Neuroredes gratis y a mogollón: NeuroPro y MetaTrader 5

MetaTrader 5 — Integración | 22 julio 2015, 11:10

1 664

ds2

Sobre NeuroPro

El programa NeuroPro fue creado en un instituto ruso en el año 98, pero no ha perdido su actualidad en nuestros días.

Funciona con éxito en Windows XP, también en Vista, y en el 7. Todavía no he tenido la posibilidad de comprobar su funcionamiento en versiones de Windows más nuevas.

Qué supone NeuroPro

Fig. 1. Qué supone NeuroPro

La versión 0.25 se difunde de manera gratuita, es posible encontrarla en muchas páginas de Internet. NeuroPro puede construtir redes de nueronas de múltiples capas con función de activación sigmoide. Si usted solo está comenzando a estudiar las neuroredes, entonces no necesita más. No le será necesario ni siquiera conocer lenguas extranjeras, dado que en NeuroPro, todo está en ruso.

La neurored puede ser adiestrada en una matriz de datos, y después ponerla a prueba en otra. Para los traders se trata de una función vital, ya que permite comprender rápidamente cuánto tiende la estructura de la red dada a reeducarse y si puede en principio comerciar de manera adecuada más allá de los datos históricos, es decir, en una cuenta real.

Para los aficionados a explorar en profundidad, en el programa existe la posibilidad de ver el peso de las neuroredes, qué entradas influyen en mayor medida en el resultado del funcionamiento de la red. A los principiantes no les servirá de nada, pueden perfectamente no entrar en esta parte del programa. Pero para los traders con experiencia, que busquen el Grial, será una información útil, que les permitirá presuponer qué regularidad ha descubierto la neurored, y hacia dónde continuar con su búsqueda.

En NeuroPro no hay nada más que sea especial, aparte de diferentes ajustes y utilidades valiosas tales como el minimizador de la estructura de la red. Todos estos partados del menú tampoco son de visita obligada, así que los principiantes pueden relajarse y usar solo aquellos ajustes que vienen por defecto.

Desde el punto de vista del trader, NeuroPro tiene solo un defecto: que no está integrado en MetaTrader 5. Propiamente, casi todo el artículo estará dedicado a cómo caragar en NeuroPro los datos e indicaciones de mercado de los indicadores de MetaTrader 5, y cómo transformar después la nuerored obtenida en un experto MQL5.

Adenlantándome un poco, diré que la neurored que haremos con ayuda de NeuroPro, se rehará junto con todos los pesos de las neuronas directamente en un script de MQL5 (a diferencia de, por ejemplo, los sistemas activables DLL como en otro programa). Por eso, funcionará rápidamente, y utilizará mínimamente los recursos de la computadora. Esto es una ventaja indudable del uso de NeuroPro. Con su ayuda, podrá crear cualquier estrategia comercial, hasta la estrategia de pips, ya que en esta se necesita del asesor la toma de decisiones de manera instantánea.

Estrategia comercial

Por supuesto que en esta artículo no tocaremos la estrategia de pips, dado que el proceso de creación, formación y prueba de los asesores de pips es muy específico y se sale del marco de este artículo.

Para nuestros propósitos formativos, crearemos un asesor sencillo para el marco temporal H1 de la popular pareja de divisas EURUSD. Que el asesor analice las 24 últimas barras (es decir, el comportamiento del mercado durante veinticuatro horas) y pronostique (con una hora de adelanto) la dirección del movimiento del precio, hacia arriba o hacia abajo, y dependiendo de esto, que haga la transacción.

Cómo cargar los datos en NeuroPro desde MetaTrader

Formato soportado de datos

NeuroPro lee los datos solo en los formatos DB (recuadros SGBD Paradox) y DBF (recuadros SGBD FoxPro y dBase). El formato más extendido por el mundo es el DBF, y si usted es un programador con experiencia, entonces seguro que ya se ha encontrado con él. Precisamente vamos a utilizar ese formato.

El algoritmo de transmisión de datos a NeuroPro tiene el aspecto siguiente:

escribimos un script para MetaTrader, descargamos los datos necesarios en un archivo de texto en formato CSV, separando los datos con comas;
usando programas especiales, transformamos CSV en DBF;
abrimos el DBF en NeuroPro.

Descarga de datos desde MetaTrader

Al escribir el script de descarga de datos, hay que tener en cuenta algunos matices:

los nombres de los campos de datos en DBF no pueden ser más largos de 11 símbolos, y algunos conversores recortan hasta 10. Por eso, no es necesario dar a los campos nombres superiores a los 10 símbolos;
para las neuroredes, en cuya entrada se dan muchas barras, los nombres de los campos normalmente tienen un aspecto del tipo "BarN", donde N es el número ordinal de la barra. En nuestro caso hay 24 campos, es decir, los nombres van de "Bar1" a "Bar24". Yo recomiendo (aunque no sea obligatorio) anotar los nombres de tales campos en la forma "Bar___N__" (sí, sí, en primer lugar tres guiones bajos, después, dos). Más adelante, mientras estemos creando el asesor, verán por qué.

Script preparado para nuestra estrategia comercial (adjunto asimismo al artículo):

#property script_show_inputs
//+------------------------------------------------------------------+
input string    Export_FileName  = "NeuroPro\\data.csv"; // Archivo para la exportación (en la carpeta "MQL5/Files")
input int       Export_Bars_Skip = 0;                    // Cuántas barras se dejan pasar en la historia antes del experto
input int       Export_Bars      = 5000;                 // Cantidad de barras para la exportación
//+------------------------------------------------------------------+
const int inputlen=24;    // Cuántas barras pasadas analiza la estrategia comercial
//+------------------------------------------------------------------+
void OnStart()
  {
   //--- creamos un archivo
   int file=FileOpen(Export_FileName,FILE_WRITE|FILE_CSV|FILE_ANSI,',');

   if(file!=INVALID_HANDLE)
     {
      //--- guardamos los encabezamientos de los datos
      string row="date";
      for(int i=0; i<=inputlen; i++)
        {
         if(StringLen(row)) row+=",";
         //========================================================
         // Note! 
         // En el asesor sustituimos después el subrayado por [].
         // Nombre del campo en formato DBase de no más de 11 símbolos. Calc corta hasta 10.
         // Cantidad máxima de campos en formato DBase - 128-512, dependiendo de la versión.
         //========================================================
         StringConcatenate(row,row,"Bar___",i,"__");
        }
      FileWrite(file,row);

      //--- copiamos todos los datos necesarios de la historia
      MqlRates rates[],rate;
      int count=Export_Bars+inputlen;
      if(CopyRates(Symbol(),Period(),1+Export_Bars_Skip,count,rates)<count)
        {
         Print("Error! Tamaño de la historia insuficiente para la exportación de los datos necesarios.");
         return;
        }
      ArraySetAsSeries(rates,true);

      //--- guardamos los datos      
      for(int bar=0; bar<Export_Bars; bar++)
        {
         row="";
         //--- el precio de cierre de la 1-era barra lo designamos como nivel cero para normalizar los datos restantes
         double zlevel=rates[bar+1].close; 
         for(int i=0; i<=inputlen; i++)
           {
            if(StringLen(row)) row+=",";
            rate=rates[bar+i];
            if(i==0) row+=TimeToString(rate.time,TIME_DATE || TIME_MINUTES)+",";
            row+=DoubleToString(rate.close-zlevel,Digits());
           }
         FileWrite(file,row);
        }
      FileClose(file);
      Print("La exportación de datos se ha llevado a cabo con éxito.");
     }
   else Print("Error! No se ha podido crear un archivo para exportar los datos. ",GetLastError());
  }

Lo iniciamos en el terminal. De finalizar con éxito, emitirá en el registro de expertos el mensaje correspondiente.

El archivo con datos creado con el script tiene más o menos este contenido.

En la primera línea, el nombre de los campos del recuadro; después van las líneas con los valores de estos campos, los valores están separados con una coma:

date,Bar___0__,Bar___1__,Bar___2__,Bar___3__,Bar___4__,Bar___5__,Bar___6__,Bar___7__,Bar___8__,Bar___9__,Bar___10__,Bar___11__,Bar___12__,Bar___13__,Bar___14__,Bar___15__,Bar___16__,Bar___17__,Bar___18__,Bar___19__,Bar___20__,Bar___21__,Bar___22__,Bar___23__,Bar___24__
2014.09.25,-0.0008,0.0000,-0.0005,-0.0014,0.0007,0.0035,0.0035,0.0036,0.0047,0.0052,0.0050,0.0046,0.0046,0.0047,0.0049,0.0052,0.0049,0.0053,0.0055,0.0056,0.0067,0.0056,0.0097,0.0105,0.0113
2014.09.25,0.0005,0.0000,-0.0009,0.0012,0.0040,0.0040,0.0041,0.0052,0.0057,0.0055,0.0051,0.0051,0.0052,0.0054,0.0057,0.0054,0.0058,0.0060,0.0061,0.0072,0.0061,0.0102,0.0110,0.0118,0.0123
2014.09.25,0.0009,0.0000,0.0021,0.0049,0.0049,0.0050,0.0061,0.0066,0.0064,0.0060,0.0060,0.0061,0.0063,0.0066,0.0063,0.0067,0.0069,0.0070,0.0081,0.0070,0.0111,0.0119,0.0127,0.0132,0.0130
2014.09.25,-0.0021,0.0000,0.0028,0.0028,0.0029,0.0040,0.0045,0.0043,0.0039,0.0039,0.0040,0.0042,0.0045,0.0042,0.0046,0.0048,0.0049,0.0060,0.0049,0.0090,0.0098,0.0106,0.0111,0.0109,0.0122

Conversión de CSV a DBF

Hay muchas maneras de hacerlo.

Microsoft Excel — versiones anteriores a 2007. Sabe abrir los archivos CSV, así como guardar en formato DBF. Tenga en cuenta, por cierto, que en las versiones antiguas de Excel solo caben 65535 líneas. Aunque, normalmente para el trading esto sea suficiente: en este volumen cabe, por ejemplo, la historia de 10 años del marco temporal H1;
Microsoft Excel — versión de 2007 y más recientes. Guardar en DBF ya no está disponible. Pero en internet es posible encontrar addons realizados por entusiastas, que añaden al Excel un funcional así;
Microsoft Access (el programa para trabajar con bases de datos del paquete Microsoft Office) — allí se puede crear en la base de datos un recuadro mediante la importación del archivo de texto (CSV), y la posterior importación de dicho recuadro a DBF;
utilidades conversoras especiales CSV-DBF. En internet se pueden encontrar muchas, de diferentes productores. Aunque, a decir verdad, casi todas ellas son de pago;
Calc, del paquete de programas gratuito OpenOffice. Calc es casi un análogo completo de Excel. Sabe abrir archivos CSV y guardar en DBF.

En principio, todos estos métodos son comprensibles a nivel intuitivo para los programadores y no deberían suponer un problema.

Voy a demostrar la conversión con uno de los métodos enumerados. Con el último. Porque NeuroPro es un programa gratuito, y Calc es precisamente el más cercano a él ideológicamente, y no los programas comerciales. Es posible descargar OpenOffice desde la página informativa — http://www.openoffice.org/.

Y bien, el proceso de conversión.

1) Iniciamos Calc. Abrimos nuestro archivo con datos, que tenga la extensión CSV.

2) Calc iniciará el wizard de reconocimiento de archivos.

3) En los parámetros del wizard hay que indicar cuáles de nuestros campos están separados por comas.

Otro momento importante es el separador de la parte entera y la fraccionada en las cifras. Mi ordenador está configurado ("INICIO" > "Panel de control" > "Idioma y estándares regionales") utilizando como separador un punto. Y en nuestro archivo CSV el separador también será un punto. Para que Calc entienda con certeza las cifras, también hay que indicar qué separador tenemos. Esto se hace eligiendo el idioma necesario en los parámetros del wizard de conversión. Elija, por ejemplo, alguna de las lenguas inglesas, en ellas se usa el punto.

En la captura de pantalla tenemos un ejemplo de los ajustes del wizard:

Fig. 2. Configuración del wizard de importación de un archivo CSV

Hint: para no tener que elegir el idioma al convertir cada archivo CSV, hay que establecer el idioma por defecto en los ajustes de Calc: menú "Tools" > "Options", y lo que hay que hacer a continuación se puede ver destacado en verde en la captura de pantalla:

Fig. 3. Configuración local en Calc

4) Bien, la carga del archivo CSV ha finalizado, los datos se distribuyen de forma automática por las columnas:

Fig. 4. Archivo CSV abierto con éxito

5) Para que los datos se guarden correctamente en el formato DBF, hay que designar su tipo y rango dinámico.

Para ello, seleccionamos todas las columnas de cifras y ponemos las propiedades correspondientes (en la captura están destacadas en verde):

Fig. 5. Configuración de las columnas de cifras

6) Guardamos en DBF: menú "File" > "Save As". En la ventana de diálogo, elegimos el tipo de archivo "dBase (*.dbf)":

Fig. 6. Diálogo de guardado del archivo en formato DBF

Luego pulsamos el botón "Save".

7) Calc nos propondrá confirmar el formato seleccionado:

Fig. 7. Calc propondrá guardar el formato, no en DBF, sino en su propio formato estándar ODF

Confirmamos nuestra elección pulsando el botón "Keep Current Format".

8) Calc preguntará qué codificación usar para los datos de texto en el archivo DBF. Dado que en nuestro ejemplo no disponemos de esos datos, y dado que de todas formas en las nueroredes no es posible usar los datos de texto, entonces se puede indicar cualquiera:

Fig. 8. Elegir la codificación de texto del archivo

Esto es todo, ahora tenemos en el disco un archivo con la extensión DBF, que contiene los datos imprescindibles para la neurored, obtenidos de MetaTrader.

Cómo construir e instruir una neurored en NeuroPro

1) Iniciamos NeuroPro.

2) Creamos un proyecto: menú "Archivo" > "Crear":

Fig. 9. Ya hemos creado un proyecto vacío

3) En la ventana del proyecto, pulsamos el botón "Abrir archivo de datos" en el diálogo que aparecerá, abrimos nuestro archivo DBF con los datos:

Fig. 10. Ya está abierto el archivo DBF para ser usado con la futura neurored

4) En la ventana del proyecto, pulsamos "Nueva red". En la ventana de parámetros de la red que aparecerá, hay dos pestañas, rellenamos primero la pestaña "Entradas y salidas".

Indicamos para el campo "Bar___0__", que él va a ser la neurona de salida de la red. Y para las "Bar___N__" restantes, indicamos que van a ser de entrada:

Fig. 11. Ajustes de las entradas y salidas de la neurored

Asimismo, se puede establecer la precisión deseada para la neurona de salida. Para Fórex es 1 punto, es decir, en nuestro caso es 0.0001.

5) Ahora pasamos a la pestaña "Estructura de la red". Aquí usted puede establecer la cantidad de capas intermedias (es decir, sin contar la capa de entrada y salida) y la cantidad de neuronas en cada una de ellas. Para nuestro experimento, estableceremos 3 capas de 20 neuronas en cada una:

Fig. 12. Ajustes de las capas de la neurored

6) Pulsamos el botón "Crear" y ya está, tenemos la red preparada:

Fig. 13. En el proyecto ha aparecido la neurored que acabamos de crear y configurar

7) Entramos en el menú "Neurored" > "Simulación", para curiosear cómo se las apaña con el pronóstico de precios la red recién creada y aún sin instruir.

Como se puede ver por los resultados de la simulación, solo en menos del 5% de las situaciones ha podido predecir el precio con la precisión que le hemos establecido, es decir, sin superar 1 punto. Y de media, el error de pronóstico del precio ha constituido cerca de 10 puntos:

Fig. 14. Estadística de precisión de pronóstico de la red sin instruir

8) Ahora tenemos que instruir la red con nuestros datos.

Pasamos de nuevo a la ventana del proyecto y pulsamos en el menú: "Neurored" > "Instrucción". Aparecerá el indicador del progreso de la instrucción, esperemos a que finalice este proceso:

Fig. 15. Indicador del proceso de aprendizaje de la neurored

9) Volvemos a la ventana del proyecto y entramos de nuevo en el menú "Neurored" > "Simulación".

La red ha mejorado significativamente sus cualidades: casi en el 16% de los casos ha podido predecir con precisión el precio, y en general, el error medio de pronóstico ha sido de 4 puntos:

Fig. 16. Estadística de precisión de pronóstico de la neurored instruida

Pues resulta que la red ha aprendido algo. La vamos a trasladar a MetaTrader.

Cómo trasladar una neurored desde NeuroPro a MetaTrader 5

NeuroPro no sabe nada sobre MetaTrader 5 y no puede transmitir directamente la neurored. Pero he inventado un método semiautomático para transformar bastante rápido una neurored en un fragmento de código de MQL5.

A diferencia de otros muchos neuroprogramas, NeuroPro sabe mostrar la estructura de la neurored utilizada en forma de texto. Se trata de un conjunto de fórmulas que describen de forma consecutiva todas las transformaciones que tienen lugar con los datos que llegan a la entrada de la red. Hasta la misma salida de la red. Las fórmulas incluyen cada capa, cada neurona, cada nexo, con cada uno de los valores ya suministrados (instruidos) de los pesos de cada nexo.

Para poder ver todo esto, entramos en el menú "Neurored" > "Verbalización". En nuestro ejemplo hemos obtenidos las fórmulas siguientes:

Fig. 17. Fórmulas según las cuales funciona la neurored instruida

En esencia, el conjunto de estas fórmulas se puede ver como el código fuente del programa en un cierto lenguaje abstracto de programación. Solo nos queda introducir en este código ciertos cambios, para que su sintaxis se corresponda con MQL5. Se pueden realizar fácilmente estos cambios en cualquier editor de texto. Para automatizar un poco este proceso, recomiendo utilizar un editor que sepa sustituir frases de manera masiva. Esto lo saben hacer, por ejemplo: Word, su colega gratuito Writer (del paquete OpenOffice), Excel, Calc e incluso el Bloc de Notas de Windows.

Estoy seguro de que ustedes mismos pueden rehacer esta fórmula en un código MQL5. Pero voy a compartir mi propia experiencia en la optimización de este proceso, para que usted pueda también hacerlo de forma más rápida.

Voy mostrarlo todo usando el Bloc de Notas de Windows 7.

1) Bien, en NeuroPro tenemos abierto un proyecto con una red ya instruida. Y hemos entrado en el menú "Neurored" > "Verbalización", se ha abierto la ventana con las fórmulas (se ha mostrado la captura más arriba).

2) Guardamos el contenido de esta ventana en un archivo: menú "Archivo" > "Guardar como".

3) Ahora abrimos este archivo en el Bloc de Notas.

4) Llamamos la función de sustitución de frases: menú "Corrección" > "Reemplazar".

Lista de reemplazos que deberemos realizar:

Qué reemplazar	Con qué reemplazarlo	Comentarios
___	[	Signo triple de subrayado
__	]	Signo doble de subrayado
--	- -	los dos signos menos (resta una cifra negativa en las fórmulas) los separamos con un espacio, porque el signo doble de menos en MQL (y en otros lenguajes C semejantes) puede tener una interpretación doble, lo que provoca un error de compilación
Сигмоида	Sigmoid	traducimos el nombre de las funciones al alfabeto latino (pero si lo prefieren, pueden no hacer este cambio, dado que el MetaEditor da soporte también al alfabeto cirílico)
Синдром	Syndrome	traducimos el nombre de las variables al alfabeto latino (pero si lo prefieren, pueden no hacer este cambio, dado que el MetaEditor da soporte también al alfabeto cirílico)

Fig. 18. Reemplazamos el subrayado triple por un un corchete

Para reemplazarlo, usamos el botón "Reemplazar todo".

Ahora ya entienden por qué he nombrado los campos de precio como "BAR___N__" - para poder sustituir rápidamente los subrayados por corchetes, es decir, presentar todas las entradas de la red en forma de matriz.

Es más fácil declarar una matriz, y rellenarla con datos de precio en serie, que hacerlo con un montón de variables sueltas.

5) Como ya he escrito más arriba, la enumeración de todas entradas y salidas debe ser reemplazada por la declaración de matriz:

Era	Ahora es
Campos de la base de datos (síntomas fuente): BAR[1] BAR[2] BAR[3] BAR[4] BAR[5] BAR[6] BAR[7] BAR[8] BAR[9] BAR[10] BAR[11] BAR[12] BAR[13] BAR[14] BAR[15] BAR[16] BAR[17] BAR[18] BAR[19] BAR[20] BAR[21] BAR[22] BAR[23] BAR[24] Campos de la base de datos(síndromes finales): BAR[0]	double BAR [25];

Era

Ahora es

Campos de la base de datos (síntomas fuente):

BAR[1]

BAR[2]

BAR[3]

BAR[4]

BAR[5]

BAR[6]

BAR[7]

BAR[8]

BAR[9]

BAR[10]

BAR[11]

BAR[12]

BAR[13]

BAR[14]

BAR[15]

BAR[16]

BAR[17]

BAR[18]

BAR[19]

BAR[20]

BAR[21]

BAR[22]

BAR[23]

BAR[24]

Campos de la base de datos(síndromes finales):

BAR[0]

double BAR [25];

6) Las funciones de activación de las neuronas deben ser estructuradas como funciones de programa de MQL5:

Era	Ahora es
Sigmoid1(A)=A/(0.1+\|A\|) Sigmoid2(A)=A/(0.1+\|A\|) Sigmoid3(A)=A/(0.1+\|A\|)	double Sigmoid1 (double A) { return A/(0.1 + MathAbs(A)); } double Sigmoid2 (double A) { return A/(0.1 + MathAbs(A)); } double Sigmoid3 (double A) { return A/(0.1 + MathAbs(A)); }

Era

Ahora es

Sigmoid1(A)=A/(0.1+|A|)

Sigmoid2(A)=A/(0.1+|A|)

Sigmoid3(A)=A/(0.1+|A|)

double Sigmoid1 (double A)
{
  return A/(0.1 + MathAbs(A));
}

double Sigmoid2 (double A)
{
  return A/(0.1 + MathAbs(A));
}

double Sigmoid3 (double A)
{
  return A/(0.1 + MathAbs(A));
}

7) Asimismo, según las normas de MQL5, hay que poner un punto y coma al final de todas las fórmulas, editar los comentarios correctamente (o eliminarlos), y añadir la declaración de tipo a todas las variables inicializadas.

En nuestro caso, el tipo se quedará sin declarar solo para los nombres de neuronas en las capas intermedias. Para no poner manualmente 60 veces la palabra "double", se puede reemplazar el texto de manera masiva. Hay que seleccionar el principio de alguna línea con el nombre de una neurona (necesariamente junto con una sangría al inicio de la línea, porque los nombres de las neuronas se encuentran con frecuencia en la parte más alejada o en la parte derecha de las fórmulas, y allí no será necesario poner la palabra "double") :

Fig. 19. Selección del texto que se tomará como muestra para el reemplazo

Tras copiar la parte seleccionada del texto, hay que pegarla después en el diálogo de reemplazo del texto. Para reemplazarlo por lo mismo, pero con la palabra "double" añadida:

Fig. 20. Añadimos a las variables el nombre del tipo

No nos olvidemos de pulsar el botón "Reemplazar todo".

8) NeuroPro tiene un pequeño bug. Si usted va a dar a alguna entrada de la neurored un valor constante, entonces en la forma textual de la fórmula de normalización de esta entrada se contendrá la división entre cero. En nuestro caso, "BAR___1__" es de ese tipo de entrada, en ella siempre hay ceros, debido a que nosotros la hemos usado como punto de partida para nuestra propia normalización de las barras.

Haciendo bien las cosas, por supuesto, no hay que dar "BAR___1__" a la neurored, ya que las entradas con un valor constante no influyen de todas formas en el pronóstico. Pero si ya la hemos dado, entonces hay que corregir un poco la fórmula que nos dé NeuroPro. Para que el compilador no se queje de ella, habrá que reemplazarla por la cifra que se encuentre constantemente en esa entrada; en nuestro caso es cero:

Era	Ahora es
BAR[1]=(BAR[1]-0)/0;	BAR[1]=0;

9) También existe un segundo bug, poco significativo (seguramente, el autor de NeuroPro no tuvo en cuenta que alguien fuera a pensar en usar como código de programación la descripción en forma de texto de la neurored, por eso no la comprobó escrupulosamente).

Al final de la última fórmula hay un paréntesis de cierre que sobra. El bug es pequeño, pero confunde al compilador de MetaEditor, que no le comunicará a usted sobre el paréntesis de sobra en esa línea, y se quejará de la forma del paréntesis al final del programa. Por eso, es imprescindible que recuerde este bug, para que luego pueda corregirlo rápidamente cuando se lo encuentre.

Era	Ahora es
BAR[0]=((BAR[0]*0.0180000001564622)+0.000599999912083149)/2);	BAR[0]=((BAR[0]*0.0180000001564622)+0.000599999912083149)/2;

Las operaciones descritas en este capítulo, si se practican de manera regular, ocuparán solo un par de minutos. No es necesario recordar la lista de punta a punta. Y es que en la última compilación MetaEditor le mostrará como errores todos los segmentos de código sin corregir.

Bien, tras pasar todas las fórmulas al formato MQL5, queda trasladar el código obtenido desde el Bloc de Notas al MetaEditor y añadir a este código todo lo requerido para un asesor comercial. Por supuesto que si usted va a usar más de una vez las neuroredes hechas en NeuroPro, esta etapa tendrá lugar de forma más sencilla, usted copiará simplemente el código reciente MQL5 de la neurored desde el Bloc de Notas al asesor ya existente, con solo reemplazar allí la neurored anterior. Y esto solo ocupará un minuto.

Código final del asesor, totalmente listo para funcionar en MetaTrader 5 (puede descargar igualmente este código en el anexo al artículo):

input double    Lots = 0.1;        // Volumen de la transacción
input double    MinPrognosis = 0;  // Abrir transacciones con un pronóstico más fuerte que este
//+------------------------------------------------------------------+
const int inputlen=24; // Cuántas barras pasadas analiza la estrategia comercial
//+------------------------------------------------------------------+
double Sigmoid1(double A)
  {
   return A/(0.1 + MathAbs(A));
  }
//+------------------------------------------------------------------+
double Sigmoid2(double A)
  {
   return A/(0.1 + MathAbs(A));
  }
//+------------------------------------------------------------------+
double Sigmoid3(double A)
  {
   return A/(0.1 + MathAbs(A));
  }
//+------------------------------------------------------------------+
double CalcNeuroNet()
  {
//--- obtenemos las cotizaciones actuales para la neurored
   MqlRates rates[],rate;
   CopyRates(Symbol(),Period(),0,inputlen+1,rates);
   ArraySetAsSeries(rates,true);

//--- entradas de la neurored
   double BAR[512]; // 512 - cantidad máxima posible de campos en formato DBF

//--- rellenamos la matriz de datos de entrada de la neurored
//--- el precio de cierre de la 1-era barra lo designamos como nivel cero para normalizar los datos restantes
   double zlevel=rates[1].close; 

   for(int bar=0; bar<=inputlen; bar++)
     {
      rate=rates[bar];
      BAR[bar]=rate.close-zlevel;
     }

//==============================================
// Realizamos el cálculo de la red según las fórmulas de NeuroPro
//==============================================

//--- procesamiento preliminar de los campos de entrada de las bases de datos para su suministro a la red:
   BAR[1]=0;//(BAR[1]-0)/0;
   BAR[2]=(BAR[2]- -0.0003)/0.009;
   BAR[3]=(BAR[3]-4.999992E-5)/0.01045;
   BAR[4]=(BAR[4]-0.0011)/0.011;
   BAR[5]=(BAR[5]-0.00285)/0.01335;
   BAR[6]=(BAR[6]-0.004050001)/0.01625;
   BAR[7]=(BAR[7]-0.00495)/0.01695;
   BAR[8]=(BAR[8]-0.0049)/0.0172;
   BAR[9]=(BAR[9]-0.0046)/0.0171;
   BAR[10]=(BAR[10]-0.00395)/0.01755;
   BAR[11]=(BAR[11]-0.0037)/0.0184;
   BAR[12]=(BAR[12]-0.0034)/0.0188;
   BAR[13]=(BAR[13]-0.0029)/0.0194;
   BAR[14]=(BAR[14]-0.002499999)/0.0196;
   BAR[15]=(BAR[15]-0.00245)/0.01935;
   BAR[16]=(BAR[16]-0.00275)/0.01925;
   BAR[17]=(BAR[17]-0.0028)/0.0194;
   BAR[18]=(BAR[18]-0.002950001)/0.01965;
   BAR[19]=(BAR[19]-0.002649999)/0.01965;
   BAR[20]=(BAR[20]-0.002699999)/0.0197;
   BAR[21]=(BAR[21]-0.00275)/0.01945;
   BAR[22]=(BAR[22]-0.00225)/0.01955;
   BAR[23]=(BAR[23]-0.0019)/0.0195;
   BAR[24]=(BAR[24]-0.00225)/0.01935;

//--- síndromes de 1-er nivel:
   double Syndrome1_1=Sigmoid1( 0.07165167*BAR[1]-0.08914512*BAR[2]+0.160242*BAR[3]-0.1136391*BAR[4]+0.01358515*BAR[5]+0.3755009*BAR[6]-0.1433693*BAR[7]+0.224411*BAR[8]+0.03298632*BAR[9]-0.2551045*BAR[10]-0.1418581*BAR[11]+0.007130164*BAR[12]-0.08727393*BAR[13]-0.2567087*BAR[14]+0.1118081*BAR[15]+0.73848*BAR[16]+0.05880548*BAR[17]-0.1544689*BAR[18]+0.192913*BAR[19]-0.1743894*BAR[20]-0.2184512*BAR[21]-0.2290305*BAR[22]+0.3946579*BAR[23]-0.02947071*BAR[24]-0.08091708 );
   double Syndrome1_2=Sigmoid1( -0.08248464*BAR[1]+0.3076621*BAR[2]-0.0500868*BAR[3]-0.6526818*BAR[4]+0.04266862*BAR[5]+0.581119*BAR[6]-0.0356447*BAR[7]+0.0292943*BAR[8]-0.3660156*BAR[9]-0.3244759*BAR[10]+0.05519342*BAR[11]+0.2419113*BAR[12]-0.2178954*BAR[13]+0.4037299*BAR[14]-0.1593139*BAR[15]+0.3567515*BAR[16]+0.08094382*BAR[17]-0.01788837*BAR[18]-0.379636*BAR[19]+0.6658992*BAR[20]-0.1899142*BAR[21]+0.02259956*BAR[22]+0.767949*BAR[23]-0.5380562*BAR[24]-0.06307755 );
   double Syndrome1_3=Sigmoid1( -0.08426282*BAR[1]-0.172721*BAR[2]+0.1749717*BAR[3]-0.07916483*BAR[4]-0.0523758*BAR[5]+0.1935233*BAR[6]+0.01627235*BAR[7]+0.1254414*BAR[8]-0.1101555*BAR[9]-0.02285305*BAR[10]-0.14389*BAR[11]+0.1788775*BAR[12]-0.007144043*BAR[13]+0.1925385*BAR[14]-0.08001231*BAR[15]-0.2021703*BAR[16]+0.08694438*BAR[17]+0.3090158*BAR[18]-0.3330302*BAR[19]+0.2519112*BAR[20]-0.2170611*BAR[21]-0.2216277*BAR[22]+0.09618518*BAR[23]+0.049888*BAR[24]-0.06465426 );
   double Syndrome1_4=Sigmoid1( 0.02806905*BAR[1]+0.07787746*BAR[2]+0.1972721*BAR[3]-0.247464*BAR[4]-0.008635854*BAR[5]-0.1975036*BAR[6]-0.0652089*BAR[7]-0.1276176*BAR[8]-0.3386112*BAR[9]-0.103951*BAR[10]+0.08352495*BAR[11]-0.1821419*BAR[12]-0.05604611*BAR[13]-0.05922695*BAR[14]-0.1670811*BAR[15]+0.002476109*BAR[16]-0.03657883*BAR[17]-0.09295338*BAR[18]+0.2500353*BAR[19]-0.03980102*BAR[20]+0.1059941*BAR[21]-0.4037244*BAR[22]-0.08735184*BAR[23]+0.1546644*BAR[24]+0.1966186 );
   double Syndrome1_5=Sigmoid1( 0.03832016*BAR[1]-0.09065858*BAR[2]+0.2356484*BAR[3]-0.2436682*BAR[4]+0.09812659*BAR[5]+0.09220826*BAR[6]+0.434221*BAR[7]-0.005478878*BAR[8]-0.1657191*BAR[9]-0.2605299*BAR[10]+0.3523667*BAR[11]+0.3595579*BAR[12]+0.3402678*BAR[13]-0.3346431*BAR[14]+0.1215327*BAR[15]-0.1869196*BAR[16]+0.07256371*BAR[17]-0.09229603*BAR[18]-0.09961994*BAR[19]+0.2491707*BAR[20]+0.3703756*BAR[21]+0.1369175*BAR[22]+0.0560869*BAR[23]-0.007567503*BAR[24]-0.01722363 );
   double Syndrome1_6=Sigmoid1( -0.06897662*BAR[1]-0.4182717*BAR[2]+0.200378*BAR[3]-0.4152234*BAR[4]-0.2081593*BAR[5]+0.3120443*BAR[6]-0.1582431*BAR[7]+0.1900958*BAR[8]+0.002503331*BAR[9]+0.02297609*BAR[10]+0.03145982*BAR[11]+0.1816629*BAR[12]+0.1854629*BAR[13]-0.1660063*BAR[14]+0.3112128*BAR[15]-0.4799304*BAR[16]-0.100519*BAR[17]-0.1523588*BAR[18]+0.07141552*BAR[19]+0.2336634*BAR[20]+0.01279082*BAR[21]-0.2179644*BAR[22]+0.4898897*BAR[23]-0.1818153*BAR[24]-0.1783737 );
   double Syndrome1_7=Sigmoid1( -0.003986856*BAR[1]-0.3409385*BAR[2]-0.3122248*BAR[3]+0.5656545*BAR[4]+0.07564658*BAR[5]+0.07956024*BAR[6]+0.1820322*BAR[7]-0.05595554*BAR[8]+0.1027963*BAR[9]+0.2596273*BAR[10]+0.1156801*BAR[11]+0.04490443*BAR[12]+0.1426405*BAR[13]+0.06763341*BAR[14]-0.03249188*BAR[15]-0.1912978*BAR[16]-0.2003477*BAR[17]-0.2413947*BAR[18]+0.3188735*BAR[19]-0.2899658*BAR[20]+0.06846272*BAR[21]+0.08726751*BAR[22]-0.2134383*BAR[23]-0.436768*BAR[24]+0.08075105 );
   double Syndrome1_8=Sigmoid1( 0.05597013*BAR[1]+0.3358757*BAR[2]+0.1041476*BAR[3]-0.334706*BAR[4]-0.07069201*BAR[5]+0.06152828*BAR[6]+0.1577689*BAR[7]+0.1737777*BAR[8]-0.7711719*BAR[9]-0.2970988*BAR[10]+0.06691784*BAR[11]+0.0528774*BAR[12]+0.06260363*BAR[13]+0.2449201*BAR[14]-0.3098814*BAR[15]+0.06859511*BAR[16]+0.1355444*BAR[17]-0.15844*BAR[18]+0.2791151*BAR[19]-0.412524*BAR[20]+0.228981*BAR[21]-0.4042732*BAR[22]+0.197847*BAR[23]+0.477078*BAR[24]-0.2478239 );
   double Syndrome1_9=Sigmoid1( 0.02181781*BAR[1]-0.1042198*BAR[2]-0.02412975*BAR[3]+0.1485616*BAR[4]+0.07645424*BAR[5]-0.02779776*BAR[6]-0.1519209*BAR[7]-0.1878287*BAR[8]+0.1637603*BAR[9]+0.248636*BAR[10]+0.2032469*BAR[11]-0.03869069*BAR[12]+0.02014448*BAR[13]-0.2079489*BAR[14]+0.08846121*BAR[15]+0.1025348*BAR[16]+0.01593455*BAR[17]-0.4964754*BAR[18]+0.1635097*BAR[19]-0.04561989*BAR[20]-0.0662128*BAR[21]-0.2423395*BAR[22]+0.2898602*BAR[23]+0.03824728*BAR[24]-0.07471437 );
   double Syndrome1_10=Sigmoid1( -0.02918137*BAR[1]+0.06085975*BAR[2]-0.3056079*BAR[3]-0.5144019*BAR[4]-0.1966296*BAR[5]+0.04413594*BAR[6]+0.03249943*BAR[7]+0.08405613*BAR[8]-0.08797813*BAR[9]+0.06621616*BAR[10]-0.2226632*BAR[11]-0.1000158*BAR[12]+0.0106046*BAR[13]-0.1383344*BAR[14]+0.05141285*BAR[15]-0.1009147*BAR[16]-0.1503479*BAR[17]+0.2877283*BAR[18]-0.2209365*BAR[19]+0.1310906*BAR[20]-0.1188305*BAR[21]-0.002668453*BAR[22]+0.1106755*BAR[23]+0.3884961*BAR[24]+0.0006983803 );
   double Syndrome1_11=Sigmoid1( -0.04872056*BAR[1]-0.5066758*BAR[2]+0.08158222*BAR[3]+0.2647052*BAR[4]+0.3632542*BAR[5]+0.4538754*BAR[6]-0.1346472*BAR[7]+0.16742*BAR[8]+0.2974689*BAR[9]+0.3446769*BAR[10]-0.2784187*BAR[11]+0.2461497*BAR[12]-0.166853*BAR[13]-0.4296628*BAR[14]+0.7343794*BAR[15]+0.2154892*BAR[16]-0.4086125*BAR[17]-0.6446049*BAR[18]-0.5614476*BAR[19]-0.593914*BAR[20]+0.5039462*BAR[21]+0.113933*BAR[22]+0.3599374*BAR[23]-0.5517*BAR[24]+0.1249064 );
   double Syndrome1_12=Sigmoid1( -0.09035824*BAR[1]-0.2619464*BAR[2]+0.5151641*BAR[3]+0.08415102*BAR[4]+0.007849894*BAR[5]-0.3585253*BAR[6]-0.3458216*BAR[7]-0.006490127*BAR[8]+0.1933572*BAR[9]+0.1655464*BAR[10]-0.2591909*BAR[11]+0.2810482*BAR[12]-0.3552095*BAR[13]+0.1032239*BAR[14]-0.2380441*BAR[15]-0.6082169*BAR[16]-0.3652177*BAR[17]+0.4065064*BAR[18]-0.1538232*BAR[19]-0.03332642*BAR[20]+0.06235149*BAR[21]-0.08935639*BAR[22]-0.2274701*BAR[23]+0.2350571*BAR[24]-0.1009272 );
   double Syndrome1_13=Sigmoid1( -0.05370994*BAR[1]+0.2999545*BAR[2]-0.2855853*BAR[3]+0.1123754*BAR[4]+0.2561198*BAR[5]-0.2846766*BAR[6]+0.008345681*BAR[7]+0.1896221*BAR[8]-0.1973753*BAR[9]+0.3510076*BAR[10]+0.4492245*BAR[11]-0.09004608*BAR[12]+0.002758034*BAR[13]+0.03157447*BAR[14]+0.02175433*BAR[15]-0.399723*BAR[16]-0.2736914*BAR[17]+0.1198452*BAR[18]+0.2808644*BAR[19]-0.06968442*BAR[20]-0.5771574*BAR[21]+0.3748633*BAR[22]-0.2721373*BAR[23]-0.2329663*BAR[24]+0.07683773 );
   double Syndrome1_14=Sigmoid1( 0.094418*BAR[1]+0.2155959*BAR[2]-0.4787674*BAR[3]+0.3605456*BAR[4]+0.06799955*BAR[5]+0.607367*BAR[6]-0.3518007*BAR[7]+0.1633829*BAR[8]+0.3040094*BAR[9]+0.3707297*BAR[10]+0.02556368*BAR[11]-0.0885786*BAR[12]-0.3713907*BAR[13]-0.2014098*BAR[14]-0.289242*BAR[15]-0.09950806*BAR[16]-0.5361071*BAR[17]+0.4154459*BAR[18]+0.02827369*BAR[19]-0.04972957*BAR[20]-0.1700879*BAR[21]+0.2973098*BAR[22]-0.2097459*BAR[23]-0.0422597*BAR[24]+0.2318914 );
   double Syndrome1_15=Sigmoid1( 0.02161242*BAR[1]+0.5484816*BAR[2]+0.002152426*BAR[3]-0.3017516*BAR[4]+0.02010602*BAR[5]-0.8008425*BAR[6]-0.2985114*BAR[7]+0.5151479*BAR[8]+0.1572166*BAR[9]-0.04494689*BAR[10]+0.2529401*BAR[11]-0.02046412*BAR[12]-0.05892481*BAR[13]-0.1359019*BAR[14]-0.2005993*BAR[15]+0.03077302*BAR[16]+0.745619*BAR[17]-0.4197147*BAR[18]-0.1354882*BAR[19]-0.6034228*BAR[20]-0.04950687*BAR[21]-0.1093793*BAR[22]-0.46851*BAR[23]+0.2340346*BAR[24]-0.1910115 );
   double Syndrome1_16=Sigmoid1( 0.06201033*BAR[1]+0.2311719*BAR[2]-0.6587076*BAR[3]-0.1937433*BAR[4]-0.3063492*BAR[5]+0.0458253*BAR[6]+0.2621455*BAR[7]-0.3292437*BAR[8]-0.07124191*BAR[9]+0.03962434*BAR[10]-0.03539502*BAR[11]+0.1602975*BAR[12]+0.1252141*BAR[13]-0.1939677*BAR[14]-0.3524359*BAR[15]-0.02675135*BAR[16]-0.1550312*BAR[17]+0.2015329*BAR[18]-0.1383009*BAR[19]+0.3079963*BAR[20]+0.06971535*BAR[21]-0.2415089*BAR[22]-0.03791533*BAR[23]+0.01494107*BAR[24]+0.01395546 );
   double Syndrome1_17=Sigmoid1( -0.03211073*BAR[1]-0.2057187*BAR[2]-0.2208917*BAR[3]+0.1034868*BAR[4]+0.003785761*BAR[5]-0.1510143*BAR[6]-0.04637882*BAR[7]-0.01963908*BAR[8]-0.3622932*BAR[9]+0.03135398*BAR[10]-0.1296021*BAR[11]-0.2571803*BAR[12]+0.02485986*BAR[13]-0.05831699*BAR[14]+0.2441404*BAR[15]+0.4313999*BAR[16]-0.05117986*BAR[17]-0.06832605*BAR[18]-0.01433043*BAR[19]-0.3331767*BAR[20]-0.09270683*BAR[21]+0.1077102*BAR[22]+0.0517161*BAR[23]+0.1463209*BAR[24]+0.08033083 );
   double Syndrome1_18=Sigmoid1( -0.01044874*BAR[1]+0.8255618*BAR[2]-0.3581862*BAR[3]+0.2379437*BAR[4]-0.05247816*BAR[5]+0.3858318*BAR[6]-0.04216846*BAR[7]+0.2305764*BAR[8]-0.2754549*BAR[9]+0.1255125*BAR[10]-0.1954638*BAR[11]+0.04934186*BAR[12]-0.08713531*BAR[13]+0.08193728*BAR[14]-0.01578137*BAR[15]+0.04301662*BAR[16]-0.01941852*BAR[17]+0.0321704*BAR[18]-0.4490997*BAR[19]-0.2165072*BAR[20]+0.5094138*BAR[21]-0.08077756*BAR[22]-0.1167052*BAR[23]+0.008337143*BAR[24]-0.1847742 );
   double Syndrome1_19=Sigmoid1( 0.07863438*BAR[1]+0.6541001*BAR[2]-0.0287532*BAR[3]-0.07992863*BAR[4]-0.1936443*BAR[5]+0.2021953*BAR[6]+0.5814793*BAR[7]+0.1076662*BAR[8]-0.2505759*BAR[9]-0.1958519*BAR[10]+0.2982949*BAR[11]-0.130183*BAR[12]-0.2418064*BAR[13]-0.03213368*BAR[14]-0.1050228*BAR[15]-0.04116086*BAR[16]+0.1059578*BAR[17]-0.09407587*BAR[18]+0.2511382*BAR[19]+0.03090675*BAR[20]-0.2050715*BAR[21]+0.07968493*BAR[22]-0.1085312*BAR[23]-0.3073632*BAR[24]+0.1479857 );
   double Syndrome1_20=Sigmoid1( 0.01779699*BAR[1]+0.1517631*BAR[2]+0.1832252*BAR[3]+0.4329565*BAR[4]-0.1528609*BAR[5]-0.2424133*BAR[6]+0.1942621*BAR[7]+0.1390828*BAR[8]-0.3387062*BAR[9]+0.3891163*BAR[10]+0.3485644*BAR[11]+0.06489421*BAR[12]-0.01458877*BAR[13]-0.1127466*BAR[14]+0.1122861*BAR[15]-0.1973242*BAR[16]+0.4340822*BAR[17]-0.633949*BAR[18]+0.1276167*BAR[19]+0.2476585*BAR[20]-0.4445719*BAR[21]+0.6248969*BAR[22]-0.2169943*BAR[23]-0.501359*BAR[24]-0.1358235 );

//--- síndromes de 2-ndo nivel:
   double Syndrome2_1=Sigmoid2( 0.2332734*Syndrome1_1-0.2002641*Syndrome1_2-0.03174414*Syndrome1_3-0.3868614*Syndrome1_4-0.1933812*Syndrome1_5-0.2366997*Syndrome1_6+0.3920829*Syndrome1_7+0.1015497*Syndrome1_8-0.1333193*Syndrome1_9+0.05584235*Syndrome1_10-0.2983295*Syndrome1_11+0.1034668*Syndrome1_12-0.4040487*Syndrome1_13-0.2103508*Syndrome1_14-0.2480657*Syndrome1_15-0.1906435*Syndrome1_16+0.2692898*Syndrome1_17+0.2760854*Syndrome1_18-0.1738693*Syndrome1_19-0.1861307*Syndrome1_20-0.07152162 );
   double Syndrome2_2=Sigmoid2( -0.1242675*Syndrome1_1+0.05587832*Syndrome1_2+0.1567961*Syndrome1_3+0.1077346*Syndrome1_4-0.2112047*Syndrome1_5+0.04008683*Syndrome1_6-0.1716478*Syndrome1_7+0.3083204*Syndrome1_8-0.1864694*Syndrome1_9+0.08867304*Syndrome1_10-0.06801239*Syndrome1_11-0.1810985*Syndrome1_12-0.05133555*Syndrome1_13+0.2981661*Syndrome1_14-0.01543425*Syndrome1_15-0.1859617*Syndrome1_16+0.027973*Syndrome1_17-0.1715439*Syndrome1_18-0.1249511*Syndrome1_19+0.5925598*Syndrome1_20-0.279602 );
   double Syndrome2_3=Sigmoid2( -0.4745722*Syndrome1_1-0.1248492*Syndrome1_2-0.1128288*Syndrome1_3+0.1485692*Syndrome1_4-0.3948999*Syndrome1_5+0.2633227*Syndrome1_6-0.2046695*Syndrome1_7-0.03632757*Syndrome1_8+0.259578*Syndrome1_9-0.07442582*Syndrome1_10+0.06552354*Syndrome1_11-0.2452848*Syndrome1_12-0.1599011*Syndrome1_13+0.1749917*Syndrome1_14-0.07113215*Syndrome1_15-0.1524421*Syndrome1_16+0.3606906*Syndrome1_17+0.3524929*Syndrome1_18+0.1315838*Syndrome1_19+0.1981817*Syndrome1_20+0.0126604 );
   double Syndrome2_4=Sigmoid2( -0.3605324*Syndrome1_1+0.2803221*Syndrome1_2+0.07412126*Syndrome1_3+0.2101911*Syndrome1_4-0.1933928*Syndrome1_5-0.2068641*Syndrome1_6+0.1302721*Syndrome1_7+0.04962961*Syndrome1_8+0.2879501*Syndrome1_9-0.04214102*Syndrome1_10-0.02194729*Syndrome1_11-0.0501424*Syndrome1_12+0.007969459*Syndrome1_13+0.1151657*Syndrome1_14+0.04063402*Syndrome1_15+0.1461606*Syndrome1_16-0.07482237*Syndrome1_17-0.3319329*Syndrome1_18+0.2494595*Syndrome1_19-0.09345333*Syndrome1_20-0.1831799 );
   double Syndrome2_5=Sigmoid2( -0.03081687*Syndrome1_1-0.419345*Syndrome1_2-0.01301429*Syndrome1_3+0.008855551*Syndrome1_4+0.2869771*Syndrome1_5+0.06881366*Syndrome1_6-0.1612982*Syndrome1_7-0.491662*Syndrome1_8+0.04266098*Syndrome1_9-0.7546657*Syndrome1_10+0.0472151*Syndrome1_11-0.5099863*Syndrome1_12+0.1196823*Syndrome1_13+0.2611973*Syndrome1_14-0.0241531*Syndrome1_15-0.5843646*Syndrome1_16+0.08374172*Syndrome1_17+0.041931*Syndrome1_18-0.181801*Syndrome1_19+0.6314354*Syndrome1_20+0.2967799 );
   double Syndrome2_6=Sigmoid2( 0.2783457*Syndrome1_1+0.05858535*Syndrome1_2+0.03348543*Syndrome1_3-0.09202126*Syndrome1_4+0.09466362*Syndrome1_5-0.01946918*Syndrome1_6-0.008507644*Syndrome1_7+0.1967683*Syndrome1_8-0.1593684*Syndrome1_9+0.2202749*Syndrome1_10-0.2754305*Syndrome1_11-0.08108314*Syndrome1_12+0.1606592*Syndrome1_13+0.03723634*Syndrome1_14+0.3494412*Syndrome1_15-0.139782*Syndrome1_16+0.03641316*Syndrome1_17-0.1216527*Syndrome1_18-0.2194063*Syndrome1_19+0.3015033*Syndrome1_20-0.1307777 );
   double Syndrome2_7=Sigmoid2( -0.1451617*Syndrome1_1-0.1851998*Syndrome1_2-0.2149245*Syndrome1_3-0.05804037*Syndrome1_4-0.03970402*Syndrome1_5+2.506166E-6*Syndrome1_6+0.223578*Syndrome1_7-0.1718342*Syndrome1_8+0.001228896*Syndrome1_9-0.03911417*Syndrome1_10+0.3167912*Syndrome1_11+0.2213001*Syndrome1_12-0.3518667*Syndrome1_13-0.6146168*Syndrome1_14-0.1061097*Syndrome1_15-0.3044312*Syndrome1_16-0.04269538*Syndrome1_17-0.1753355*Syndrome1_18+0.1989161*Syndrome1_19-0.3667244*Syndrome1_20+0.2514035 );
   double Syndrome2_8=Sigmoid2( -0.1430153*Syndrome1_1-Syndrome1_2+0.02704678*Syndrome1_3+0.09941091*Syndrome1_4+0.07057924*Syndrome1_5-0.3370984*Syndrome1_6+0.1565579*Syndrome1_7-0.6226992*Syndrome1_8-0.4750121*Syndrome1_9+0.0914355*Syndrome1_10+0.7518402*Syndrome1_11-0.3350138*Syndrome1_12-0.3099903*Syndrome1_13+0.01266479*Syndrome1_14-0.7965527*Syndrome1_15-0.1753905*Syndrome1_16-0.1435609*Syndrome1_17+0.1683903*Syndrome1_18+0.1800467*Syndrome1_19+0.02699256*Syndrome1_20+0.3138063 );
   double Syndrome2_9=Sigmoid2( -0.2611458*Syndrome1_1-0.03994129*Syndrome1_2-0.2299157*Syndrome1_3+0.3549923*Syndrome1_4-0.001759748*Syndrome1_5-0.1117837*Syndrome1_6+0.03037107*Syndrome1_7+0.2023677*Syndrome1_8+0.2628252*Syndrome1_9+0.09683131*Syndrome1_10+0.2576693*Syndrome1_11-0.06357097*Syndrome1_12-0.2162403*Syndrome1_13-0.2190126*Syndrome1_14-0.1675369*Syndrome1_15-0.2458067*Syndrome1_16-0.06660707*Syndrome1_17-0.2096998*Syndrome1_18+0.2432118*Syndrome1_19+0.06210691*Syndrome1_20+0.1555794 );
   double Syndrome2_10=Sigmoid2( 0.1120118*Syndrome1_1-0.09789048*Syndrome1_2-0.1146162*Syndrome1_3-0.02268722*Syndrome1_4-0.4754501*Syndrome1_5+0.1567527*Syndrome1_6+0.4281512*Syndrome1_7+0.1428995*Syndrome1_8+0.4317052*Syndrome1_9-0.1987304*Syndrome1_10-0.3471439*Syndrome1_11-0.2485701*Syndrome1_12+0.2200699*Syndrome1_13-0.1804247*Syndrome1_14+0.5553524*Syndrome1_15+0.004284344*Syndrome1_16-0.5408193*Syndrome1_17-0.2304406*Syndrome1_18+0.2462995*Syndrome1_19+0.1687378*Syndrome1_20+0.480715 );
   double Syndrome2_11=Sigmoid2( 0.2892572*Syndrome1_1+0.2819389*Syndrome1_2-0.2116477*Syndrome1_3-0.1031269*Syndrome1_4-0.2198152*Syndrome1_5-0.2882532*Syndrome1_6-0.7462316*Syndrome1_7+0.7820893*Syndrome1_8-0.05574411*Syndrome1_9-0.1144354*Syndrome1_10-0.1073154*Syndrome1_11+0.5092962*Syndrome1_12-0.07017706*Syndrome1_13-0.5550667*Syndrome1_14-0.5170746*Syndrome1_15-0.1299864*Syndrome1_16+0.03325708*Syndrome1_17-0.5107772*Syndrome1_18+0.04024922*Syndrome1_19+0.1836878*Syndrome1_20+0.0346345 );
   double Syndrome2_12=Sigmoid2( -0.10614*Syndrome1_1+0.06027444*Syndrome1_2+0.08108542*Syndrome1_3-0.1568731*Syndrome1_4+0.1509192*Syndrome1_5-0.1630516*Syndrome1_6+0.01426157*Syndrome1_7+0.02186926*Syndrome1_8+0.1099893*Syndrome1_9-0.02269597*Syndrome1_10-0.04576464*Syndrome1_11-0.161096*Syndrome1_12-0.1901706*Syndrome1_13-0.02513908*Syndrome1_14+0.1317106*Syndrome1_15-0.06866668*Syndrome1_16+0.1083753*Syndrome1_17+0.1449683*Syndrome1_18+0.006118122*Syndrome1_19+0.1255394*Syndrome1_20-0.3822223 );
   double Syndrome2_13=Sigmoid2( -0.01638931*Syndrome1_1+0.1172011*Syndrome1_2-0.1022018*Syndrome1_3+0.1098846*Syndrome1_4+0.3456185*Syndrome1_5-0.276273*Syndrome1_6-0.1697723*Syndrome1_7-0.1394644*Syndrome1_8+0.0530486*Syndrome1_9+0.04139024*Syndrome1_10-0.02131393*Syndrome1_11+0.1144992*Syndrome1_12-0.1791101*Syndrome1_13+0.124498*Syndrome1_14+0.2169005*Syndrome1_15+0.06764794*Syndrome1_16+0.3542189*Syndrome1_17+0.0647957*Syndrome1_18+0.01778502*Syndrome1_19-0.0183728*Syndrome1_20-0.09863564 );
   double Syndrome2_14=Sigmoid2( 0.1046498*Syndrome1_1+0.1199886*Syndrome1_2-0.3787079*Syndrome1_3+0.568437*Syndrome1_4-0.09216721*Syndrome1_5-0.07998162*Syndrome1_6-0.1422648*Syndrome1_7-0.220407*Syndrome1_8+0.00417607*Syndrome1_9+0.2042087*Syndrome1_10+0.2614584*Syndrome1_11+0.04491196*Syndrome1_12+0.1860093*Syndrome1_13-0.1642074*Syndrome1_14+0.3918036*Syndrome1_15+0.05427575*Syndrome1_16-0.0002294437*Syndrome1_17+0.008295977*Syndrome1_18-0.2818146*Syndrome1_19-0.3877438*Syndrome1_20+0.03536745 );
   double Syndrome2_15=Sigmoid2( -0.1754033*Syndrome1_1-0.0528489*Syndrome1_2-0.1744897*Syndrome1_3+0.1113354*Syndrome1_4+0.1185713*Syndrome1_5-0.0231303*Syndrome1_6+0.006316248*Syndrome1_7-0.08525342*Syndrome1_8+0.1568578*Syndrome1_9+0.2965699*Syndrome1_10+0.2781587*Syndrome1_11+0.2391527*Syndrome1_12-0.08555941*Syndrome1_13-0.2362186*Syndrome1_14+0.1128907*Syndrome1_15-0.04770778*Syndrome1_16-0.0139725*Syndrome1_17+0.1079882*Syndrome1_18-0.09141354*Syndrome1_19+0.3320866*Syndrome1_20-0.3015116 );
   double Syndrome2_16=Sigmoid2( 0.1962015*Syndrome1_1+0.0192374*Syndrome1_2-0.1578716*Syndrome1_3+0.03360523*Syndrome1_4+0.04818176*Syndrome1_5+0.2462966*Syndrome1_6-0.2103649*Syndrome1_7+0.01318523*Syndrome1_8-0.09349868*Syndrome1_9+0.08476428*Syndrome1_10-0.06272572*Syndrome1_11+0.2246324*Syndrome1_12+0.2539908*Syndrome1_13-0.2059217*Syndrome1_14-0.08641216*Syndrome1_15-0.09780023*Syndrome1_16+0.0005770256*Syndrome1_17-0.2842666*Syndrome1_18-0.05383059*Syndrome1_19-0.2822465*Syndrome1_20+0.2277268 );
   double Syndrome2_17=Sigmoid2( 0.5981864*Syndrome1_1+0.5172131*Syndrome1_2-0.2310352*Syndrome1_3-0.1814138*Syndrome1_4-0.2148922*Syndrome1_5+0.562911*Syndrome1_6+0.5865576*Syndrome1_7-0.2790301*Syndrome1_8-0.3841165*Syndrome1_9+0.3223535*Syndrome1_10+0.2096305*Syndrome1_11+0.08284206*Syndrome1_12+0.7050048*Syndrome1_13+0.4129859*Syndrome1_14+0.2116682*Syndrome1_15+0.2213966*Syndrome1_16-0.1637594*Syndrome1_17+0.1191863*Syndrome1_18-0.6626714*Syndrome1_19-0.9127383*Syndrome1_20-0.1505798 );
   double Syndrome2_18=Sigmoid2( -0.008298698*Syndrome1_1-0.1847953*Syndrome1_2-0.1930849*Syndrome1_3-0.1005524*Syndrome1_4+0.0737519*Syndrome1_5+0.04218475*Syndrome1_6-0.422835*Syndrome1_7+0.06019862*Syndrome1_8-0.2056148*Syndrome1_9+0.3398327*Syndrome1_10-0.2526269*Syndrome1_11-0.06098709*Syndrome1_12-0.1447722*Syndrome1_13-0.05216306*Syndrome1_14-0.09496115*Syndrome1_15+0.2071376*Syndrome1_16+0.03088453*Syndrome1_17-0.521363*Syndrome1_18-0.06449924*Syndrome1_19-0.4105364*Syndrome1_20+0.3204305 );
   double Syndrome2_19=Sigmoid2( -0.1376712*Syndrome1_1-0.0153131*Syndrome1_2+0.04377801*Syndrome1_3+0.08896239*Syndrome1_4+0.03197494*Syndrome1_5-0.02259021*Syndrome1_6+0.008662836*Syndrome1_7-0.1961185*Syndrome1_8-0.0720102*Syndrome1_9+0.05738823*Syndrome1_10-0.004060962*Syndrome1_11-0.3752605*Syndrome1_12+0.02065136*Syndrome1_13+0.1263955*Syndrome1_14-0.05906902*Syndrome1_15+0.4029721*Syndrome1_16-0.159444*Syndrome1_17-0.1619136*Syndrome1_18+0.3338208*Syndrome1_19-0.0656369*Syndrome1_20+0.1602566 );
   double Syndrome2_20=Sigmoid2( -0.003900121*Syndrome1_1+0.3159288*Syndrome1_2+0.2550703*Syndrome1_3+0.05409481*Syndrome1_4+0.06660215*Syndrome1_5-0.1948439*Syndrome1_6-0.370153*Syndrome1_7+0.5337713*Syndrome1_8-0.06716464*Syndrome1_9+0.550526*Syndrome1_10+0.4723933*Syndrome1_11+0.09457724*Syndrome1_12+0.5613732*Syndrome1_13+0.3709611*Syndrome1_14-0.07680532*Syndrome1_15-0.5097623*Syndrome1_16+0.4023384*Syndrome1_17+0.2330064*Syndrome1_18-0.09448317*Syndrome1_19+0.2668969*Syndrome1_20-0.2110061 );

//--- síndromes de 3-er nivel:
   double Syndrome3_1=Sigmoid3( -0.05101856*Syndrome2_1-0.04933448*Syndrome2_2+0.03248681*Syndrome2_3-0.05835526*Syndrome2_4-0.01888579*Syndrome2_5-0.07940733*Syndrome2_6-0.04341835*Syndrome2_7-0.07906266*Syndrome2_8+0.2054683*Syndrome2_9+0.1553352*Syndrome2_10-0.07296721*Syndrome2_11-0.01849408*Syndrome2_12-0.07505544*Syndrome2_13+0.08666297*Syndrome2_14-0.2001411*Syndrome2_15+0.07931387*Syndrome2_16+0.1598745*Syndrome2_17+0.01308129*Syndrome2_18+0.159161*Syndrome2_19+0.1903208*Syndrome2_20+0.0190388 );
   double Syndrome3_2=Sigmoid3( 0.0643296*Syndrome2_1+0.3451192*Syndrome2_2-0.1247545*Syndrome2_3+0.03276825*Syndrome2_4+0.303136*Syndrome2_5+0.03152885*Syndrome2_6+0.1118743*Syndrome2_7-0.3860323*Syndrome2_8-0.08593427*Syndrome2_9-0.2664599*Syndrome2_10+0.213205*Syndrome2_11-0.0977626*Syndrome2_12-0.2923501*Syndrome2_13-0.3133417*Syndrome2_14-0.1915279*Syndrome2_15+0.4333939*Syndrome2_16+0.02110274*Syndrome2_17+0.5802879*Syndrome2_18+0.03386912*Syndrome2_19+0.08908307*Syndrome2_20+0.06071822 );
   double Syndrome3_3=Sigmoid3( -0.08613513*Syndrome2_1+0.1200513*Syndrome2_2+0.3818525*Syndrome2_3-0.09603316*Syndrome2_4-0.2353039*Syndrome2_5-0.1816488*Syndrome2_6+0.002517342*Syndrome2_7-0.2414117*Syndrome2_8+0.2011739*Syndrome2_9-0.3057347*Syndrome2_10-0.4593749*Syndrome2_11-0.2228307*Syndrome2_12+0.03512295*Syndrome2_13+0.4402955*Syndrome2_14-0.1967632*Syndrome2_15+0.07873345*Syndrome2_16+0.1981131*Syndrome2_17-0.2677957*Syndrome2_18+0.1719814*Syndrome2_19-0.474854*Syndrome2_20+0.01101439 );
   double Syndrome3_4=Sigmoid3( 0.02534361*Syndrome2_1+0.1845266*Syndrome2_2+0.149674*Syndrome2_3-0.1454014*Syndrome2_4+0.00701888*Syndrome2_5+0.08219463*Syndrome2_6+0.05163066*Syndrome2_7-0.1836077*Syndrome2_8+0.1429968*Syndrome2_9+0.518382*Syndrome2_10-0.00966637*Syndrome2_11-0.1674386*Syndrome2_12+0.1387497*Syndrome2_13+0.1385897*Syndrome2_14-0.01148864*Syndrome2_15+0.3751494*Syndrome2_16-0.08906862*Syndrome2_17-0.06286599*Syndrome2_18+0.2061662*Syndrome2_19-0.07524439*Syndrome2_20-0.08077133 );
   double Syndrome3_5=Sigmoid3( 0.3856083*Syndrome2_1-0.01700347*Syndrome2_2-0.1044575*Syndrome2_3+0.111998*Syndrome2_4-0.5157402*Syndrome2_5-0.05508286*Syndrome2_6-0.3101066*Syndrome2_7-0.5261913*Syndrome2_8-0.05983765*Syndrome2_9+0.1723307*Syndrome2_10-0.2564277*Syndrome2_11+0.06385356*Syndrome2_12-0.07245655*Syndrome2_13+0.1154206*Syndrome2_14-0.3492871*Syndrome2_15+0.136372*Syndrome2_16+0.3627071*Syndrome2_17-0.3074959*Syndrome2_18+0.4425845*Syndrome2_19-0.9329191*Syndrome2_20+0.01476912 );
   double Syndrome3_6=Sigmoid3( 0.5246867*Syndrome2_1-0.2347829*Syndrome2_2+0.01062111*Syndrome2_3+0.2374777*Syndrome2_4-0.02361662*Syndrome2_5+0.1804156*Syndrome2_6+0.07669501*Syndrome2_7-0.142881*Syndrome2_8+0.2566245*Syndrome2_9+0.1024709*Syndrome2_10-0.04695484*Syndrome2_11-0.004103919*Syndrome2_12+0.3340242*Syndrome2_13-0.3702791*Syndrome2_14+0.1852374*Syndrome2_15+0.02175477*Syndrome2_16+0.09901489*Syndrome2_17-0.1502062*Syndrome2_18+0.3814779*Syndrome2_19-0.06319473*Syndrome2_20+0.2657273 );
   double Syndrome3_7=Sigmoid3( 0.1613003*Syndrome2_1-0.2738772*Syndrome2_2-0.03304096*Syndrome2_3+0.3934855*Syndrome2_4+0.3955218*Syndrome2_5-0.3004892*Syndrome2_6+0.1339742*Syndrome2_7+0.09475601*Syndrome2_8+0.03064043*Syndrome2_9-0.7264652*Syndrome2_10-0.4579849*Syndrome2_11-0.1183059*Syndrome2_12+0.2197721*Syndrome2_13-0.08493897*Syndrome2_14+0.2115426*Syndrome2_15-0.07834542*Syndrome2_16-0.3884689*Syndrome2_17-0.101394*Syndrome2_18+0.1002519*Syndrome2_19-0.07787764*Syndrome2_20+0.3529212 );
   double Syndrome3_8=Sigmoid3( -0.3544801*Syndrome2_1+0.03471621*Syndrome2_2-0.2373467*Syndrome2_3-0.2836286*Syndrome2_4+0.01646966*Syndrome2_5+0.06978795*Syndrome2_6-0.03310004*Syndrome2_7+0.01844743*Syndrome2_8+0.05259214*Syndrome2_9-0.05343668*Syndrome2_10+0.3971725*Syndrome2_11-0.08770485*Syndrome2_12-0.2040168*Syndrome2_13+0.1109144*Syndrome2_14-0.06249888*Syndrome2_15-0.5860764*Syndrome2_16+0.1217078*Syndrome2_17+0.2471277*Syndrome2_18-0.03716509*Syndrome2_19-0.1908655*Syndrome2_20+0.03838157 );
   double Syndrome3_9=Sigmoid3( 0.1542789*Syndrome2_1+0.3505224*Syndrome2_2+0.06042741*Syndrome2_3+0.08956298*Syndrome2_4-0.03655836*Syndrome2_5-0.3083843*Syndrome2_6+0.2483124*Syndrome2_7-0.1132483*Syndrome2_8-0.3571556*Syndrome2_9-0.04335312*Syndrome2_10+0.005499069*Syndrome2_11+0.371572*Syndrome2_12-0.1199554*Syndrome2_13+0.1160574*Syndrome2_14-0.01656827*Syndrome2_15+0.09481092*Syndrome2_16-0.07926448*Syndrome2_17+0.3847227*Syndrome2_18+0.1039986*Syndrome2_19-0.02874756*Syndrome2_20-0.2311832 );
   double Syndrome3_10=Sigmoid3( -0.5099882*Syndrome2_1-0.2619184*Syndrome2_2+0.2441412*Syndrome2_3-0.02311796*Syndrome2_4+0.004243354*Syndrome2_5-0.04681544*Syndrome2_6+0.1402575*Syndrome2_7-0.03166823*Syndrome2_8-0.2629028*Syndrome2_9-0.03275445*Syndrome2_10-0.311464*Syndrome2_11+0.3158014*Syndrome2_12-0.04689252*Syndrome2_13+0.1556217*Syndrome2_14-0.02266529*Syndrome2_15-0.15192*Syndrome2_16+0.02253294*Syndrome2_17+0.04638374*Syndrome2_18-0.4847055*Syndrome2_19-0.0543578*Syndrome2_20-0.4383866 );
   double Syndrome3_11=Sigmoid3( 0.09181526*Syndrome2_1-0.009475656*Syndrome2_2+0.08283823*Syndrome2_3+0.06638021*Syndrome2_4-0.04110251*Syndrome2_5+0.03041244*Syndrome2_6-0.2266526*Syndrome2_7+0.3537511*Syndrome2_8+0.2091044*Syndrome2_9-0.2312607*Syndrome2_10-0.01409533*Syndrome2_11-0.06294888*Syndrome2_12+0.1980267*Syndrome2_13+0.07864135*Syndrome2_14-0.01312789*Syndrome2_15+0.02964603*Syndrome2_16-0.1720168*Syndrome2_17-0.01523064*Syndrome2_18+0.07354444*Syndrome2_19+0.1534344*Syndrome2_20+0.04784121 );
   double Syndrome3_12=Sigmoid3( -0.01962976*Syndrome2_1-0.1254692*Syndrome2_2+0.01237085*Syndrome2_3-0.006583595*Syndrome2_4-0.06446695*Syndrome2_5-0.1581757*Syndrome2_6-0.01416831*Syndrome2_7+0.08909909*Syndrome2_8+0.02427519*Syndrome2_9+0.06101634*Syndrome2_10-0.07296847*Syndrome2_11-0.02960677*Syndrome2_12+0.1195403*Syndrome2_13+0.007260199*Syndrome2_14-0.005008513*Syndrome2_15+0.07686368*Syndrome2_16-0.1097991*Syndrome2_17+0.02348211*Syndrome2_18-0.01508969*Syndrome2_19+0.06078456*Syndrome2_20+0.1424098 );
   double Syndrome3_13=Sigmoid3( -0.1845686*Syndrome2_1-0.1120369*Syndrome2_2+0.1346949*Syndrome2_3+0.2425685*Syndrome2_4+0.1310953*Syndrome2_5-0.1957272*Syndrome2_6+0.2163845*Syndrome2_7+0.04189415*Syndrome2_8+0.05685329*Syndrome2_9-0.1108158*Syndrome2_10-0.04702755*Syndrome2_11-0.2698838*Syndrome2_12+0.05045844*Syndrome2_13+0.1487544*Syndrome2_14+7.648221E-5*Syndrome2_15-0.04902162*Syndrome2_16+0.3119571*Syndrome2_17-0.2076546*Syndrome2_18+0.1465537*Syndrome2_19+0.2386554*Syndrome2_20+0.09121808 );
   double Syndrome3_14=Sigmoid3( 0.015057*Syndrome2_1-0.07630379*Syndrome2_2+0.10373*Syndrome2_3-0.01276504*Syndrome2_4+0.01637872*Syndrome2_5+0.1570177*Syndrome2_6+0.02290879*Syndrome2_7+0.1426407*Syndrome2_8-0.3037595*Syndrome2_9-0.1183627*Syndrome2_10-0.05010238*Syndrome2_11-0.06874149*Syndrome2_12+0.0325584*Syndrome2_13-0.1127614*Syndrome2_14+0.1010367*Syndrome2_15+0.2743505*Syndrome2_16+0.02752565*Syndrome2_17-0.01011515*Syndrome2_18-0.1072115*Syndrome2_19-0.1723324*Syndrome2_20-0.1862434 );
   double Syndrome3_15=Sigmoid3( -0.0602835*Syndrome2_1+0.1044827*Syndrome2_2-0.03398157*Syndrome2_3+0.1103081*Syndrome2_4-0.2517793*Syndrome2_5-0.1388755*Syndrome2_6+0.1680355*Syndrome2_7+0.08541053*Syndrome2_8+0.2264198*Syndrome2_9+0.1319854*Syndrome2_10+0.2397746*Syndrome2_11+0.04893836*Syndrome2_12+0.07067535*Syndrome2_13+0.03666123*Syndrome2_14-0.2249698*Syndrome2_15+0.1039975*Syndrome2_16+0.03130547*Syndrome2_17+0.1295152*Syndrome2_18-0.1380298*Syndrome2_19-0.2716908*Syndrome2_20+0.3049682 );
   double Syndrome3_16=Sigmoid3( 0.006898584*Syndrome2_1+0.172121*Syndrome2_2+0.08287619*Syndrome2_3-0.2843233*Syndrome2_4+0.3360839*Syndrome2_5-0.06360124*Syndrome2_6+0.08605669*Syndrome2_7+0.1303328*Syndrome2_8+0.176666*Syndrome2_9+0.3064248*Syndrome2_10+0.03492442*Syndrome2_11-0.1337793*Syndrome2_12+0.2166045*Syndrome2_13+0.1651906*Syndrome2_14-0.2159452*Syndrome2_15-0.02087162*Syndrome2_16-0.1321865*Syndrome2_17+0.02330898*Syndrome2_18-0.1607926*Syndrome2_19+0.100959*Syndrome2_20+0.3113509 );
   double Syndrome3_17=Sigmoid3( 0.2484581*Syndrome2_1+0.07501616*Syndrome2_2-0.2955785*Syndrome2_3-0.06893355*Syndrome2_4-0.110545*Syndrome2_5+0.009258383*Syndrome2_6-0.04150206*Syndrome2_7-0.1581711*Syndrome2_8-0.1503464*Syndrome2_9-0.1641756*Syndrome2_10+0.2800875*Syndrome2_11+0.1470316*Syndrome2_12+0.08529772*Syndrome2_13-0.07939056*Syndrome2_14+0.1105667*Syndrome2_15-0.003909521*Syndrome2_16-0.1663841*Syndrome2_17+0.1384012*Syndrome2_18-0.2260507*Syndrome2_19-0.1310463*Syndrome2_20+0.03011392 );
   double Syndrome3_18=Sigmoid3( 0.2167049*Syndrome2_1+0.1083723*Syndrome2_2+0.03713056*Syndrome2_3-0.07394339*Syndrome2_4-0.08689396*Syndrome2_5+0.1893489*Syndrome2_6-0.004869457*Syndrome2_7+0.06987588*Syndrome2_8-0.1505099*Syndrome2_9+0.1717843*Syndrome2_10+0.07792218*Syndrome2_11+0.02835098*Syndrome2_12+0.03617713*Syndrome2_13+0.1599271*Syndrome2_14-0.1617647*Syndrome2_15-0.04720658*Syndrome2_16+0.004165665*Syndrome2_17-0.1073883*Syndrome2_18+0.06164433*Syndrome2_19+0.01017194*Syndrome2_20-0.1073146 );
   double Syndrome3_19=Sigmoid3( 0.1966043*Syndrome2_1-0.06785608*Syndrome2_2-0.02568222*Syndrome2_3+0.2323583*Syndrome2_4-0.1949882*Syndrome2_5-0.0180097*Syndrome2_6-0.1995831*Syndrome2_7-0.3007537*Syndrome2_8+0.03133066*Syndrome2_9-0.3836962*Syndrome2_10+0.8646971*Syndrome2_11-0.04459784*Syndrome2_12+0.1127359*Syndrome2_13+0.3645059*Syndrome2_14+0.3924035*Syndrome2_15+0.2070317*Syndrome2_16-0.1975317*Syndrome2_17+0.249992*Syndrome2_18-0.1090982*Syndrome2_19+0.9234442*Syndrome2_20+0.0260936 );
   double Syndrome3_20=Sigmoid3( -0.1054238*Syndrome2_1+0.01094678*Syndrome2_2+0.1854347*Syndrome2_3-0.03105933*Syndrome2_4-0.1428708*Syndrome2_5+0.1660853*Syndrome2_6-0.0540761*Syndrome2_7+0.08364562*Syndrome2_8+0.01462638*Syndrome2_9+0.05958234*Syndrome2_10+0.05540805*Syndrome2_11+0.1415959*Syndrome2_12-0.2088391*Syndrome2_13-0.02437577*Syndrome2_14+0.03789431*Syndrome2_15+0.1342704*Syndrome2_16+0.02136465*Syndrome2_17+0.1529594*Syndrome2_18-0.2515772*Syndrome2_19-0.009984408*Syndrome2_20-0.02554057 );

//--- síndromes finales:
   BAR[0]=0.377357*Syndrome3_1-0.1995524*Syndrome3_2+0.44664*Syndrome3_3-0.2634062*Syndrome3_4-0.1150927*Syndrome3_5-0.3349093*Syndrome3_6-0.3639574*Syndrome3_7+0.2705039*Syndrome3_8+0.5313437*Syndrome3_9+0.2664694*Syndrome3_10+0.1713557*Syndrome3_11+0.1208919*Syndrome3_12-0.4120659*Syndrome3_13+0.3021899*Syndrome3_14+0.4149051*Syndrome3_15+0.7103375*Syndrome3_16+0.1180793*Syndrome3_17-0.2354599*Syndrome3_18-0.1013937*Syndrome3_19+0.3054902*Syndrome3_20+0.03919306;

//--- procesamiento posterior de los síndromes finales:
   BAR[0]=((BAR[0]*0.0180000001564622)+0.000599999912083149)/2;

   return (BAR[0]);
  }
//+------------------------------------------------------------------+

double Prognosis;

//+------------------------------------------------------------------+
#include <Trade\Trade.mqh>
//+------------------------------------------------------------------+
void OnTick()
  {
//--- obtenemos el pronóstico de precio de la neurored
   Prognosis=CalcNeuroNet();
//--- realizamos las operaciones comerciales necesarias
   Trade();
  }
//+------------------------------------------------------------------+
void Trade()
  {
   //--- cerramos la posición abierta, si está contra el pronóstico
   if(PositionSelect(_Symbol))
     {
      long type=PositionGetInteger(POSITION_TYPE);
      bool close=false;
      if((type == POSITION_TYPE_BUY)  && (Prognosis <= 0)) close = true;
      if((type == POSITION_TYPE_SELL) && (Prognosis >= 0)) close = true;
      if(close)
        {
         CTrade trade;
         trade.PositionClose(_Symbol);
        }
     }

   //--- si no hay posiciones, entonces abrimos según el pronóstico
   if((Prognosis!=0) && (!PositionSelect(_Symbol)))
     {
      CTrade trade;
      if(Prognosis >  MinPrognosis) trade.Buy (Lots);
      if(Prognosis < -MinPrognosis) trade.Sell(Lots);
     }
  }

Comprobación en el simulador

Iniciamos el experto construido en el mismo intervalo de tiempo del que se tomaron los datos para instruir la neurored. Recordemos que el asesor ha sido creado para EURUSD, H1 (el intervalo de instrucción tiene una longitud de casi 10 meses).

No tiene sentido realizar tansacciones cuando el pronóstico de beneficio tenga una magnitud comparable con el spread. El asesor tiene incorporado un filtro para este caso, estableceremos un parámetro de entrada MinPrognosis igual, por ejmplo, a 0.0005.

Se comerciará permanentemente con un volumen fijo de 0.1 de lote.

Hemos obtenido los resultados siguientes:

Fig. 21. Estadística de la simulación del asesor en MetaTester

Fig. 22. Gráfico de equidad tras la simulación del asesor en MetaTester

El crecimiento estable del gráfico de equidad muestra que hemos cumplido correctamente todas las etapas de construcción del asesor de neurored.

Pero no conviene olvidar que la rentabilidad en el tramo donde se ha realizado la instrucción no garantiza en modo alguno la rentabilidad fuera de este segmento. La creación de asesores de neuroredes reales y rentables requiere de conocimientos profundos de los principios de funcionamiento de las neuroredes y una gran experiencia comercial. En el artículo les he enseñado a usar un instrumento de neuroredes accesible, pero la efectividad con la que puedan llegar a usarlo, depende ya solo de ustedes.

Conclusión

NeuroPro es un programa único. Como acabamos de comprobar, es posible transplantar desde él una neurored al asesor MetaTrader 5 en minutos contados, usando solo instrumentos a mano, de uso muy extendido.

Esto es algo de lo que no pueden presumir muchos otros programas de neuroredes, incluso los de pago. Por eso recomiendo su utilización.

Traducción del ruso hecha por MetaQuotes Ltd.
Artículo original: https://www.mql5.com/ru/articles/830

Archivos adjuntos |

Descargar ZIP

neuropro-export.mq5 (5.78 KB)

neuropro.mq5 (68.46 KB)

neuropro_allos.zip (7824.54 KB)

Advertencia: todos los derechos de estos materiales pertenecen a MetaQuotes Ltd. Queda totalmente prohibido el copiado total o parcial.

Otros artículos del autor

Últimos comentarios | Pasar a la discusión en el foro de los operadores (1)

Victor Castillejo | 3 ago. 2023 en 03:54

Buenas noches andrew, no consigo el software NeuroPro, me puedes decir donde puedo conseguirlo, por favor...

Recetas de MQL5 - implementamos el array asociativo o el diccionario para el acceso rápido a los datos

En este artículo se describe un algoritmo especial que permite acceder de manera eficaz a los elementos usando su clave única. Como clave se puede utilizar cualquier tipo básico de datos, por ejemplo, las cadenas o variables de números enteros. Este contenedor de datos suelen llamarlo el diccionario o array asociativo. La solución de muchas tareas con su ayuda resulta más simple y eficaz.

Trading bidireccional y cobertura (hedging) de posiciones en MetaTrader 5 usando API HedgeTerminal, Parte 2

En este artículo se describe el nuevo enfoque en las cuestiones de la cobertura (hedging) de posiciones y se pone punto en las discusiones entre los usuarios de MetaTrader 4 y MetaTrader 5 sobre esta materia. Es la continuación de la primera parte: “Trading bidireccional y cobertura (hedging) de posiciones en MetaTrader 5 usando el panel HedgeTerminal, Parte 1”. En la segunda parte se describe la integración de los EAs personalizados con HedgeTerminalAPI, una biblioteca especial de virtualización que permite tradear bidireccionalmente estando en un entorno cómodo que permite gestionar sus posiciones de una manera sencilla y clara.

$Líneas de tendencia basadas en los fractales usando MQL4 y MQL5$ Líneas de tendencia basadas en los fractales usando MQL4 y MQL5

En este artículo se describe la solución de automatización del proceso de la construcción de las líneas de tendencia a base del indicador Fractals usando MQL4 y MQL5. La estructura del artículo está representada como la comparación en el marco de la solución del problema planteado desde las posiciones de dos lenguajes. La construcción de las líneas de tendencia se realiza usando dos últimos fractales conocidos.

Uso práctico del servidor privado virtual (VPS) para el autotrading

Autotrading usando VPS. Este artículo va dirigido excepcionalmente a los autotraders y seguidores del autotrading.