Discusión sobre el artículo "Optimización automatizada de parámetros para estrategias de negociación con Python y MQL5"
Hola, ¡gracias! ¿Has comprobado el número de días para reoptimizar? (Ajustes->Reoptimizar cada 22 días-> usar 16 (días) para el mismo ejemplo, siento no haber explicado bien esa opción de ajuste)
Hola, gracias. ¿Has comprobado el número de días para reoptimizar? (Ajustes->Reoptimizar cada 22 días-> usar 16 (días) para el mismo ejemplo, siento no haber explicado bien esa opción de ajuste)
Hola, sí, ya lo he probado, pero volveré a intentarlo.
¡Gracias de nuevo!
Este articulo es muy bueno. Tienes un Ea donde lo has aplicado, y que funcione bien?
Gracias, trata de hacerlo tu, este es solo un ejemplo que sirve de algo de ayuda. Puedes basarte en este y más artículos que hay sobre este tema. Saludos ... Yo no quiero sacar EA's hasta que no tenga una señal. Otro saludo. Si quieres haz la EA y subes tus dudas a este chat o al foro, y les hechamos un vistazo.

- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Optimización automatizada de parámetros para estrategias de negociación con Python y MQL5:
Existen varios tipos de algoritmos para la autooptimización de estrategias y parámetros de negociación. Estos algoritmos se utilizan para mejorar automáticamente las estrategias de negociación basándose en datos históricos y actuales del mercado. En este artículo veremos uno de ellos con ejemplos en Python y MQL5.
Imagina que tienes un bot de trading desarrollado con mucho esfuerzo. Estás deseando verlo en acción, pero empiezas sin una optimización adecuada. Los resultados positivos iniciales pueden inducirle a pensar que todo va bien, pero pronto aparecen incoherencias y pérdidas.
Un bot no optimizado carece de coherencia y puede responder a datos irrelevantes, lo que provoca pérdidas y ganancias impredecibles. Podría tomar decisiones basadas en señales falsas, sin adaptarse a los cambios del mercado, y asumir riesgos imprevistos, causando pérdidas significativas. La optimización garantiza un mayor rendimiento y fiabilidad.
Los lectores comprenderán la importancia de la autooptimización, los diferentes algoritmos utilizados y verán ejemplos prácticos en Python y en asesores expertos (EAs, Experts Advisors). Aprenderán a configurar la optimización automática, comparar resultados y configurar correctamente la optimización de parámetros, mejorando la eficacia de su estrategia de negociación.
Entre los algoritmos de autooptimización para estrategias de negociación figuran la optimización de parámetros, los algoritmos evolutivos, los métodos heurísticos, las técnicas basadas en gradientes, el aprendizaje automático y la optimización basada en la simulación. Cada uno tiene sus ventajas e inconvenientes, adaptados a las distintas necesidades de negociación y condiciones del mercado.
Autor: Javier Santiago Gaston De Iriarte Cabrera