Redes neuronales en el trading: Agregación del movimiento en el tiempo (TMA)

Redes neuronales en el trading: Agregación del movimiento en el tiempo (TMA)

El framework TMA ofrece una nueva perspectiva sobre la dinámica del mercado, permitiendo que los modelos capten no solo el estado del mercado, sino también el propio paso del tiempo. Su capacidad para extraer patrones de un flujo continuo de datos hace que el análisis sea más profundo y preciso que con los enfoques clásicos. Y la adaptación recurrente convierte este método en una herramienta práctica para trabajar con cotizaciones reales.
EA para la apertura de operaciones según el riesgo con interfaz de usuario integrada en el gráfico (Parte 1): Diseño de la interfaz de usuario

EA para la apertura de operaciones según el riesgo con interfaz de usuario integrada en el gráfico (Parte 1): Diseño de la interfaz de usuario

En este artículo se explica cómo crear en MQL5 un panel de control claro y profesional integrado en el gráfico para un asesor experto de apertura de operaciones según el riesgo. Esta guía paso a paso explica cómo diseñar una interfaz gráfica de usuario (GUI) funcional que permita a los traders introducir los parámetros de las operaciones, calcular el tamaño del lote y prepararse para la colocación automática de órdenes.
Códice de posicionamiento en los mercados en MQL5 (Parte 1): Aprendizaje bit a bit para Nvidia

Códice de posicionamiento en los mercados en MQL5 (Parte 1): Aprendizaje bit a bit para Nvidia

Hoy comenzaremos una nueva serie de artículos basada en nuestros trabajos anteriores, expuestos en la serie "MQL5 Wizard", y llevaremos estos un paso más allá profundizando en nuestro enfoque del trading sistemático y la prueba de estrategias. En esta nueva serie, nos centraremos en los asesores expertos programados para mantener únicamente un tipo de posición: principalmente posiciones largas. Centrarse en una sola tendencia del mercado puede simplificar el análisis, reducir la complejidad de la estrategia y revelar algunas claves importantes, especialmente cuando se opera con activos distintos de las divisas. Por lo tanto, nuestra serie analizará si esto resulta eficaz en las acciones y otros activos distintos de las divisas, donde los sistemas que solo abren posiciones largas suelen mostrar una buena correlación con las estrategias del dinero inteligente o de los inversores institucionales.
Redes neuronales en el trading: Modelos de refinamiento iterativo de previsiones (Final)

Redes neuronales en el trading: Modelos de refinamiento iterativo de previsiones (Final)

Presentamos el framework RAFT, una potente herramienta para el análisis y la previsión de series temporales financieras. Su arquitectura flexible y optimizada garantiza la precisión de las previsiones, la estabilidad del funcionamiento y agiliza el procesamiento de datos. RAFT reduce el riesgo de cometer errores y facilita la creación de estrategias de trading eficaces.
Explorador de la biblioteca estándar de MQL5 (Parte 3): Asesor experto con canal de desviación estándar

Explorador de la biblioteca estándar de MQL5 (Parte 3): Asesor experto con canal de desviación estándar

En este análisis, desarrollaremos un asesor experto usando las clases CTrade y CChartObjectStdDevChannel, al tiempo que aplicaremos varios filtros para mejorar la rentabilidad. En esta etapa ponвкemos en práctica lo que hemos comentado anteriormente. Además, presentarуьщы otro método sencillo que le ayudará a comprender mejor la biblioteca estándar de MQL5 y su código subyacente. Le invitamos a participar en el debate para explorar estos conceptos en la práctica.
Redes neuronales en el trading: Modelos de refinamiento iterativo de previsiones (Componentes principales)

Redes neuronales en el trading: Modelos de refinamiento iterativo de previsiones (Componentes principales)

En este artículo desentrañaremos el funcionamiento interno del framework RAFT, uno de los enfoques más precisos y elegantes para el análisis de procesos dinámicos. Paso a paso, adaptamos su idea de refinamiento iterativo a las series temporales financieras, sentando así unas bases sólidas para el futuro modelo. Al lector le espera una inmersión dinámica en la arquitectura, donde cada componente tiene su razón de ser y su función.
Bloques de órdenes invalidados: Reutilización como bloques de mitigación (SMC)

Bloques de órdenes invalidados: Reutilización como bloques de mitigación (SMC)

En este artículo, exploraremos cómo los bloques de órdenes previamente invalidados pueden reutilizarse como bloques de mitigación dentro del marco de los conceptos de dinero inteligente (SMC). Estas zonas revelan dónde vuelven a entrar en el mercado los operadores institucionales tras el fallo de un bloque de órdenes y ofrecen áreas de alta probabilidad para operar a favor de la continuación de la tendencia dominante.
Redes neuronales en el trading: Percepción adaptativa de la dinámica del mercado (Final)

Redes neuronales en el trading: Percepción adaptativa de la dinámica del mercado (Final)

En este artículo continuamos trabajando en la implementación de los enfoques del framework STE-FlowNet, que combina el procesamiento multihilo con estructuras recurrentes para el análisis preciso de datos complejos. Las pruebas realizadas han confirmado su estabilidad y flexibilidad en distintos escenarios. Esta arquitectura acelera los cálculos y permite modelar con mayor profundidad las dependencias en las series temporales. Este enfoque abre nuevas posibilidades para su aplicación práctica en el trading y el análisis.
Modelos matemáticos en las estrategias de rejilla

Modelos matemáticos en las estrategias de rejilla

En este artículo analizaremos la aplicación de las matemáticas a las estrategias de rejilla. Además, analizaremos los principios básicos de funcionamiento de la estrategia, así como sus ventajas e inconvenientes. Usted aprenderá a crear una rejilla de trading, a establecer los parámetros óptimos y a gestionar los riesgos de forma eficaz.
Explorador de la biblioteca estándar de MQL5 (Parte 2): Conexión de componentes de la biblioteca

Explorador de la biblioteca estándar de MQL5 (Parte 2): Conexión de componentes de la biblioteca

Hoy daremos un paso importante para ayudar a todos los desarrolladores a comprender cómo interpretar las estructuras de clases y crear rápidamente asesores expertos utilizando la biblioteca estándar de MQL5. La biblioteca es muy completa y ampliable, aunque a veces puede dar la sensación de que le han entregado un conjunto de herramientas complejas sin manual de instrucciones. Aquí compartiremos y analizaremos una rutina de integración alternativa: un flujo de trabajo conciso y repetible que muestra cómo conectar clases de forma fiable en proyectos reales.
Redes neuronales en el trading: Un enfoque semántico de impulsos para la identificación espaciotemporal (Final)

Redes neuronales en el trading: Un enfoque semántico de impulsos para la identificación espaciotemporal (Final)

En nuestra interpretación, S3CE-Net traduce hábilmente el mercado al lenguaje de los eventos y capta los primeros impulsos que los indicadores tradicionales simplemente promedian. El STFS garantiza la estabilidad del entrenamiento: el modelo ve los datos desde diferentes perspectivas y no se sobreajusta a las anomalías locales. Los bloques SSAM y la implementación en OpenCL aportan velocidad y precisión en la práctica, mientras que la separación entre los modos de entrenamiento y de explotación permite ahorrar recursos en producción.
Redes neuronales en el trading: Un enfoque semántico de impulsos para la identificación espaciotemporal (Componentes principales)

Redes neuronales en el trading: Un enfoque semántico de impulsos para la identificación espaciotemporal (Componentes principales)

En este artículo hemos analizado en detalle la integración del módulo SSAM en el bloque SEW-ResNeXt, mostrando cómo el framework S3CE-Net permite combinar eficazmente la atención de impulsos con los bloques residuales. Esta arquitectura garantiza un procesamiento preciso de los flujos de datos temporales y espaciales, así como una gran estabilidad en el aprendizaje. La modularidad y la flexibilidad de los componentes facilitan la ampliación del modelo y la reutilización de métodos probados.
Creación de sistemas de trading basados en IA en MQL5 (Parte 4): Cómo superar las limitaciones de la entrada multilínea, garantizar la persistencia del chat y generar señales

Creación de sistemas de trading basados en IA en MQL5 (Parte 4): Cómo superar las limitaciones de la entrada multilínea, garantizar la persistencia del chat y generar señales

En este artículo, mejoramos el programa en MQL5 integrado con ChatGPT: superamos las limitaciones de la entrada multilínea con un mejor renderizado de texto, incorporamos una barra lateral para navegar por los chats almacenados de forma persistente con cifrado AES256 y compresión ZIP, y generamos señales de trading iniciales mediante la integración de datos del gráfico.
Características del Wizard MQL5 que debe conocer (Parte 85): Uso de patrones del oscilador estocástico y el FrAMA con aprendizaje por inferencia mediante beta-VAE

Características del Wizard MQL5 que debe conocer (Parte 85): Uso de patrones del oscilador estocástico y el FrAMA con aprendizaje por inferencia mediante beta-VAE

Este artículo es la continuación de la «Parte 84», en la que presentamos la combinación del indicador estocástico y la media móvil adaptativa fractal. Ahora centraremos nuestra atención en el aprendizaje por inferencia para analizar si es posible mejorar los resultados de los patrones de bajo rendimiento del artículo anterior. El indicador estocástico y el FrAMA forman un binomio complementario de impulso y tendencia. Para nuestro aprendizaje por inferencia, volvemos a examinar el algoritmo beta de un autoencoder variacional. Además, como siempre, nos encargamos de la implementación de una clase de señal personalizada diseñada para integrarse con el Asistente de MQL5.
Características del Wizard MQL5 que debe conocer (Parte 84): Uso de patrones del oscilador estocástico y de FrAMA - Conclusión

Características del Wizard MQL5 que debe conocer (Parte 84): Uso de patrones del oscilador estocástico y de FrAMA - Conclusión

El oscilador estocástico y la media móvil adaptativa fractal son un par de indicadores que podrían usarse por su capacidad para complementarse mutuamente dentro de un asesor experto de MQL5. Ya presentamos este emparejamiento en el último artículo y ahora queremos concluir analizando sus cinco últimos patrones de señales. Para explorar esta combinación, como siempre, utilizamos el asistente de MQL5 para crear asesores expertos y evaluar su potencial.
Negociamos con opciones sin opciones (Parte 3): Estrategias complejas con opciones

Negociamos con opciones sin opciones (Parte 3): Estrategias complejas con opciones

El artículo analiza las estrategias con opciones para mercados laterales (no direccionales) y las estrategias de seguimiento de tendencias (direccionales), así como su implementación en MQL5. Se ha actualizado el asesor experto descrito en el artículo anterior. Se ha añadido la visualización de los niveles de opción. Ahora es el momento de analizar las estrategias que utilizan los operadores de opciones en la práctica y aplicarlas.
Redes neuronales en el trading: Entrenamiento de modelos de impulsos profundos (Final)

Redes neuronales en el trading: Entrenamiento de modelos de impulsos profundos (Final)

En este artículo se muestra la implementación práctica del framework SEW ResNet mediante MQL5, haciendo hincapié en su aplicación práctica en el ámbito del trading. El «doble Bottleneck» permite analizar simultáneamente los flujos univariantes y las dependencias entre canales, sin perder los gradientes durante el entrenamiento. Las activaciones por impulsos con umbrales adaptativos y las compuertas mejoran la resistencia al ruido y la sensibilidad a las novedades del mercado. En el texto se detallan los aspectos de la implementación y los resultados de las pruebas.
Redes neuronales en el trading: De los modelos Transformer a las neuronas de impulsos (componentes clave)

Redes neuronales en el trading: De los modelos Transformer a las neuronas de impulsos (componentes clave)

Presentamos al lector una implementación de los enfoques del marco de trabajo SpikingBrain basados en la atención lineal recurrente con compuertas, que se analizan en detalle en este artículo. Los algoritmos de propagación hacia delante, de propagación de gradientes y de actualización de pesos garantizan un procesamiento eficiente de las series temporales financieras y permiten la aplicación práctica de los conceptos clave del marco de trabajo.
Características del Wizard MQL5 que debe conocer (Parte 83): Uso de patrones del oscilador estocástico y el FrAMA — Arquetipos de comportamiento

Características del Wizard MQL5 que debe conocer (Parte 83): Uso de patrones del oscilador estocástico y el FrAMA — Arquetipos de comportamiento

El oscilador estocástico y la media móvil adaptativa fractal son otro binomio de indicadores que podría utilizarse por su capacidad para complementarse mutuamente dentro de un asesor experto de MQL5. Hoy analizaremos el indicador estocástico por su capacidad para detectar cambios en el impulso, mientras que el FrAMA se utiliza para confirmar las tendencias predominantes. Al analizar esta combinación de indicadores, como siempre, utilizamos el asistente de MQL5 para desarrollarla y evaluar su potencial.
Redes neuronales en el trading: Entrenamiento de modelos de impulsos profundos (Integración de impulsos)

Redes neuronales en el trading: Entrenamiento de modelos de impulsos profundos (Integración de impulsos)

En este artículo se presenta la implementación práctica de los componentes clave del framework SEW-ResNet usando MQL5. El uso de arrays dinámicos y mecanismos de impulsos permite diseñar con flexibilidad la arquitectura del modelo y procesar de forma eficaz las series temporales financieras. Las soluciones propuestas muestran cómo SEW-ResNet puede optimizar los cálculos y mejorar la extracción de características relevantes.
Automatización de estrategias de trading en MQL5 (Parte 36): Trading basado en la oferta y la demanda con el modelo de retesteo e impulso

Automatización de estrategias de trading en MQL5 (Parte 36): Trading basado en la oferta y la demanda con el modelo de retesteo e impulso

En este artículo, crearemos un sistema de trading basado en la oferta y la demanda en MQL5 que identifica las zonas de oferta y demanda mediante rangos de consolidación, las valida con movimientos impulsivos y opera en los retesteos con confirmación de la tendencia y parámetros de riesgo personalizables. El sistema muestra las zonas con etiquetas y colores dinámicos y permite utilizar stops dinámicos para la gestión del riesgo.
Algoritmo de monos azules — Algoritmo Blue Monkey (BM)

Algoritmo de monos azules — Algoritmo Blue Monkey (BM)

En este artículo se presenta la implementación del algoritmo metaheurístico Blue Monkey, basado en la simulación del comportamiento social de los monos azules. En este, se examinan los mecanismos clave del algoritmo —la estructura grupal de la población, el seguimiento de líderes locales y la renovación generacional mediante la sustitución de los individuos adultos con peor rendimiento por las crías con mejor rendimiento— y se analizan los resultados de las pruebas.
Automatización de estrategias de trading en MQL5 (Parte 35): Creación de un sistema de trading con bloques de ruptura

Automatización de estrategias de trading en MQL5 (Parte 35): Creación de un sistema de trading con bloques de ruptura

En este artículo, creamos un sistema de trading con bloques de ruptura en MQL5 que identifica rangos de consolidación, detecta rupturas y valida los bloques de ruptura mediante puntos de oscilación para operar en los retesteos con parámetros de riesgo definidos. El sistema muestra los bloques de órdenes y de ruptura con etiquetas y flechas dinámicas, y permite el trading automatizado y el uso de stops dinámicos.
Características del Wizard MQL5 que debe conocer (Parte 82): Uso de patrones del TRIX y del WPR con aprendizaje por refuerzo mediante una red Q profunda (DQN)

Características del Wizard MQL5 que debe conocer (Parte 82): Uso de patrones del TRIX y del WPR con aprendizaje por refuerzo mediante una red Q profunda (DQN)

En el último artículo, analizamos la combinación de Ichimoku y ADX en el framework del aprendizaje por inferencia. En este artículo retomamos el tema del aprendizaje por refuerzo cuando se utiliza junto con un par de indicadores que ya analizamos en la «Parte 68». El indicador TRIX y el rango porcentual de Williams. El algoritmo que usaremos en este análisis será la red Q profunda (DQN) con regresión por cuantiles. Como es habitual, presentamos este enfoque como una clase de señal personalizada diseñada para su implementación con el Asistente de MQL5.
Características del Wizard MQL5 que debe conocer (Parte 81): Uso de patrones de Ichimoku y ADX-Wilder con aprendizaje por inferencia mediante β-VAE

Características del Wizard MQL5 que debe conocer (Parte 81): Uso de patrones de Ichimoku y ADX-Wilder con aprendizaje por inferencia mediante β-VAE

Este artículo da continuidad a la «Parte 80», en la que examinamos la combinación de Ichimoku y ADX en un framework de aprendizaje por refuerzo. Ahora centraremos nuestra atención en el aprendizaje por inferencia. Como ya hemos comentado, Ichimoku y ADX son complementarios; sin embargo, vamos a repasar las conclusiones del último artículo en relación con el uso de la cadena de procesamiento. Para nuestro aprendizaje por inferencia, utilizaremos el algoritmo beta de un autocodificador variacional (VAE). Además, seguiremos utilizando una implementación de una clase de señal personalizada diseñada para integrarse con el Asistente de MQL5.
Creación de sistemas de trading basados en IA en MQL5 (Parte 3): Actualización a una interfaz de usuario orientada a un único chat con desplazamiento

Creación de sistemas de trading basados en IA en MQL5 (Parte 3): Actualización a una interfaz de usuario orientada a un único chat con desplazamiento

En este artículo, actualizaremos el programa en MQL5 integrado con ChatGPT para dotarlo de una interfaz de usuario orientada a un único chat con desplazamiento, mejorando la visualización del historial de conversaciones mediante marcas de tiempo y desplazamiento dinámico. El sistema se basa en el análisis de JSON para gestionar mensajes de varios turnos y admite modos de barra de desplazamiento personalizables y efectos al pasar el cursor para mejorar la interacción con el usuario.
Automatización de estrategias de trading en MQL5 (Parte 34): Sistema de ruptura de líneas de tendencia con evaluación de la calidad del ajuste mediante R²

Automatización de estrategias de trading en MQL5 (Parte 34): Sistema de ruptura de líneas de tendencia con evaluación de la calidad del ajuste mediante R²

En este artículo, desarrollamos un sistema de ruptura de líneas de tendencia en MQL5 que identifica líneas de soporte y resistencia a partir de puntos de giro, validadas mediante el coeficiente de determinación R² y restricciones angulares, para automatizar las operaciones de ruptura. Nuestro plan consiste en detectar máximos y mínimos de giro dentro de un período retrospectivo determinado, trazar líneas de tendencia con un número mínimo de puntos de contacto y validarlas mediante métricas de R² y restricciones del ángulo de inclinación para garantizar su fiabilidad.
Herramientas de trading de MQL5 (Parte 9): Desarrollo de un asistente de configuración inicial del usuario para asesores expertos (EAs) con una guía desplazable

Herramientas de trading de MQL5 (Parte 9): Desarrollo de un asistente de configuración inicial del usuario para asesores expertos (EAs) con una guía desplazable

En este artículo, desarrollamos en MQL5 un asistente de configuración inicial del usuario para asesores expertos (EAs) que incluye una guía desplazable con un panel de control interactivo, formato de texto dinámico y controles visuales, como botones y una casilla de verificación, que permiten a los usuarios recorrer las instrucciones y configurar los parámetros de negociación de forma eficaz. Los usuarios del programa pueden hacerse una idea de en qué consiste y qué deben hacer la primera vez que lo ejecutan; es más bien una especie de guía de orientación.
Automatización de estrategias de trading en MQL5 (Parte 33): Creación de un sistema basado en el patrón armónico Shark y la acción del precio

Automatización de estrategias de trading en MQL5 (Parte 33): Creación de un sistema basado en el patrón armónico Shark y la acción del precio

En este artículo, desarrollaremos en MQL5 un sistema basado en el patrón Shark que identifica patrones armónicos Shark alcistas y bajistas mediante puntos pivote y ratios de Fibonacci, y ejecuta operaciones con niveles personalizables de entrada, stop loss y take profit según las opciones seleccionadas por el usuario. Asimismo, mejoraremos la comprensión de los traders con información visual mediante objetos gráficos como triángulos, líneas de tendencia y etiquetas, para mostrar con claridad la estructura del patrón X-A-B-C-D.
Redes neuronales en el trading: De los Transformer a las neuronas de impulsos (SpikingBrain)

Redes neuronales en el trading: De los Transformer a las neuronas de impulsos (SpikingBrain)

El framework SpikingBrain presenta un enfoque único para el procesamiento de datos: las neuronas solo responden a eventos significativos, lo que permite filtrar eficazmente el ruido. Su arquitectura basada en eventos reduce los costes computacionales al tiempo que conserva la información clave sobre la evolución de los precios. Los umbrales adaptativos y la posibilidad de utilizar módulos preentrenados garantizan la flexibilidad y la escalabilidad del modelo.
Características del Wizard MQL5 que debe conocer (Parte 80): Uso de patrones Ichimoku y ADX-Wilder con aprendizaje por refuerzo TD3

Características del Wizard MQL5 que debe conocer (Parte 80): Uso de patrones Ichimoku y ADX-Wilder con aprendizaje por refuerzo TD3

Este artículo da continuidad a la "Parte 74", en la que examinamos la combinación de Ichimoku y el ADX en un marco de aprendizaje supervisado, y centra ahora la atención en el aprendizaje por refuerzo. Ichimoku y ADX forman una combinación complementaria para identificar los niveles de soporte y resistencia y determinar la fuerza de la tendencia. En esta entrega, analizamos cómo se puede utilizar el algoritmo Twin Delayed Deep Deterministic Policy Gradient (TD3) con este conjunto de indicadores. Al igual que en las partes anteriores de la serie, la implementación se realiza en una clase de señales personalizada diseñada para integrarse con el Asistente de MQL5, lo que facilita la creación de asesores expertos sin complicaciones.
Cómo crear y optimizar un sistema de trading basado en ciclos (Detrended Price Oscillator - DPO)

Cómo crear y optimizar un sistema de trading basado en ciclos (Detrended Price Oscillator - DPO)

En este artículo se explica cómo diseñar y optimizar un sistema de trading usando el Detrended Price Oscillator (DPO) en MQL5. En él se describe la lógica fundamental del indicador, mostrando cómo identifica los ciclos a corto plazo al filtrar las tendencias a largo plazo. A través de una serie de ejemplos paso a paso y estrategias sencillas, los lectores aprenderán a programar el indicador, definir señales de entrada y salida y realizar pruebas con datos históricos. Por último, el artículo presenta métodos prácticos de optimización para mejorar el rendimiento y adaptar el sistema a las condiciones cambiantes del mercado.
Redes neuronales en el trading: señales de trading estables en cualquier régimen de mercado (Módulos de atención)

Redes neuronales en el trading: señales de trading estables en cualquier régimen de mercado (Módulos de atención)

En este artículo continuaremos con la implementación de los enfoques del framework ST-Expert, centrándonos en los aspectos prácticos de su uso mediante MQL5. En artículos anteriores, hemos analizado los fundamentos teóricos y los componentes clave del modelo; ahora pasaremos a trabajar directamente con los algoritmos de atención de grafos y de distribución de atención local y global. El objetivo principal de este artículo es mostrar cómo las ideas conceptuales de ST-Expert se convierten en soluciones funcionales para el análisis y la previsión de series financieras.