas KMO y BTS aseguran la idoneidad de datos para su análisis. Estos procesos enfatizan el va...

Leer más...

El artículo anterior discutió el desarrollo de un modelo de aprendizaje automático para el trading, utilizando técnicas como el aumento de datos y la creación de características. Se empleó Python 3.10.10 con bibliotecas como sklearn y XGBoost para la implementación. Se eligió XGBoost debido a su alta precisión y capacidad de personalización.

Para evaluar el modelo, se desarrolló un simulador en Python que considera márgenes de beneficio y comisiones. Se implementó la validación cruzada para obtener estimaciones fiables y se optimizaron los hiperparámetros utilizando GridSearchCV.

El ensayo del modelo en datos nuevos mostró resultados prometedores, con una precisión mejorada gracias al ensamblaje de modelos. Se experimenta con una futura integración de trading en línea en MetaTrader 5, señalando la eficiencia de Python para el manejo de características y datos.

Leer más...

Descubre cómo combinar el concepto de "dinero inteligente" con el RSI para optimizar el trading automatizado en MetaTrader 5. Este enfoque mejora la precisión de las entradas y salidas al analizar swing highs y lows con el contexto del mercado, utilizando indicadores clave para ejecutar órdenes de compra y venta. La guía detalla la implementación de un Asesor Experto, proporcionando una estructura clara desde la detección de señal hasta la ejecución de operaciones. Adecuado para desarrolladores y traders que buscan perfeccionar sus estrategias, este método ofrece una interfaz visual sólida para decisiones informadas basadas en la acción del precio y el análisis de impulso.

Leer más...

El control de riesgos en trading es crítico para proteger nuestras inversiones. Implementar un gestor de riesgos permite establecer límites claros sobre las pérdidas permitidas, tanto diarias como totales, basándose en parámetros como el balance inicial o nivel diario. Este enfoque garantiza que las pérdidas no excedan ciertos umbrales, activando la suspensión del trading hasta la siguiente evaluación. Utilizar modelos de estrategias comerciales normalizadas puede ser ventajoso, aunque no siempre garantizan resultados futuros. Aprender de empresas prop-trading y adoptar sus prácticas de control de riesgos puede mejorar significativamente la eficiencia y reducción de pérdidas en cualquier cuenta de trading.

Leer más...

MetaTrader 5 beta build 4695 en MQL5 ahora admite varias funciones nuevas de la biblioteca OpenBLAS, así como las funciones TransposeConjugate y CompareEqual. Estas ofrecerán aún más oportunidades a la hora de trabajar con matrices y vectores.

Además, hemos corregido la compatibilidad del paquete de integración de MQL5 con Python. Ahora funciona con cualquier versión de Python hasta la versión 3.13.

También hemos optimizado y acelerado el trabajo de la plataforma con los datos de precios, mejorado la ventana de apertura de cuentas y corregido la visualización de los valores de las posiciones.

Seguir leyendo...

Automatizar un panel de GUI en MQL5 implica pasos cruciales. Primero, descomponer elementos estáticos para que respondan a interacciones de usuario mediante diseños flexibles y componentes editables. Implementar actualizaciones dinámicas, asegurando el reflejo de datos en tiempo real usando el manejador de eventos OnTick para ajustes de precios.

Facilitar la movilidad de componentes convierte ciertos elementos en arrastrables. Use OnChartEvent para capturar interacciones de usuario, como hacer clic en botones, y responder con cambios apropiados. Cada acción, desde cerrar posiciones hasta actualizar colores de botones, se maneja mediante funciones integradas como PositionsTotal y ObjectSetInteger.

Consecuentemente, asegúrese de adoptar prácticas para conversiones de datos precisas usando funciones como DoubleToString, evitando pérdida de precisión en elementos numéricos críticos.

Leer más...

Automatización de pruebas está en marcha. La fase inicial de optimización, centrada en parámetros de una sola estrategia, ha sido implementada con éxito y los resultados almacenados en una base de datos. Avanzamos ahora hacia la selección de grupos de estrategias para mejorar parámetros comerciales, reduciendo la caída y aumentando la linealidad de crecimiento. Esto se lograría mediante la combinación y prueba automatizada de estrategias en simuladores, simplificando el proceso previamente manual.

Se abordará la transferencia de datos a agentes remotos para optimizaciones, utilizando bases de datos SQLite, enfrentando desafíos de almacenamiento y transferencia de información. Se ajustará la clase CDatabase para manejar múltiples bases y se realizarán modificaciones en los asesores expertos para optimizar la tarea. En la próxima discusión se buscará mejorar la eficiencia manejando sol...

Leer más...

Las máquinas de Boltzmann restringidas (RBMs) son un tipo de red neuronal valorado por su habilidad en descubrir características ocultas en datos. Funcionan a través de dos capas: visible y oculta. Los pesos se ajustan durante ciclos llamados Muestreo de Gibbs, que comprenden fases positiva y negativa. El objetivo es reducir la diferencia entre los datos iniciales y los reconstruidos. Se busca que la distribución de probabilidad de la capa oculta represente adecuadamente los datos de entrada.

Las RBMs se consideran modelos basados en energía, buscando configuraciones de baja energía para maximizar la congruencia entre entradas y salidas. Las máquinas de Boltzmann son variantes que aumentan la capacidad de modelado al incluir unidades ocultas. Esta estructura se emplea en la implementación de RBMs dentro de arquitecturas de red de varias capas.

El entrenamiento se realiza alterando ...

Leer más...

MetaTrader se mantiene como plataforma clave en el sector financiero global, ofreciendo su software de forma gratuita. Python, junto con MetaQuotes Language 5, es el único lenguaje totalmente compatible con MetaTrader, aunque los programadores de R no deben considerar sus habilidades obsoletas. A través de una combinación creativa de herramientas y recursos, es viable desarrollar asesores algorítmicos en R y MetaTrader 5. El uso de ciertos paquetes puede compensar sus limitaciones individuales. Se recomienda trabajar en un entorno específico para gestionar efectivamente las dependencias y asegurar la reproducibilidad del proyecto. Los detalles técnicos y las integraciones específicas facilitan esta tarea.

Leer más...

Exploramos una estrategia de órdenes en cascada en MQL5 para MetaTrader 5, utilizando cruces de medias móviles como base. Este enfoque automatiza el trading mediante el uso de EMAs, permitiendo ajustar dinámicamente take profit y stop loss con la biblioteca Trade.mqh, que facilita la gestión efectiva de órdenes. El código examina la colocación y ajuste de órdenes basados en cruces de medias, validando continuamente condiciones de mercado y estructura de precios. Ideal para traders y desarrolladores que buscan sistematizar sus operaciones con lógica clara y eficiente. Detallamos la estructura y funcionamiento del código, proporcionando valiosas ideas para mejorar las capacidades de trading algorítmico.

Leer más...

El artículo describe el uso de la biblioteca MetaTrader 5 para Python en la automatización de operaciones comerciales basadas en un modelo de aprendizaje automático previamente entrenado. Se detalla la configuración del entorno de trabajo, la implementación de un algoritmo para abrir transacciones con parámetros de stop loss y take profit, y cómo automatizar este proceso.

La gestión del riesgo se aborda con sistemas que ajustan el volumen de transacciones en función de las reducciones del balance. También se discuten mejoras futuras, como el uso de aprendizaje automático cuántico, aprendizaje por refuerzo, y la inteligencia de enjambre para optimizar los parámetros de stop y take.

El modelo se basa en XGBoost, ejecutando operaciones en múltiples divisas con computación paralela, aunque se enfrenta a problemas de superposición de muestras en pantalla. Se considera la implementación f...

Leer más...

El modelo GARCH es una evolución del modelo ARCH, creado para medir la volatilidad en los precios de activos financieros. A diferencia de la suposición de volatilidad constante, GARCH ajusta esta hipótesis con una volatilidad que varía en el tiempo. El método de máxima verosimilitud permite optimizar los parámetros del modelo, proporcionando una herramienta eficaz para el análisis de series temporales financieras.

El enfoque paramétrico del modelo GARCH se complementa con modelos de esperanza matemática. La aplicación de técnicas de optimización, como el algoritmo MinBLEIC de ALGLIB, facilita el cálculo preciso de los parámetros y mejora la previsión de volatilidad, elemento crucial para gestionar riesgos en el análisis financiero.

Leer más...

Se presentan dos programas avanzados de optimización de cartera diseñados para maximizar retornos y minimizar riesgos. La primera implementación usa Python y aprovecha MetaTrader 5 y bibliotecas avanzadas como pandas, Numpy y cvxpy. La segunda, basada en MQL5, se integra directamente con MetaTrader 5, proporcionando una experiencia impecable. Ambos programas ilustran la fusión de finanzas cuantitativas y tecnología, permitiendo decisiones informadas en un entorno de mercado dinámico. Estos programas analizan datos masivos, determinando asignaciones óptimas que maximizan retornos y reducen riesgos, siendo esenciales en la inversión moderna. Exploración integral de técnicas cuantitativas.

Leer más...

El análisis de la estacionalidad en los mercados financieros es un enfoque clave en el trading por pares. Este método permite comerciar utilizando correlaciones de precios entre dos instrumentos, buscando beneficios de las diferencias temporales de sus movimientos. En esta estrategia, la compra de un símbolo y la venta de otro se consideran una única posición de spread.

El trading por pares minimiza el riesgo mediante la cobertura, y explota las correlaciones positivas y negativas entre activos, como EURUSD y GBPUSD o EURUSD y USDCHF. Se utilizan herramientas estadísticas para identificar momentos óptimos para entrar y salir, basándose en la convergencia/divergencia esperada de los precios.

Construir gráficos de spreads, utilizando plataformas como MetaTrader 5, permite visualizar y calcular las diferencias entre instrumentos. Además, indicadores como las Bandas de Bollinger ayudan...

Leer más...

Desarrollar una estrategia comercial para operar con el índice S&P 500 utilizando MQL5 implica un enfoque híbrido de IA y análisis técnico. La IA por sí sola puede ser inestable, pero su guía con principios de análisis técnico confiables puede ofrecer resultados más consistentes.

El S&P 500 es un índice ponderado por capitalización que refleja el rendimiento de las 500 empresas más grandes de EE.UU. En la estrategia, las acciones más significativas del índice sirven como base para un modelo de IA que predice el precio de cierre del S&P 500.

El análisis técnico utiliza indicadores como el Índice de Canal de Productos Básicos, el RSI y una media móvil para generar señales. A su vez, el modelo de IA se entrena con datos históricos de acciones para ajustar predicciones.

Las limitaciones incluyen desafíos con entradas correlacionadas y el costo computacional al ampliar el modelo a más a...

Leer más...