Descubre cómo integrar la IA en estrategias comerciales con MetaTrader 5 utilizando el algoritmo Nelder-Mead para optimizar redes neuronales profundas. Mejora la precisión de tus modelos ajustando parámetros de manera eficiente y exporta el modelo optimizado en formato ONNX para usar en un Asesor Experto. Aprende a preparar datos, definir funciones para minimizar errores y validar modelos. La implementación en MQL5 se complementa con la integración de indicadores técnicos para decisiones más informadas. Este enfoque aumenta la efectividad en la automatización de decisiones comerciales, optimizando rendimiento en diferentes mercados y mejorando los procesos en el trading algorítmico.

Leer más...

El algoritmo de bosque aleatorio es un método de aprendizaje conjunto que mejora la precisión mediante la construcción de múltiples árboles de decisión. Cada árbol se entrena con un subconjunto diferente de datos, introduciendo aleatoriedad que potencia el rendimiento general del modelo y su capacidad de generalización.

En el aprendizaje conjunto, varios modelos de machine learning se ajustan a los mismos datos, combinando sus predicciones para obtener mejores resultados que un modelo individual. El bosque aleatorio destaca por su alta precisión y resistencia al sobreentrenamiento, además de ofrecer información sobre la importancia de características y una menor varianza.

No obstante, este método presenta limitaciones como complejidad computacional, uso intensivo de memoria y menor interpretabilidad respecto a los árboles individuales. Aunque su diseño minimiza riesgos de sobreentre...

Leer más...

Los mercados financieros generan enormes cantidades de datos, y su análisis manual limita la capacidad de detectar patrones y tendencias. Jupyter Lab es una herramienta avanzada que permite realizar análisis estadísticos, aprendizaje automático y visualización de datos, ayudando a identificar oportunidades comerciales y prever movimientos de precios.

Para comenzar, descargue datos históricos desde MetaTrader 5 en formato CSV. Asegúrese de descargar barras ilimitadas para un análisis amplio. Configure Jupyter Lab y cargue los datos correctamente, inspeccionando los nombres de las columnas para evitar errores.

Antes de proceder al análisis, realice pasos de preprocesamiento como la conversión de fechas, manejo de valores faltantes y creación de nuevas características. Utilice pandas para manipular los datos e implemente bibliotecas de análisis técnico como TA-Lib para calcular indicad...

Leer más...

La normalización por lotes es esencial para mejorar el rendimiento de las redes neuronales, abordando la estabilidad en el entrenamiento y reduciendo el desplazamiento de covariables. Este artículo explora las técnicas de normalización: escalado estándar, de características y robusto, enfatizando su aplicación en MQL5 con Asesores Expertos. Cada técnica se acompaña de funciones de activación adecuadas, como sigmoide, TANH y max soft. Estas activaciones ayudan a evitar problemas de gradiente y optimizan el proceso de aprendizaje. Los programadores pueden implementar estas técnicas usando funciones integradas en vectores de MQL5, maximizando la eficiencia en algoritmos de trading automatizado.

Leer más...

En el artículo se explora una solución técnica para trabajar con posiciones históricas en MetaTrader 5, crucial para traders y desarrolladores. Se introduce un sistema con tres clases: transacciones, posiciones y lista de posiciones históricas. Este enfoque permite rastrear y analizar transacciones asociadas con posiciones específicas. A través del manejo de identificadores únicos, es posible acceder a datos históricos, mejorando la capacidad de análisis. Adicionalmente, se presenta un indicador que utiliza estos datos para mostrar gráficamente beneficios y pérdidas por posición. Este método ofrece una visión completa del rendimiento histórico, crucial para el desarrollo de estrategias algorítmicas en trading.

Leer más...

El artículo explora el método Offline Preference-guided Policy Optimization (OPPO) para mejorar el aprendizaje por refuerzo. OPPO reemplaza las recompensas tradicionales con preferencias humanas entre trayectorias de entorno, resolviendo problemas de recompensa escasa o imprecisa. Esto permite ajustar políticas sin entrenar funciones de recompensa por separado, ofreciendo una solución en un solo paso que optimiza preferencias offline y aprende políticas eficientemente. El algoritmo maximiza información de tareas complejas, usando una arquitectura de Transformador de Decisiones y atención para predecir contextos óptimos en trading. OPPO proporciona una alternativa innovadora para desarrollar algoritmos de trading más efectivos y personalizados.

Leer más...

Descubre cómo potenciar tus decisiones de trading con Deus EA, un asesor experto para MetaTrader 5 que emplea la potencia de indicadores como medias móviles (MA) y el índice de fuerza relativa (RSI) para automatizar operaciones. Diseñado en MQL5, este sistema identifica entradas y salidas óptimas al captar tendencias del mercado y condiciones extremas de sobrecompra o sobreventa. Con cuidadosa gestión de riesgos, incluye órdenes de stop loss, take profit, y trailing stops, asegurando decisiones basadas en datos. Aprende a personalizar parámetros como volúmenes de lote y niveles de riesgo para ajustarlo a tus necesidades específicas y mejorar así tus estrategias de trading.

Leer más...

La selección de características es fundamental en el desarrollo de modelos de IA. Este proceso identifica y selecciona un subconjunto relevante de características del conjunto de datos original. La importancia de la selección de características radica en su capacidad para reducir la dimensionalidad, mejorando la eficiencia computacional. También mejora el rendimiento de los modelos al centrarse en las características más informativas.

Existen diversos métodos para la selección de características. Los métodos de filtrado evaluan independientemente del algoritmo de modelo, utilizando matrices de correlación y pruebas estadísticas como la de Chi-cuadrado y ANOVA. Los métodos de envoltura evalúan diferentes subconjuntos de características, empleando técnicas como RFE y SFS. Los métodos integrados realizan la selección durante el entrenamiento, destacando la regresión de Lasso y los algor...

Leer más...

La integración de Telegram con MetaTrader 5 se logra mediante el desarrollo de un Asesor Experto (EA) en MQL5. Este EA permite la comunicación en tiempo real a través de Telegram, utilizando un bot como servidor de actualización. El proceso incluye la creación de un bot con BotFather, obteniendo un token API y configurando MetaTrader 5 para enviar solicitudes a través de la API de Telegram.

Primero, se debe crear un bot en Telegram usando BotFather y obtener la ID del chat necesaria. Luego, en MetaTrader 5, se añade la URL de la API a las URLs permitidas. Finalmente, se implementa la lógica en MQL5 para que el EA envíe mensajes al bot de Telegram.

Leer más...

En la segunda parte del desarrollo del Asesor Experto para MQL5 integrado con Telegram, nos centramos en transmitir señales comerciales al chat grupal en Telegram. La versión mejorada del Asesor no solo opera basándose en condiciones predefinidas, sino que también envía una señal notificando a Telegram sobre las operaciones ejecutadas. Las señales ahora son claras y concisas, garantizando una comunicación efectiva con el grupo. Utilizaremos un sistema de cruce de medias móviles para generar y transmitir señales casi en tiempo real. El Asesor ahora maneja múltiples segmentaciones en mensajes, asegurando que se envíen sin errores de estructura, empleando codificación adecuada para evitar problemas en la API de Telegram.

Leer más...

El asistente MQL5 proporciona un entorno robusto para experimentar con diversas ideas en el ámbito de las señales personalizadas y funciones de pérdida en el aprendizaje automático. La selección adecuada de la función de pérdida es crucial, especialmente dada la variedad de métodos disponibles como el MSE, MAE, entropía cruzada, y más. Aunque muchas de estas se enfocan en el aprendizaje supervisado, en entornos no supervisados también juegan un rol esencial al cuantificar discrepancias entre datos. Diferentes funciones ofrecen ventajas y desventajas dependiendo de las circunstancias, como sensibilidad a valores atípicos o capacidad de manejo de datos multidimensionales, y deben ser escogidas cuidadosamente para cumplir con los objetivos específicos de cada proyecto.

Leer más...

Explora la efectividad del algoritmo K-medias++ para la clasificación de datos en MetaTrader 5. Este método optimiza la selección de centroides iniciales, acelerando la convergencia y mejorando la precisión en la formación de clústeres, comparado con K-medias básico. Con aplicaciones prácticas en el análisis de mercado, este enfoque no supervisado es adecuado para datos de distribuciones irregulares o afectadas por valores atípicos. Al integrar AlgLib y técnicas avanzadas, K-medias++ demuestra una mayor adaptabilidad y precisión en la predicción de tendencias, ideal para desarrolladores interesados en el uso eficiente de los recursos computacionales.

Leer más...

Para la comunidad técnica y de programación, aquí se presenta un análisis sobre la teoría de la probabilidad y su aplicación en el diseño y comprensión de algoritmos. La teoría de la probabilidad proporciona las herramientas necesarias para modelar la aleatoriedad en datos y la incertidumbre de eventos, siendo esencial en la optimización. Se destacan las distribuciones uniformes y normales. La distribución uniforme contribuye a generar números aleatorios dentro de un intervalo definido con igual probabilidad. La distribución normal ofrece un modelo simétrico respecto a la media, útil para destacar parámetros en algoritmos complejos. En algoritmos poblacionales, las distribuciones apoyan en la generación de variación y búsqueda de soluciones óptimas.

Leer más...

Nueva versión de MetaTrader 4 incluye varias mejoras importantes de seguridad, correcciones de errores y mejoras de estabilidad de la plataforma.

Seguir leyendo...

En la fase tres del desarrollo del sistema de repetición/simulador, el objetivo cambia hacia la integración con un servidor de trading real. Se desarrollarán herramientas para gestionar posiciones como apertura, control y cierre, adaptando herramientas pasadas al nuevo modelo.

La herramienta Chart Trade se reintroduce para manejar operaciones a precio de mercado, dado que las funciones estándar de MetaTrader 5 no son útiles para el entorno simulado. Aunque MT5 integra estas funciones, no se adaptan a nuestro simulador, que no opera como un servidor real.

El enfoque se centra en usar MQL5 únicamente, renunciando a soluciones más sencillas en C/C++ para profundizar en MQL5, optimizando la simulación y el desarrollo en esta plataforma.

Leer más...

Explora un avanzado Asesor Experto (EA) para Forex que fusiona aprendizaje automático con análisis técnico convencional, optimizando tanto indicadores técnicos como parámetros comerciales. Este EA, centrado en acciones de Apple (#AAPL), integra un modelo ONNX para predecir movimientos de precios, permitiendo decisiones comerciales precisas. Con estrategias múltiples de trailing stop y gestión de riesgos adaptativa, se ajusta a la volatilidad del mercado para maximizar beneficios y minimizar pérdidas. A pesar de prometedores resultados históricos, se recomienda una gestión de riesgos cautelosa debido a posibles caídas. Diseño flexible ideal para diversos entornos de trading algorítmico.

Leer más...

pantalla, el tamaño y algunas configuraciones esenciales. RestoreState devuelve estos parámetros, permitiendo que Chart Trade vuelva a su estado previo en caso de reinicios o actualizaciones del gráfico. Este enfoque mejora la experiencia del usuario al evitar la pérdida de la personalización realizada.

En la última parte del artículo, se analizará el procedimiento DispatchMessage. Esta función es crucial, ya que permite la interacción dinámica con los elementos de Chart Trade, gestionando eventos y entradas del usuario. Su implementación garantiza que el sistema reaccione de manera coherente y lógica ante las acciones del operador, consolidando así la funcionalidad global del sistema implementado.

Leer más...

Para entender el procedimiento DispatchMessage es crucial haber leído previamente sobre la clase C_ChartFloatingRAD. Este procedimiento, esencial en MetaTrader 5, gestiona eventos que afectan al Chart Trade, convirtiéndolos en acciones. DispatchMessage no genera objetos directamente; trabaja con eventos preexistentes.

DispatchMessage administra cinco tipos de eventos enviados por MetaTrader 5, comenzando por CHARTEVENT_CHART_CHANGE, que se activa con cambios en el gráfico. Otro evento clave es CHARTEVENT_MOUSE_MOVE, que detecta movimientos del mouse, gestionando interacciones críticas como clics en botones de compra o venta. La validez de estos clics se verifica a través de un indicador de mouse. Estos eventos deben gestionarse eficazmente para evitar ralentizar el sistema. La asignación y comprobación cuidadosa de eventos es crucial para un funcionamiento fluido.

Leer más...

En el artículo anterior, se diseñó un Asesor Experto para gestionar datos económicos desde una base de datos del calendario de noticias. Se desarrollaron clases fundamentales para optimizar su rendimiento en operaciones basadas en datos económicos. En este artículo, se extienden estas clases con el propósito de lograr operar eficazmente utilizando eventos económicos.

Se ha añadido una nueva vista en la base de datos para revisar eventos únicos del Calendario MQL5, mejorando el análisis de eventos. Nuevas entradas en el experto permiten filtrar datos económicos, añadiendo flexibilidad a las operaciones.

Para más detalles, se sugiere revisar la serie "Operar con noticias de manera sencilla", que explica herramientas de gestión de riesgos y más.

Leer más...

Explora una innovadora estrategia de negociación para el SP500, basada en la relación entre los rendimientos del índice y los bonos del Tesoro. Utilizando datos OHLC, se desarrollaron modelos que predicen el cierre del SP500, revelando que los datos del índice son más efectivos que los de bonos. Mediante validación cruzada y selección de características se determinó que las correlaciones no eran significativas. El Regresor SGD destacó, aunque el ajuste de hiperparámetros con L-BFGS-B resultó en sobreajuste. Una metodología robusta en Python, desde análisis de datos a optimización de modelos, resalta la importancia de precisión en el trading algorítmico.

Leer más...