Discusión sobre el artículo "Motor de decisión Multi-IA para MQL5 (Parte 3): Darle a las IA el contexto correcto — régimen de mercado y noticias"
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Motor de decisión Multi-IA para MQL5 (Parte 3): Darle a las IA el contexto correcto — régimen de mercado y noticias:
Tercera parte de la serie: le damos al motor multi-IA el contexto donde un modelo de lenguaje sí aporta. Leemos el régimen de mercado en el código (tendencia o rango con ADX, volatilidad con el ATR contra su promedio, dirección con la pendiente de una EMA) y definimos ventanas de noticias de alto impacto configurables, sin depender del calendario del broker. Ambos entran en un prompt más rico que le pide a cada IA razonar el contexto —no el próximo tick— y devolver una bandera de riesgo. Un gating de dos capas, por horario y por consenso de las IA, mantiene al motor fuera del mercado cuando el contexto pesa más que la señal.
En la Parte 1 construimos el motor: varias IA reciben la misma pregunta y su respuesta se combina por votación. En la Parte 2, el motor aprendió en qué IA confiar (según su tasa de acierto) e incorporó gestión de riesgo. Las dos partes funcionan, pero comparten una limitación que vengo arrastrando desde el principio y que ahora quiero atacar de frente: el contexto que les damos a las IA es pobre.
Hasta aquí, el prompt era básicamente el precio y un par de cierres. Y ese es exactamente el terreno donde un modelo de lenguaje no tiene ninguna ventaja. Adivinar el próximo tick a partir de cuatro números es justo lo que un LLM hace mal: no es una serie temporal calibrada, no "ve" el order flow, y si le pides que prediga el movimiento inmediato, te inventará una respuesta con tono seguro. Le estábamos pidiendo lo que peor hace.
Un LLM sí puede razonar sobre situaciones descritas en palabras. Por ejemplo: «el mercado viene en tendencia fuerte y hay un dato de empleo en veinte minutos». Ese tipo de información se puede sopesar con criterio, y esa es su cancha. En esta parte le damos al motor ese contexto: un lector de régimen de mercado calculado en el código (tendencia, rango, volatilidad) y unas ventanas de noticias de alto impacto configurables, los dos metidos en un prompt más rico. Además le pedimos a la IA que devuelva una señal de riesgo, y agregamos un gating: no operar pegado a una noticia, ni cuando las IA coinciden en que el contexto es peligroso.
Autor: Martin Alejandro Bamonte