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.
Algoritmo de estructura cristalina — Crystal Structure Algorithm (CryStAl)

Algoritmo de estructura cristalina — Crystal Structure Algorithm (CryStAl)

En el artículo se presentan dos versiones del algoritmo de estructura cristalina: la original y la modificada. El algoritmo Crystal Structure Algorithm (CryStAl), publicado en 2021 e inspirado en la física de las estructuras cristalinas, se presentó como una metaheurística sin parámetros para la optimización global. Sin embargo, las pruebas pusieron de manifiesto un problema crítico del algoritmo. También presentamos una versión modificada de CryStAlm, que corrige las deficiencias clave de la versión original.
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.
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.
Algoritmo de circulación coronaria artificial — Artificial Coronary Circulation System (ACCS)

Algoritmo de circulación coronaria artificial — Artificial Coronary Circulation System (ACCS)

Algoritmo metaheurístico que imita el crecimiento de las arterias coronarias del corazón humano para tareas de optimización. Utiliza los principios de la angiogénesis (crecimiento de nuevos vasos sanguíneos), la bifurcación (ramificación) y la poda de ramas débiles para buscar soluciones óptimas en un espacio multidimensional. La comprobación de su eficacia en una amplia gama de tareas arrojó resultados inesperados.
Análisis de la influencia de los ciclos solares y lunares en los tipos de cambio

Análisis de la influencia de los ciclos solares y lunares en los tipos de cambio

¿Y si los ciclos lunares y los patrones estacionales influyesen en los mercados de divisas? Este artículo muestra cómo traducir los conceptos astrológicos al lenguaje de las matemáticas y el aprendizaje automático. Hemos creado un sistema en Python con 88 características basadas en ciclos astronómicos, he entrenado CatBoost con 15 años de datos del EUR/USD y he obtenido unos resultados interesantes. El código es abierto, los métodos se pueden comprobar, las conclusiones son inesperadas: la sabiduría ancestral se une al «gradient boosting».
Desarrollamos un gestor de terminales (Parte 2): Inicio de varias instancias

Desarrollamos un gestor de terminales (Parte 2): Inicio de varias instancias

Hoy veremos el uso simultáneo de varias instancias del terminal en el servidor, creando un sencillo panel de control para su inicio y parada. Ahora ha llegado el momento de ampliar la funcionalidad y pasar a las siguientes fases: la implementación de funciones más complejas, como la gestión de varias instancias, el almacenamiento del estado, la integración con la API de MetaTrader 5 y una interfaz web con información completa sobre los terminales.
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.
Desarrollo de un gestor de terminales (Parte 1): Planteamiento del problema

Desarrollo de un gestor de terminales (Parte 1): Planteamiento del problema

¿Cómo controlar cómodamente varios terminales en los que operan asesores expertos y que, además, están en distintas computadoras? Intentaremos crear una interfaz web para gestionar el inicio de los terminales de trading de MetaTrader 5 y consultar información detallada sobre el funcionamiento de cada instancia.
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.
Algoritmo de búsqueda basado en cuervos — Crow Search Algorithm (CSA)

Algoritmo de búsqueda basado en cuervos — Crow Search Algorithm (CSA)

El algoritmo de búsqueda del cuervo (CSA) es una elegante metaheurística, inspirada en la capacidad de los cuervos para esconder comida y encontrar los escondites ajenos, que resuelve problemas de optimización mediante el equilibrio entre el seguimiento de soluciones exitosas y la exploración aleatoria del espacio de búsqueda. Vamos a averiguar qué rendimiento tiene el algoritmo.
Integración de una plataforma de intercambio de criptomonedas con MQL5 (Parte 1): Conexión a MEXC Futures

Integración de una plataforma de intercambio de criptomonedas con MQL5 (Parte 1): Conexión a MEXC Futures

Este artículo presenta los fundamentos para conectar MetaTrader 5 a una plataforma de intercambio de criptomonedas mediante MQL5 y la API de MEXC Futures. Abarca la configuración del terminal, el procesamiento de respuestas JSON, la ejecución y validación de WebRequest(), y la conversión de datos de la API a tipos nativos de MQL5. Los ejemplos prácticos muestran cómo recuperar y procesar datos de la plataforma de intercambio. Dichos componentes constituyen la base de una aplicación cliente reutilizable de MEXC Futures, desarrollada de forma progresiva a lo largo de la serie. La serie se centra exclusivamente en la integración con la plataforma de intercambio de criptomonedas; el uso que los lectores hagan de los datos obtenidos queda fuera de su alcance.
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.
Algoritmo del Bisonte: Bison Algorithm (BIA)

Algoritmo del Bisonte: Bison Algorithm (BIA)

Un nuevo método de optimización, el Algoritmo del Bisonte: Bison Algorithm (BIA), utiliza dos estrategias inspiradas en el comportamiento del bisonte para resolver problemas de optimización continua con una única función objetivo. Las características clave del BIA son dos principios fundamentales inspirados en el comportamiento del bisonte: la capacidad de moverse de forma dinámica y una estrategia defensiva.
Explorador de la biblioteca estándar de MQL5 (Parte 1): Introducción con CTrade, CiMA y CiATR

Explorador de la biblioteca estándar de MQL5 (Parte 1): Introducción con CTrade, CiMA y CiATR

La biblioteca estándar de MQL5 desempeña un papel fundamental en el desarrollo de algoritmos de trading para MetaTrader 5. En esta serie de artículos, nuestro objetivo es dominar su uso para simplificar la creación de herramientas de trading eficientes para MetaTrader 5. Entre estas herramientas se incluyen asesores expertos personalizados, indicadores y otras utilidades. Hoy vamos a desarrollar un asesor experto de seguimiento de tendencias utilizando las clases CTrade, CiMA y CiATR. Este es un tema especialmente importante para todo el mundo, tanto si usted es principiante como si es un desarrollador con experiencia. Participe en esta discusión para descubrir más información.
Creación de sistemas de trading basados en IA en MQL5 (Parte 2): Desarrollo de un programa integrado con ChatGPT y con interfaz de usuario

Creación de sistemas de trading basados en IA en MQL5 (Parte 2): Desarrollo de un programa integrado con ChatGPT y con interfaz de usuario

En este artículo, desarrollaremos un programa en MQL5 integrado con ChatGPT y dotado de una interfaz de usuario, aprovechando el framework para el procesamiento de JSON de la primera parte para enviar prompts a la API de OpenAI y mostrar las respuestas en un gráfico de MetaTrader 5. Asismo, implementaremos un panel de control con un campo de entrada, un botón de envío y un área de visualización de la respuesta, gestionando la comunicación con la API y el ajuste de texto para la interacción con el usuario.
Ecuación simbólica de previsión del precio con SymPy

Ecuación simbólica de previsión del precio con SymPy

El artículo describe un enfoque interesante del trading algorítmico basado en ecuaciones matemáticas simbólicas, en lugar de las tradicionales «cajas negras» del aprendizaje automático. El autor muestra cómo transformar redes neuronales opacas en ecuaciones matemáticas legibles utilizando la biblioteca SymPy y la regresión polinómica, lo que permite comprender plenamente la lógica que subyace a las decisiones de trading. Este enfoque combina la potencia computacional del aprendizaje automático con la transparencia de los métodos clásicos, lo que permite a los traders analizar, ajustar y adaptar los modelos en tiempo real.
Simplificación de bases de datos en MQL5 (Parte 2): Uso de la metaprogramación para crear entidades

Simplificación de bases de datos en MQL5 (Parte 2): Uso de la metaprogramación para crear entidades

Hoy hemos analizado el uso avanzado de #define para la metaprogramación en MQL5, creando entidades que representan tablas y metadatos de columnas (tipo, clave primaria, autoincremento, posibilidad de valores nulos, etc.). Además, hemos centralizado estas definiciones en el archivo TickORM.mqh, automatizando la generación de clases de metadatos y allanando el camino para una manipulación eficiente de los datos por parte del ORM, sin necesidad de escribir SQL manualmente.
Creación de sistemas de trading basados en IA en MQL5 (Parte 1): Implementación del manejo de JSON para APIs de IA

Creación de sistemas de trading basados en IA en MQL5 (Parte 1): Implementación del manejo de JSON para APIs de IA

En este artículo, desarrollaremos un framework de análisis de JSON en MQL5 para gestionar el intercambio de datos en la integración con APIs de IA, centrándonos en una clase JSON para procesar estructuras JSON. Asimismo, implementaremos métodos para serializar y deserializar datos JSON, compatibles con diversos tipos de datos, como cadenas, números y objetos. Esto resulta esencial para comunicarse con servicios de IA como ChatGPT, y permite desarrollar futuros sistemas de trading basados en IA al garantizar un tratamiento y una manipulación precisos de los datos.
Simplificación de bases de datos en MQL5 (Parte 1): Introducción a las bases de datos y SQL

Simplificación de bases de datos en MQL5 (Parte 1): Introducción a las bases de datos y SQL

Analizamos cómo manipular bases de datos en MQL5 utilizando las funciones nativas del lenguaje. Cubrimos todo, desde la creación de tablas, la inserción, la actualización y la eliminación de datos hasta la importación y exportación de datos, todo ello con código de ejemplo. El contenido sirve como base sólida para comprender el funcionamiento interno del acceso a los datos, allanando el camino para el análisis de los ORM, donde crearemos uno en MQL5.
Pipelines en MQL5

Pipelines en MQL5

En este artículo, analizaremos un paso clave en la preparación de datos para el aprendizaje automático que está cobrando cada vez más importancia: los pipelines de preprocesamiento de datos. En esencia, supone una secuencia optimizada de pasos de transformación de datos que preparan los datos brutos antes de introducirlos en un modelo. Por muy poco interesante que pueda parecer a primera vista para quienes no estén familiarizados con el tema, esta «estandarización de datos» no solo ahorra tiempo de entrenamiento y costos de ejecución, sino que contribuye en gran medida a garantizar una mejor generalización. En este artículo nos centraremos en algunas funciones de preprocesamiento de SCIKIT-LEARN y, aunque no vamos a utilizar el asistente de MQL5, volveremos a él en próximos artículos.
MetaTrader se une a Google Sheets con Pythonanywhere: guía para un flujo de datos seguro

MetaTrader se une a Google Sheets con Pythonanywhere: guía para un flujo de datos seguro

Este artículo muestra una forma segura de exportar datos de MetaTrader a Google Sheets. Google Sheets es la solución más valiosa, ya que está basada en la nube y se puede acceder a los datos guardados en ella en cualquier momento y desde cualquier lugar. De este modo, los traders pueden acceder a los datos de operaciones y a otros datos relacionados exportados a una hoja de cálculo de Google, y realizar análisis adicionales para futuras operaciones en cualquier momento y desde cualquier lugar en el que se encuentren.
Características del Wizard MQL5 que debe conocer (Parte 79): Uso de los osciladores Gator y Acumulación/Distribución con aprendizaje supervisado

Características del Wizard MQL5 que debe conocer (Parte 79): Uso de los osciladores Gator y Acumulación/Distribución con aprendizaje supervisado

En el último apartado, concluimos nuestro análisis del emparejamiento del oscilador caimán y el oscilador de acumulación/distribución cuando se utilizan en su configuración típica de las señales brutas que generan. Estos dos indicadores son complementarios, ya que funcionan como indicadores de tendencia y volumen, respectivamente. A continuación, damos seguimiento a ese artículo examinando el efecto que el aprendizaje supervisado puede tener en la mejora de algunos de los patrones de características que habíamos revisado. Nuestro enfoque de aprendizaje supervisado es una CNN que utiliza regresión por kernels y similitud de producto escalar para dimensionar sus núcleos y canales. Como siempre, lo hacemos en un archivo de clase de señal personalizado que funciona con el asistente MQL5 para ensamblar un Asesor Experto.
Estrategia del águila — Eagle Strategy (ES)

Estrategia del águila — Eagle Strategy (ES)

Eagle Strategy es un algoritmo que imita la estrategia de caza en dos fases del águila: la búsqueda global mediante vuelos de Lévy según el método de Mantegna se alterna con una explotación local intensiva del algoritmo de las luciérnagas (Firefly), un enfoque matemáticamente fundamentado para lograr el equilibrio entre la exploración y la explotación, así como un concepto bioinspirado que aúna dos fenómenos naturales en un único método computacional.
Operaciones CRUD en Firebase con MQL

Operaciones CRUD en Firebase con MQL

Este artículo ofrece una guía paso a paso para dominar las operaciones CRUD (Create, Read, Update, Delete; crear, leer, actualizar y eliminar) en Firebase, centrándose en su Firebase Realtime Database (base de datos en tiempo real de Firebase) y en Firestore. Descubre cómo usar los métodos del SDK de Firebase para gestionar datos de forma eficiente en aplicaciones web y móviles, desde añadir nuevos registros hasta consultar, modificar y eliminar entradas. Explora ejemplos de código prácticos y las mejores prácticas para estructurar y gestionar datos en tiempo real, lo que permite a los desarrolladores crear aplicaciones dinámicas y escalables con la arquitectura NoSQL flexible de Firebase.
Probador de estrategias para Python-MetaTrader 5 (Parte 01): Simulador de operaciones

Probador de estrategias para Python-MetaTrader 5 (Parte 01): Simulador de operaciones

El módulo de MetaTrader 5 disponible en Python ofrece una forma cómoda de abrir operaciones en la aplicación de MetaTrader 5 utilizando Python, pero presenta un gran problema: carece de la función de Probador de estrategias que sí incluye la aplicación de MetaTrader 5. En esta serie de artículos, crearemos un marco de trabajo para realizar pruebas retrospectivas de tus estrategias de trading en entornos de Python.
Robot de trading multiflujo con aprendizaje automático: del concepto a la implementación

Robot de trading multiflujo con aprendizaje automático: del concepto a la implementación

El artículo presenta el desarrollo paso a paso de un robot de trading multiflujo con aprendizaje automático en Python y MetaTrader 5. Se analiza la arquitectura del sistema, desde la recopilación de datos y la creación de indicadores técnicos hasta el entrenamiento de modelos XGBoost con gestión de riesgos de cartera. Asimismo, se describe detalladamente la implementación del aumento de datos, la clusterización de características mediante Gaussian Mixture Models y la coordinación de flujos para el trading paralelo de varios pares de divisas.
Algoritmo de optimización del dingo — Dingo Optimization Algorithm (DOA)

Algoritmo de optimización del dingo — Dingo Optimization Algorithm (DOA)

En este artículo se presenta un nuevo método metaheurístico basado en las estrategias de caza de los dingos australianos: el ataque en grupo, la persecución y la búsqueda de carroña. Veamos cómo se comporta, desde el punto de vista algorítmico, el algoritmo de optimización del dingo (DOA).
Trading algorítmico de arbitraje basado en la teoría de grafos

Trading algorítmico de arbitraje basado en la teoría de grafos

En este artículo, el arbitraje triangular se presenta como un problema de búsqueda de ciclos en un grafo orientado, en el que los vértices son divisas y las aristas, pares de divisas con pesos que representan los tipos de cambio. Ciclo rentable: producto de los pesos >1. Los algoritmos de Floyd-Warshall y DFS que hemos desarrollado encuentran rutas óptimas para el cambio de divisas que permiten volver al vértice de origen con beneficio.
Desarrollo de un kit de herramientas para el análisis de la acción del precio (Parte 35): Entrenamiento y despliegue de modelos predictivos

Desarrollo de un kit de herramientas para el análisis de la acción del precio (Parte 35): Entrenamiento y despliegue de modelos predictivos

Los datos históricos están lejos de ser «basura»: son la base de cualquier análisis de mercado sólido. En este artículo, te guiaremos paso a paso desde la recopilación de esos datos históricos hasta su uso para entrenar un modelo predictivo y, finalmente, la implementación de dicho modelo para realizar previsiones de precios en tiempo real. ¡Sigue leyendo para descubrir cómo hacerlo!
Desarrollo de un kit de herramientas para el análisis de la acción del precio (Parte 34): Conversión de datos brutos del mercado en modelos predictivos mediante un pipeline avanzado de ingesta

Desarrollo de un kit de herramientas para el análisis de la acción del precio (Parte 34): Conversión de datos brutos del mercado en modelos predictivos mediante un pipeline avanzado de ingesta

¿Alguna vez te has perdido un repunte repentino del mercado o te ha pillado desprevenido cuando ocurrió uno? La mejor manera de anticiparse a los eventos en tiempo real es aprender de los patrones históricos. Con el objetivo de entrenar un modelo de aprendizaje automático, este artículo comienza mostrándole cómo crear un script en MetaTrader 5 que procese datos históricos y los envíe a Python para su almacenamiento, sentando así las bases de su sistema de detección de picos. Sigue leyendo para ver cada paso en acción.
De novato a experto: EA de informes — Configuración del flujo de trabajo

De novato a experto: EA de informes — Configuración del flujo de trabajo

Los brókeres suelen proporcionar informes de cuentas de trading a intervalos regulares, según un calendario predefinido. Estas empresas, a través de sus tecnologías API, tienen acceso a la actividad de su cuenta y al historial de operaciones, lo que les permite generar informes de rendimiento en su nombre. Del mismo modo, la terminal MetaTrader 5 almacena registros detallados de su actividad de trading, que pueden aprovecharse mediante MQL5 para crear informes totalmente personalizados y definir métodos personalizados de envío.
Características del Wizard MQL5 que debe conocer (Parte 76): Uso de los patrones del Awesome Oscillator y los canales Envelopes con aprendizaje supervisado

Características del Wizard MQL5 que debe conocer (Parte 76): Uso de los patrones del Awesome Oscillator y los canales Envelopes con aprendizaje supervisado

Damos continuidad a nuestro último artículo, en el que presentamos el binomio de indicadores formado por el Awesome Oscillator y el canal de envolvente Envelopes, analizando cómo se podría mejorar esta combinación mediante el aprendizaje supervisado. El Awesome Oscillator y las envolventes constituyen una combinación complementaria para detectar tendencias e identificar niveles de soporte y resistencia. Nuestro enfoque de aprendizaje supervisado consiste en una red neuronal convolucional (CNN) que utiliza el núcleo de producto escalar con atención entre tiempos (Cross-Time-Attention) para ajustar el tamaño de sus núcleos y canales. Como es habitual, esto se lleva a cabo en un archivo de clase de señal personalizado que funciona con el asistente de MQL5 para crear un asesor experto.
Desarrollo de un kit de herramientas para el análisis de la acción del precio (Parte 32): Motor de reconocimiento de velas japonesas en Python (II) — Detección con TA-Lib

Desarrollo de un kit de herramientas para el análisis de la acción del precio (Parte 32): Motor de reconocimiento de velas japonesas en Python (II) — Detección con TA-Lib

En este artículo, hemos pasado de codificar manualmente la detección de patrones de velas japonesas en Python a aprovechar TA-Lib, una biblioteca que reconoce más de sesenta patrones distintos. Estas formaciones ofrecen información valiosa sobre posibles cambios de tendencia en el mercado y continuaciones de tendencias. Sigue leyendo para obtener más información.
Algoritmo de optimización basado en los sueños — Dream Optimization Algorithm (DOA)

Algoritmo de optimización basado en los sueños — Dream Optimization Algorithm (DOA)

Un algoritmo de optimización poblacional inspirado en un fenómeno controvertido y poco estudiado: el fenómeno de los sueños humanos. Grupos de agentes con distintas «memorias», modulación cosenoidal del movimiento y una distribución de fases inusual de 99/1: descubra cómo estas características influyen en la eficacia de la optimización de sus estrategias de trading.