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...

El artículo aborda la implementación y evaluación de un algoritmo de optimización basado en el comportamiento social adaptativo (ASBO). Este enfoque introduce una evolución en dos fases, diseñada para mejorar la localización de la solución óptima global y su convergencia.

La primera fase gestiona poblaciones independientes, aplicando una mutación autoadaptativa e identificación de líderes. En la segunda fase, se seleccionan las mejores soluciones de todas las poblaciones para una optimización intensiva adicional.

La implementación incluye la creación de estructuras de agentes y poblaciones, así como métodos para gestionar la mutación y desplazamiento en el espacio de búsqueda. Con este método, el algoritmo busca combinar exploración global y optimización local.

Leer más...

MetaEditor es una herramienta esencial para el desarrollo de indicadores y asesores expertos en MQL5. Un desafío común es la gestión de visualizaciones de rectángulos de riesgo-recompensa debido a la alta técnicidad y parámetros mal ajustados como el número excesivo de barras de retrospección.

La solución implicó ajustar el perímetro de retrospección y crear un script independiente que mejora la eficiencia del indicador principal. Este script verifica condiciones específicas y dibuja automáticamente los rectángulos junto con precios críticos para la operación. Es importante aclarar que el script debe añadirse manualmente al gráfico.

Posteriormente, se desarrolló un Asesor Experto para automatizar operaciones basado en las señales del indicador, calificando su funcionalidad mediante pruebas en el Probador de Estrategias de MetaTrader 5. La correcta integración y prueba del EA asegura...

Leer más...

La creación de informes comerciales en MetaTrader 5 utiliza un programa tipo "Servicio" en MQL5. Este programa recoge datos sobre las posiciones cerradas de cuentas para generar estadísticas y enviarlas mediante notificaciones push. Las clases de transacción y de posición histórica desempeñan roles clave. La clase de transacción almacena propiedades de las transacciones y permite su comparación para optimizar estrategias comerciales. La clase de posición histórica organiza las transacciones en listas, ofreciendo acceso mediante propiedades específicas. Los objetos se almacenan en arrays dinámicos, permitiendo crear bases de datos de posiciones cerradas independientemente de otras aplicaciones del terminal.

Leer más...

Descubre cómo la integración de Python en MQL5 puede transformar tus estrategias de trading. Con Python, un lenguaje fácil de leer y rico en bibliotecas para análisis de datos y aprendizaje automático, esta combinación proporciona un enfoque potente para el análisis predictivo y la optimización de estrategias. Aprende a configurar tu entorno para utilizar ambas tecnologías, instalando MetaTrader 5 y Python, y explorando ejemplos como la apertura de posiciones y la obtención de datos financieros. Utilizar Python con MetaTrader 5 no solo mejora tus habilidades técnicas sino que te permite automatizar y optimizar tus estrategias de trading de manera eficiente y precisa.

Leer más...

Explora el innovador algoritmo SparseTSF, diseñado para la previsión de series temporales a largo plazo con solo 1k parámetros. Este modelo ofrece una solución eficiente al separar de forma efectiva la periodicidad y la tendencia de los datos, permitiendo predicciones precisas mientras minimiza la complejidad del modelo y los recursos computacionales. Al enfocarse en secuencias unidimensionales y usar métodos de predicción dispersa, SparseTSF mejora la extracción de dependencias de largo plazo. Ideado en un entorno MQL5, utiliza capas convolucionales para procesar datos agregados, manteniendo la eficiencia mediante transposiciones estratégicas y normalización sencilla. Un avance clave para desarrolladores y traders en el campo del trading algorítmico.

Leer más...

Descubre cómo la integración de Python en MQL5 puede transformar tus estrategias de trading. Con Python, un lenguaje fácil de leer y rico en bibliotecas para análisis de datos y aprendizaje automático, esta combinación proporciona un enfoque potente para el análisis predictivo y la optimización de estrategias. Aprende a configurar tu entorno para utilizar ambas tecnologías, instalando MetaTrader 5 y Python, y explorando ejemplos como la apertura de posiciones y la obtención de datos financieros. Utilizar Python con MetaTrader 5 no solo mejora tus habilidades técnicas sino que te permite automatizar y optimizar tus estrategias de trading de manera eficiente y precisa.

Leer más...

Explora la implementación de filtros digitales en el dominio de la frecuencia y su aplicación en MetaTrader 5 para análisis temporal mediante la DFT. Se examinan filtros síncronos, en cuadratura y espejo en cuadratura, destacando su capacidad para preservar y manipular relaciones de fase y detectar cambios rápidos en series temporales. Mediante la combinación de estos tipos de filtros, se optimiza la detección de componentes periódicos. El artículo también aborda el preprocesamiento necesario para evitar la distorsión de señales y mejorar la eficiencia computacional al aplicar técnicas de complementación antes de la DFT. Se proporciona un código de ejemplo en MQL5, facilitando la implementación práctica para traders y desarrolladores.

Leer más...

Descubre cómo la Deformación Dinámica del Tiempo (DTW) revoluciona el análisis técnico en MetaTrader 5. Este sofisticado algoritmo mide similitud en secuencias temporales, incluso con ritmos variables, lo que ofrece una flexibilidad superior frente a métodos tradicionales. Al valorar diferencias de velocidad y ritmos, DTW se convierte en una herramienta potente para identificar patrones únicos y potencialmente lucrativos en datos financieros no lineales. La implementación en MQL5 permite a los desarrolladores calcular distancias entre series con precisión, adoptando patrones de paso específicos y restricciones globales para optimizar la alineación de datos financieros. Esta técnica representa un enfoque robusto y práctico para traders y desarrolladores.

Leer más...

Las investigaciones recientes cuestionan la robustez de las arquitecturas basadas en aprendizaje profundo para el modelado de series temporales. Modelos lineales o redes neuronales superficiales pueden superarlas en ciertos contextos. TEMPO, un modelo integral basado en GPT, propone resolver estos problemas aprovechando los patrones de tendencia y estacionalidad.

TEMPO utiliza un enfoque híbrido que combina análisis estadístico y métodos de aprendizaje automático, descomponiendo las series temporales en componentes clave. Esta estrategia mejora la capacidad de los modelos de procesar datos de series temporales.

Implementar TEMPO en MQL5 implica dividir los datos de origen en tendencia, estacionalidad y residuos. La extracción de la tendencia y estacionalidad es clave para entender los patrones evolutivos de las series temporales.

Leer más...