El análisis de series temporales es crucial tanto en el análisis fundamental como en los mercados de divisas líquidos. Frente a los indicadores técnicos tradicionales que han perdido popularidad, las redes neuronales han tomado la delantera. No obstante, la interpolación polinómica ofrece ventajas notables por su facilidad de comprensión y aplicación, presentando de forma explícita la relación entre datos pasados y futuros.
Las fórmulas de interpolación polinómica, como el polinomio de Newton, permiten adaptarse a relaciones lineales y cuadráticas, lo que facilita su aplicación en diversos mercados financieros, desde aquellos con oscilaciones hasta los más estables. Su principal atracción reside en su bajo consumo de recursos computacionales comparado con métodos más complejos como las redes neuronales.
En resumen, la interpolación polinómica sigue siendo un método valioso en el aná...
Leer más...
Las fórmulas de interpolación polinómica, como el polinomio de Newton, permiten adaptarse a relaciones lineales y cuadráticas, lo que facilita su aplicación en diversos mercados financieros, desde aquellos con oscilaciones hasta los más estables. Su principal atracción reside en su bajo consumo de recursos computacionales comparado con métodos más complejos como las redes neuronales.
En resumen, la interpolación polinómica sigue siendo un método valioso en el aná...
Leer más...
👍14❤2🤯1
En la actualidad, la integración de datos alternativos junto con técnicas avanzadas de aprendizaje automático está revolucionando las estrategias de negociación en los mercados financieros. Frente al acceso convencional al análisis de precios y noticias, la utilización de bases de datos económetricas como FRED del Banco de la Reserva Federal de San Luis, permite obtener datos en tiempo real y de alta calidad, fundamentales para la toma de decisiones informadas en el trading. Este enfoque no solo mejora la capacidad para anticipar movimientos de mercado sino que también protege contra la manipulación externa, ofreciendo un soporte sólido y confiable para desarrollar estrategias de inversión robustas.
Al aprovechar estos recursos, la creación de modelos predictivos en plataformas como Python y MetaTrader 5 se simplifica, permitiendo a los traders implementar estrategias complejas de fo...
Leer más...
Al aprovechar estos recursos, la creación de modelos predictivos en plataformas como Python y MetaTrader 5 se simplifica, permitiendo a los traders implementar estrategias complejas de fo...
Leer más...
👍5✍2❤1👌1
El método de agrupamiento para el manejo de datos (GMDH) es una familia de algoritmos inductivos para modelado informático de datos. Estos algoritmos construyen y optimizan automáticamente modelos de redes neuronales polinómicas a partir de datos. Tradicionalmente, el marco GMDH presenta cuatro algoritmos: el combinatorio (COMBI), combinatorio selectivo (MULTI), iterativo multicapa (MIA) y el iterativo de relajación (RIA). Este texto aborda la implementación del algoritmo iterativo multicapa en MQL5 para construir modelos predictivos a partir de datos.
El GMDH, desarrollado por Alexey Ivakhnenko en la década de 1960, aborda retos en la modelización de sistemas complejos con datos empíricos. Una ventaja del GMDH es la automatización en la construcción de modelos, reduciendo la intervención manual y la necesidad de conocimientos especializados. Los modelos de GMDH emplean un enfoque ba...
Leer más...
El GMDH, desarrollado por Alexey Ivakhnenko en la década de 1960, aborda retos en la modelización de sistemas complejos con datos empíricos. Una ventaja del GMDH es la automatización en la construcción de modelos, reduciendo la intervención manual y la necesidad de conocimientos especializados. Los modelos de GMDH emplean un enfoque ba...
Leer más...
Este script está diseñado para realizar un análisis de velas en instrumentos financieros.
**Data Retrieval:** Obtiene precios de apertura, cierre, máximo y mínimo de las velas en ejecución.
**Categorización de Velas:** Clasifica las velas como alcistas, bajistas o neutras según la relación precio de cierre/apertura.
**Cálculo de Amplitudes:** Calcula la amplitud de cada vela y promedia las amplitudes de velas alcistas y bajistas.
**Identificación de Velas Destacadas:** Selecciona las 5 velas más significativas (mayor amplitud) tanto alcistas como bajistas.
Generación de Informe: Genera un informe con el número de velas alcistas, bajistas y neutras, los promedios de amplitudes y las velas más significativas.
Comentario en Gráfico: Muestra el informe como un comentario en el gráfico del instrumento financiero.
El objetivo del script es facilitar la comprensión de la distribució...
Leer más...
**Data Retrieval:** Obtiene precios de apertura, cierre, máximo y mínimo de las velas en ejecución.
**Categorización de Velas:** Clasifica las velas como alcistas, bajistas o neutras según la relación precio de cierre/apertura.
**Cálculo de Amplitudes:** Calcula la amplitud de cada vela y promedia las amplitudes de velas alcistas y bajistas.
**Identificación de Velas Destacadas:** Selecciona las 5 velas más significativas (mayor amplitud) tanto alcistas como bajistas.
Generación de Informe: Genera un informe con el número de velas alcistas, bajistas y neutras, los promedios de amplitudes y las velas más significativas.
Comentario en Gráfico: Muestra el informe como un comentario en el gráfico del instrumento financiero.
El objetivo del script es facilitar la comprensión de la distribució...
Leer más...
👍5✍1❤1👌1
Analizando la operación Self-Attention en transformadores, se observa que permite interacciones globales entre tokens, evaluando interdependencias en secuencias completas. No obstante, su complejidad cuadrática en tiempo y memoria dificulta su aplicación en secuencias largas.
Para resolver esto, el artículo "XCiT: Cross-Covariance Image Transformers" propone una versión transpuesta de Self-Attention, llamada Cross-Covariance Attention (XCA). En XCA, las interacciones se basan en la covarianza cruzada entre claves y consultas, reduciendo la complejidad a lineal en el número de tokens y permitiendo procesar secuencias largas eficientemente.
El Cross-Covariance Image Transformer (XCiT), basado en XCA, combina la precisión de los transformadores con la escalabilidad de las arquitecturas convolucionales. Experimentalmente, XCiT ha mostrado excelentes resultados en clasificación de imágen...
Leer más...
Para resolver esto, el artículo "XCiT: Cross-Covariance Image Transformers" propone una versión transpuesta de Self-Attention, llamada Cross-Covariance Attention (XCA). En XCA, las interacciones se basan en la covarianza cruzada entre claves y consultas, reduciendo la complejidad a lineal en el número de tokens y permitiendo procesar secuencias largas eficientemente.
El Cross-Covariance Image Transformer (XCiT), basado en XCA, combina la precisión de los transformadores con la escalabilidad de las arquitecturas convolucionales. Experimentalmente, XCiT ha mostrado excelentes resultados en clasificación de imágen...
Leer más...
👍4👌1
El libro "Redes neuronales en el trading algorítmico en MQL5" es esencial para el aprendizaje automático aplicado al trading. Está diseñado para tráders algorítmicos interesados en crear estrategias con técnicas avanzadas de inteligencia artificial.
El libro incluye siete capítulos que cubren conceptos básicos y avanzados de redes neuronales, facilitando su integración en robots comerciales MQL5. Se abordan principios fundamentales, arquitecturas y mecanismos complejos, proporcionando una guía completa para implementar el aprendizaje automático en el trading.
Se exploran diferentes tipos de redes neuronales, como las convolucionales y recurrentes, y su integración en MQL5. También se analizan soluciones arquitectónicas para mejorar la convergencia de modelos, como la normalización por lotes y Dropout.
El autor ofrece guía práctica para entrenar redes neuronales e implementarlas e...
Leer más...
El libro incluye siete capítulos que cubren conceptos básicos y avanzados de redes neuronales, facilitando su integración en robots comerciales MQL5. Se abordan principios fundamentales, arquitecturas y mecanismos complejos, proporcionando una guía completa para implementar el aprendizaje automático en el trading.
Se exploran diferentes tipos de redes neuronales, como las convolucionales y recurrentes, y su integración en MQL5. También se analizan soluciones arquitectónicas para mejorar la convergencia de modelos, como la normalización por lotes y Dropout.
El autor ofrece guía práctica para entrenar redes neuronales e implementarlas e...
Leer más...
🏆2🎉1
La predicción precisa de los movimientos de precios es esencial para desarrollar estrategias de negociación efectivas. La previsión de escenas completas, considerando el estado futuro de múltiples agentes simultáneamente, es fundamental para evitar combinaciones contradictorias y pérdidas de información.
El artículo "Multi-future Transformer: Learning diverse interaction modes for behavior prediction in autonomous driving" propone el método Multi-future Transformer (MFT) para abordar estos problemas. Descompone la distribución multimodal del futuro en varias distribuciones unimodales. Esto permite simular diferentes modelos de interacción entre los agentes en una escena.
El MFT utiliza una arquitectura compuesta por codificadores, un módulo de interacción paralela y cabeceras de predicción. Los codificadores de agentes y segmentos contextuales extraen características dinámicas y pun...
Leer más...
El artículo "Multi-future Transformer: Learning diverse interaction modes for behavior prediction in autonomous driving" propone el método Multi-future Transformer (MFT) para abordar estos problemas. Descompone la distribución multimodal del futuro en varias distribuciones unimodales. Esto permite simular diferentes modelos de interacción entre los agentes en una escena.
El MFT utiliza una arquitectura compuesta por codificadores, un módulo de interacción paralela y cabeceras de predicción. Los codificadores de agentes y segmentos contextuales extraen características dinámicas y pun...
Leer más...
👍3
Esta función ejecuta la lógica principal para iniciar una operación financiera. Calcula el precio de apertura, los niveles de toma de ganancias y el límite de pérdidas basándose en la información del símbolo y los parámetros proporcionados por el usuario.
Prepara una solicitud comercial (MqlTradeRequest) con detalles esenciales como símbolo, volumen, tipo de orden, desviación, comentario y número mágico. Luego, invoca la función OrderSend para enviar la solicitud comercial y obtener el resultado.
Función SetTypeFillingBySymbol: Determina el tipo de cumplimiento de la orden (Completar o Cancelar, Inmediato o Cancelar, o Devolver) según la política de cumplimiento del símbolo.
Función GetMinTradeLevel: Calcula el nivel mínimo de negociación considerando el nivel de congelación y el nivel de parada del símbolo. Ajusta el nivel mínimo para garantizar que se encuentre dentro de límites ...
Leer más...
Prepara una solicitud comercial (MqlTradeRequest) con detalles esenciales como símbolo, volumen, tipo de orden, desviación, comentario y número mágico. Luego, invoca la función OrderSend para enviar la solicitud comercial y obtener el resultado.
Función SetTypeFillingBySymbol: Determina el tipo de cumplimiento de la orden (Completar o Cancelar, Inmediato o Cancelar, o Devolver) según la política de cumplimiento del símbolo.
Función GetMinTradeLevel: Calcula el nivel mínimo de negociación considerando el nivel de congelación y el nivel de parada del símbolo. Ajusta el nivel mínimo para garantizar que se encuentre dentro de límites ...
Leer más...
👍2🏆1
El Análisis Discriminante Lineal (LDA) es un algoritmo de aprendizaje automático supervisado especializado en encontrar combinaciones lineales de características que separen las clases en un conjunto de datos. Es un método de reducción de dimensionalidad, similar al Análisis de Componentes Principales (PCA).
El LDA mejora la separabilidad de las clases proyectando los datos en un subespacio de menor dimensionalidad, minimizando la variabilidad dentro de la misma clase y maximizando la distancia entre clases. Además, es adecuado para clasificación multiclase y funciona mejor bajo ciertas suposiciones como la independencia de mediciones y la misma matriz de covarianza para todas las clases.
Los pasos del algoritmo incluyen el cálculo de matrices de dispersión dentro y entre clases, la resolución del problema de valores propios y la selección de características distintivas. La proyecci...
Leer más...
El LDA mejora la separabilidad de las clases proyectando los datos en un subespacio de menor dimensionalidad, minimizando la variabilidad dentro de la misma clase y maximizando la distancia entre clases. Además, es adecuado para clasificación multiclase y funciona mejor bajo ciertas suposiciones como la independencia de mediciones y la misma matriz de covarianza para todas las clases.
Los pasos del algoritmo incluyen el cálculo de matrices de dispersión dentro y entre clases, la resolución del problema de valores propios y la selección de características distintivas. La proyecci...
Leer más...
❤2👍1
En esta sexta parte de nuestra serie sobre MQL5, seguimos con el propósito de dotar a los desarrolladores de las herramientas necesarias para dominar la programación en el ámbito del trading automatizado. Tras la introducción a algunas funciones de matriz en la Parte 5, ahora nos enfocamos en las funciones de array restantes.
Las funciones incluidas en este capítulo son:
1. **ArrayPrint**: Permite imprimir los elementos de un array en la consola o diario, útil para depuración.
2. **ArrayInsert**: Inserta elementos de una matriz en otra en una posición designada, manteniendo la estructura original.
3. **ArraySize**: Retorna el número de elementos de un array unidimensional.
Detalle de las Funciones
**ArrayPrint**
- **Propósito**: Imprimir elementos del array para fines de depuración.
- **Sintaxis**: `ArrayPrint(array[], Digits, Separator, Start, Count, Flags)`
- **Uso**: Revisa l...
Leer más...
Las funciones incluidas en este capítulo son:
1. **ArrayPrint**: Permite imprimir los elementos de un array en la consola o diario, útil para depuración.
2. **ArrayInsert**: Inserta elementos de una matriz en otra en una posición designada, manteniendo la estructura original.
3. **ArraySize**: Retorna el número de elementos de un array unidimensional.
Detalle de las Funciones
**ArrayPrint**
- **Propósito**: Imprimir elementos del array para fines de depuración.
- **Sintaxis**: `ArrayPrint(array[], Digits, Separator, Start, Count, Flags)`
- **Uso**: Revisa l...
Leer más...
👍3
La séptima parte del libro "Programación en MQL5 para tráders" aborda herramientas avanzadas de la API MQL5, útiles para desarrollar programas en MetaTrader 5. Se examinan funciones más específicas y tecnologías universales.
Entre las funciones específicas se incluyen los instrumentos financieros personalizados y el calendario económico incorporado. En cuanto a tecnologías universales, se trata de funciones de red, bases de datos y criptografía. También se consideran las bibliotecas, que permiten conectar API a otros programas MQL y organizar complejos de software en proyectos lógicamente interconectados.
La parte final trata la integración con otros entornos de programación, especialmente Python. Se desarrollan recursos: archivos arbitrarios que pueden incluirse en el código, como elementos multimedia y programas MQL5 compilados. El entorno de MQL5 admite datos, imágenes, sonidos ...
Leer más...
Entre las funciones específicas se incluyen los instrumentos financieros personalizados y el calendario económico incorporado. En cuanto a tecnologías universales, se trata de funciones de red, bases de datos y criptografía. También se consideran las bibliotecas, que permiten conectar API a otros programas MQL y organizar complejos de software en proyectos lógicamente interconectados.
La parte final trata la integración con otros entornos de programación, especialmente Python. Se desarrollan recursos: archivos arbitrarios que pueden incluirse en el código, como elementos multimedia y programas MQL5 compilados. El entorno de MQL5 admite datos, imágenes, sonidos ...
Leer más...
❤2🏆2👍1
Creación de bases de datos y consultas SQL en MQL5 para negociar noticias económicas. Se trabajará con bases de datos SQLite y se ejecutarán consultas SQL para extraer información de manera eficiente.
Los operadores siguen atentamente las noticias que pueden impactar los mercados, como eventos geopolíticos, informes económicos y anuncios corporativos. La acción rápida ante estas noticias puede llevar a decisiones de compra o venta de activos. Se enfocará en eventos económicos disponibles en el Calendario Económico de MQL5.
Las bases de datos organizan grandes volúmenes de datos, facilitando el análisis y la recuperación de información, fundamental en el desarrollo de estrategias de trading basadas en noticias. Las bases de datos SQLite, comúnmente utilizadas en MQL5, son archivos únicos que incluyen todos los datos y su estructura, lo que elimia la necesidad de bucles complejos.
D...
Leer más...
Los operadores siguen atentamente las noticias que pueden impactar los mercados, como eventos geopolíticos, informes económicos y anuncios corporativos. La acción rápida ante estas noticias puede llevar a decisiones de compra o venta de activos. Se enfocará en eventos económicos disponibles en el Calendario Económico de MQL5.
Las bases de datos organizan grandes volúmenes de datos, facilitando el análisis y la recuperación de información, fundamental en el desarrollo de estrategias de trading basadas en noticias. Las bases de datos SQLite, comúnmente utilizadas en MQL5, son archivos únicos que incluyen todos los datos y su estructura, lo que elimia la necesidad de bucles complejos.
D...
Leer más...
👍1
Las operaciones angulares en el trading tienen como ventaja la sencillez del trazado de ángulos y su visibilidad. Un buen ejemplo son las herramientas de Gann. Hoy se analizarán los ángulos desde una nueva perspectiva, intentando refrescar conceptos.
Un ángulo es una figura geométrica sencilla, fácil de dibujar y calcular. Vamos a crear un indicador basado en los precios de diferentes pares de divisas, donde ángulos pequeños indicarán altos precios para el primer par y bajos para el segundo, y viceversa. Así, nuestro indicador determinará la sobrecompra/sobreventa entre pares de divisas.
La primera dificultad es la comparación de valores en diferentes ejes (ej. EURUSD y USDJPY). Se resuelve dividiendo el precio de cada instrumento por el valor del pip, logrando comparabilidad y misma escala en ambos ejes.
Luego, aplicando una distribución normal envuelta a nuestro indicador, podemo...
Leer más...
Un ángulo es una figura geométrica sencilla, fácil de dibujar y calcular. Vamos a crear un indicador basado en los precios de diferentes pares de divisas, donde ángulos pequeños indicarán altos precios para el primer par y bajos para el segundo, y viceversa. Así, nuestro indicador determinará la sobrecompra/sobreventa entre pares de divisas.
La primera dificultad es la comparación de valores en diferentes ejes (ej. EURUSD y USDJPY). Se resuelve dividiendo el precio de cada instrumento por el valor del pip, logrando comparabilidad y misma escala en ambos ejes.
Luego, aplicando una distribución normal envuelta a nuestro indicador, podemo...
Leer más...
👍2
En "Programación en MQL5 para tráders", se estudia la automatización del trading en MQL5.
Se inicia con la descripción de entidades principales, como las especificaciones de los instrumentos financieros y la configuración de la cuenta comercial, elementos necesarios para crear asesores correctos. Se analizan las funciones y estructuras de datos integradas, los eventos específicos del robot, y cuestiones clave en el trabajo de los expertos en el simulador.
El simulador de estrategias en MetaTrader 5 es vital para evaluar el rendimiento financiero y optimizar estrategias comerciales. Ofrece herramientas para depuración en varios modos: prueba visual por barras o ticks, tests con generación artificial de ticks o historia de ticks reales, y pruebas con capacidad de reproducción visual del flujo de cotizaciones.
El desarrollo de expertos permite acceso a la gama completa de capacidades...
Leer más...
Se inicia con la descripción de entidades principales, como las especificaciones de los instrumentos financieros y la configuración de la cuenta comercial, elementos necesarios para crear asesores correctos. Se analizan las funciones y estructuras de datos integradas, los eventos específicos del robot, y cuestiones clave en el trabajo de los expertos en el simulador.
El simulador de estrategias en MetaTrader 5 es vital para evaluar el rendimiento financiero y optimizar estrategias comerciales. Ofrece herramientas para depuración en varios modos: prueba visual por barras o ticks, tests con generación artificial de ticks o historia de ticks reales, y pruebas con capacidad de reproducción visual del flujo de cotizaciones.
El desarrollo de expertos permite acceso a la gama completa de capacidades...
Leer más...
👍3🏆2
El desarrollo de una plantilla dinámica busca optimizar el uso de asesores en MetaTrader 4 y 5. La configuración básica de la plantilla viene segmentada en bloques y operará con archivos de texto que contendrán los ajustes necesarios para cada par de instrumentos comerciales virtuales. Este enfoque garantiza una gestión dinámica y simplificada, sin necesidad de configuraciones manuales continuas.
Ventajas de esta plantilla dinámica:
1. Configuración independiente por instrumento y periodo.
2. Sincronización automática con API a través del puerto 443.
3. Gestión por carpetas compartidas en el terminal.
4. Integración con programas externos que gestionen los archivos.
5. Posibilidad de crear una versión demo sin conexión a la API.
Desventajas:
1. Dependencia del sistema de archivos.
2. Requiere dominio para API en la configuración de MetaTrader.
Esta solución incluye la posibilidad d...
Leer más...
Ventajas de esta plantilla dinámica:
1. Configuración independiente por instrumento y periodo.
2. Sincronización automática con API a través del puerto 443.
3. Gestión por carpetas compartidas en el terminal.
4. Integración con programas externos que gestionen los archivos.
5. Posibilidad de crear una versión demo sin conexión a la API.
Desventajas:
1. Dependencia del sistema de archivos.
2. Requiere dominio para API en la configuración de MetaTrader.
Esta solución incluye la posibilidad d...
Leer más...
✍3
Los sistemas automatizados de autooptimización son esenciales en los mercados financieros actuales. Los mercados se han vuelto más volátiles debido a la negociación algorítmica, especialmente por operadores de alta frecuencia, que representan casi la mitad de todas las operaciones en Europa y EE. UU. Desarrollar un bot de negociación que pueda ajustarse a las condiciones del mercado es clave para la estabilidad de las estrategias de negociación. El objetivo es diseñar sistemas con capacidad de aprendizaje y adaptación a cualquier símbolo comercial.
Esta guía se centra en el uso de MQL5 para desarrollar bots autooptimizables. MQL5 ofrece amplias funciones matriciales y vectoriales útiles para crear modelos compactos de aprendizaje automático. Frente a ONNX y Python, MQL5 proporciona adaptabilidad sin necesidad de gestionar numerosos modelos para distintas condiciones de mercado y símb...
Leer más...
Esta guía se centra en el uso de MQL5 para desarrollar bots autooptimizables. MQL5 ofrece amplias funciones matriciales y vectoriales útiles para crear modelos compactos de aprendizaje automático. Frente a ONNX y Python, MQL5 proporciona adaptabilidad sin necesidad de gestionar numerosos modelos para distintas condiciones de mercado y símb...
Leer más...
👍3