Artículos con ejemplos de programación de robots comerciales en el lenguaje MQL5

icon

En el ámbito del trading automático los Asesores Expertos es la cima de la programación y objetivo deseable de cada desarrollador. Usted puede escribir su propio Asesor Experto utilizando los artículos de esta sección. Paso a paso los principiantes podrán pasar todas las fases de creación, depuración y simulación de los sistemas automáticos de trading.

Los artículos no sólo enseñarán a programar en el lenguaje MQL5, sino mostrarán cómo implementar cualquier idea y técnica comercial. Usted conocerá cómo programar el Trailing Stop, cómo realizar la gestión del capital, cómo obtener el valor del indicador y muchas cosas más.

Nuevo artículo
últimas | mejores
preview
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.
preview
Redes neuronales en el trading: Entrenamiento de modelos de impulsos profundos (SEW-ResNet)

Redes neuronales en el trading: Entrenamiento de modelos de impulsos profundos (SEW-ResNet)

Le invitamos a conocer el framework SEW-ResNet, que permite construir modelos de impulsos profundos sin problemas de degradación y con una gestión eficaz de los gradientes. En este artículo mostramos cómo implementar una neurona de impulsos básica y sus algoritmos utilizando MQL5.
preview
Redes neuronales en el trading: De los modelos Transformer a las neuronas de impulsos (Final)

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

Las redes neuronales ya están cambiando el enfoque del análisis de los mercados, y las nuevas arquitecturas abren aún más posibilidades. En este artículo concluimos nuestro trabajo con el framework SpikingBrain, que nos abre nuevas perspectivas.
preview
Mapas autoorganizados de Kohonen en un asesor experto de MQL5

Mapas autoorganizados de Kohonen en un asesor experto de MQL5

Los mapas autoorganizados de Kohonen transforman el caos de los datos de mercado en un mapa bidimensional ordenado, en el que los patrones similares se agrupan entre sí. Este artículo muestra una implementación completa de SOM en un asesor experto de trading en MQL5 con cuatrocientas neuronas y aprendizaje continuo. Así, analizaremos el algoritmo de búsqueda de la Best Matching Unit, la actualización de los pesos mediante la función de vecindad gaussiana, la integración con efectos cuánticos y la generación de señales de trading. El código es abierto, las matemáticas son claras y los resultados se pueden verificar.
preview
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.
preview
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.
preview
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.
preview
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.
preview
Redes neuronales en el trading: Percepción adaptativa de la dinámica del mercado (Codificador)

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

En este artículo se presenta la arquitectura integral del codificador STE-FlowNet, que combina memoria de pila, procesamiento recurrente y un mecanismo de correlación para extraer dependencias ocultas del mercado. Se muestra cómo estos módulos se integran secuencialmente en una cadena de cálculo única, capaz de realizar un análisis multifacético de series temporales.
preview
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.
preview
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.
preview
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.
preview
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.
preview
Redes neuronales en el trading: Percepción adaptativa de la dinámica del mercado (STE-FlowNet)

Redes neuronales en el trading: Percepción adaptativa de la dinámica del mercado (STE-FlowNet)

El framework STE-FlowNet ofrece una nueva perspectiva sobre el análisis de datos financieros, ya que reacciona ante acontecimientos reales del mercado, en lugar de basarse en intervalos de tiempo fijos. Su arquitectura conserva las dependencias locales y temporales, lo cual permite rastrear incluso los impulsos más pequeños en la dinámica de los precios.
preview
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.
preview
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.
preview
Redes neuronales en el trading: Modelos de refinamiento iterativo de previsiones (RAFT)

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

El framework RAFT ofrece un enfoque radicalmente diferente para predecir la dinámica del mercado: no como una instantánea puntual, sino como un refinamiento iterativo del estado en tiempo real. Tiene en cuenta simultáneamente los cambios locales y globales, manteniendo una alta precisión incluso en estructuras de precios complejas.
preview
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.
preview
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.
preview
Sistema de autoaprendizaje por refuerzo para el trading algorítmico en MQL5

Sistema de autoaprendizaje por refuerzo para el trading algorítmico en MQL5

En este artículo se desarrolla un sistema de aprendizaje automático multiagente para el trading algorítmico en MetaTrader 5 basado en el aprendizaje por refuerzo. El sistema tiene una arquitectura de tres niveles: las neuronas de memoria almacenan la experiencia, los agentes toman decisiones de forma independiente y la inteligencia colectiva los integra mediante una votación ponderada. El sistema se perfecciona continuamente mediante el aprendizaje Q, la poda de neuronas ineficaces y la reducción evolutiva de la exploración.
preview
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.
preview
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.