Artículos sobre programación y uso de robots comerciales en el lenguaje MQL5

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.

En este artículo se presenta la implementación del algoritmo metaheurístico Blue Monkey, basado en la simulación del comportamiento social de los monos azules. En este, se examinan los mecanismos clave del algoritmo —la estructura grupal de la población, el seguimiento de líderes locales y la renovación generacional mediante la sustitución de los individuos adultos con peor rendimiento por las crías con mejor rendimiento— y se analizan los resultados de las pruebas.

En este artículo, creamos un sistema de trading con bloques de ruptura en MQL5 que identifica rangos de consolidación, detecta rupturas y valida los bloques de ruptura mediante puntos de oscilación para operar en los retesteos con parámetros de riesgo definidos. El sistema muestra los bloques de órdenes y de ruptura con etiquetas y flechas dinámicas, y permite el trading automatizado y el uso de stops dinámicos.

Vamos a mejorar la facilidad de uso de la cadena automatizada de optimización: analizaremos el proceso desde la creación de un proyecto de optimización hasta la prueba del EA final. Para mayor claridad, repasemos todo el proceso paso a paso hasta crear el EA definitivo, deteniéndonos para realizar las correcciones que consideremos oportunas.

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.

En este artículo, desarrollamos un sistema de ruptura de líneas de tendencia en MQL5 que identifica líneas de soporte y resistencia a partir de puntos de giro, validadas mediante el coeficiente de determinación R² y restricciones angulares, para automatizar las operaciones de ruptura. Nuestro plan consiste en detectar máximos y mínimos de giro dentro de un período retrospectivo determinado, trazar líneas de tendencia con un número mínimo de puntos de contacto y validarlas mediante métricas de R² y restricciones del ángulo de inclinación para garantizar su fiabilidad.

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

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.

El artículo ofrece un análisis detallado de la integración de los enfoques del framework ST-Expert en la arquitectura Extralonger, lo que permite analizar simultáneamente las representaciones vectoriales temporales y espaciales de los datos. Se presentan los resultados de las pruebas realizadas con datos históricos reales, que demuestran la eficacia del modelo y su robustez frente a las anomalías del mercado. El artículo describe la estructura modular del framework, que garantiza la reproducibilidad, la flexibilidad para la investigación y la capacidad de optimizar los componentes por etapas.

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.

El sistema de ruptura basado en la volatilidad identifica los rangos del mercado y, a continuación, realiza operaciones cuando el precio rompe al alza o a la baja dichos niveles, aplicando un filtro basado en medidas de volatilidad como el ATR. Este enfoque permite aprovechar los movimientos direccionales marcados.

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.