Artículos, Biblioteca - página 6

Artículo publicado Desarrollamos el indicador True Strength Index personalizado utilizando MQL5 : Les presento un nuevo artículo sobre la creación de indicadores personalizados. Esta vez trabajaremos con el True Strength Index (TSI) y crearemos un asesor basado en él. Como podemos ver, tenemos

Artículo publicado Desarrollamos un indicador Heiken Ashi personalizado utilizando MQL5 : En este artículo, aprenderemos cómo crear nuestro propio indicador usando MQL5 según nuestras preferencias. Dicho indicador se utilizará en MetaTrader 5 para interpretar gráficos o como parte de asesores

Artículo publicado Cómo detectar tendencias y patrones de gráficos usando MQL5 : El artículo presenta un método para detectar automáticamente patrones de acción del precio usando MQL5, tales como tendencias (ascendentes, descendentes, laterales) y patrones de gráficos (pico doble, valle doble)

calculadora de lotes Dzero : calculadora de lotes simple para darwiex zero Autor: Dario Conti

SCRIPTS PARA EJECUTAR ORDEN DE COMPRA, VENTA Y CERRAR LAS POSICIONES : Útiles scripts que te van agilizar tu operativa del trading. Facilitan la entrada y la salida del mercado y también el cierre de las operación abiertas. Yo no fui el creador, no se quien fue, solo encontré los archivos y tenían

Artículo publicado Previsión usando modelos ARIMA en MQL5 : En este artículo, continuaremos el desarrollo de la clase CArima para construir modelos ARIMA añadiendo métodos de predicción intuitivos. Es bien sabido que los modelos ARIMA se basan en las dependencias temporales del conjunto de datos

Artículo publicado Cómo convertirse en un proveedor de señales exitoso en MQL5.com : El objetivo principal de este artículo es mostrar un camino sencillo y pormenorizado para convertirse en el mejor proveedor de señales en MQL5.com. Basándome en mis conocimientos y experiencia, explicaré lo que

Artículo publicado Desarrollo de un sistema de repetición — Simulación de mercado (Parte 16): Un nuevo sistema de clases : Precisamos organizarnos mejor. El código está creciendo y si no lo organizamos ahora, será imposible hacerlo después. Así que vamos a dividir para conquistar. El hecho de que

Artículo publicado Teoría de Categorías en MQL5 (Parte 10): Grupos monoidales : El presente artículo continúa la serie sobre la implementación de la teoría de categorías en MQL5. Hoy analizaremos los grupos monoidales como un medio que normaliza conjuntos de monoides y los hace más comparables entre

Artículo publicado Desarrollo de un sistema de repetición — Simulación de mercado (Parte 15): Nacimiento del SIMULADOR (V) - RANDOM WALK : En este artículo, vamos a finalizar la fase en la que estamos desarrollando el simulador para nuestro sistema. El propósito principal aquí será ajustar el

Artículo publicado Mejore sus gráficos comerciales con una GUI interactiva basada en MQL5 (Parte I): Interfaz móvil (I) : Libere el poder de la presentación dinámica de datos en sus estrategias o utilidades comerciales con nuestra guía detallada para desarrollar una GUI móvil en MQL5. Sumérjase en

Artículo publicado Desarrollo de un sistema de repetición — Simulación de mercado (Parte 14): Nacimiento del SIMULADOR (IV) : En este artículo, continuaremos con la fase de desarrollo del simulador. Sin embargo, ahora veremos cómo crear efectivamente un movimiento del tipo "RANDOM WALK" (paseo

Artículo publicado Teoría de categorías (Parte 9): Acciones de monoides : El presente artículo continúa la serie sobre la implementación de la teoría de categorías en MQL5. En este artículo examinaremos las acciones de los monoides como un medio de transformación de los monoides descritos en el

Artículo publicado Desarrollo de un sistema de repetición — Simulación de mercado (Parte 13): Nacimiento del SIMULADOR (III) : Aquí optimizaremos un poco las cosas para facilitar lo que haremos en el próximo artículo. Y también te explicaré cómo puedes visualizar lo que está generando el simulador

Artículo publicado Redes neuronales: así de sencillo (Parte 43): Dominando las habilidades sin función de recompensa : El problema del aprendizaje por refuerzo reside en la necesidad de definir una función de recompensa, que puede ser compleja o difícil de formalizar. Para resolver esto, se están

Artículo publicado Desarrollo de un sistema de repetición — Simulación de mercado (Parte 12): Nacimiento del SIMULADOR (II) : Desarrollar un simulador puede resultar mucho más interesante de lo que parece. Así que demos algunos pasos más en esta dirección, porque las cosas están empezando a ponerse

Artículo publicado Representaciones en el dominio de la frecuencia de series temporales: El espectro de potencia : En este artículo, veremos métodos asociados con el análisis de series temporales en el dominio de la frecuencia. También prestaremos atención a los beneficios del estudio de las

Artículo publicado Algoritmo de recompra: simulación del comercio multidivisa : En este artículo crearemos un modelo matemático para simular la formación de precios multidivisa y completaremos el estudio del principio de diversificación en la búsqueda de mecanismos para aumentar la eficiencia del

EASmaBollinger : El asesor usa los indicadores de una media movil simple y las bandas de bollinger. Esta configurado con las bandas de bollinger a 20 y la media movil simple sma a 100 Cuando se usa el ea hay que poner tambien una media movil de 20 periodos para saber cuando hay que abrir y cerrar

ZigZag EA: Aesesor según el indicador ZigZag. Trabajo con órdenes pendientes Buy Stop y Sell Stop. Autor: Vladimir Karputov

Artículo publicado Redes neuronales: así de sencillo (Parte 42): Procrastinación del modelo, causas y métodos de solución : La procrastinación del modelo en el contexto del aprendizaje por refuerzo puede deberse a varias razones, y para solucionar este problema deberemos tomar las medidas

Artículo publicado Redes neuronales: así de sencillo (Parte 41): Modelos jerárquicos : El presente artículo describe modelos de aprendizaje jerárquico que ofrecen un enfoque eficiente para resolver problemas complejos de aprendizaje automático. Los modelos jerárquicos constan de varios niveles; cada

Artículo publicado Características del Wizard MQL5 que debe conocer (Parte 6): Transformada de Fourier : La transformada de Fourier, introducida por Joseph Fourier, es un medio para descomponer puntos de datos de ondas complejos en componentes de ondas simples. Esta característica puede resultar

Artículo publicado Redes neuronales: así de sencillo (Parte 40): Enfoques para utilizar Go-Explore con una gran cantidad de datos : Este artículo analizará el uso del algoritmo Go-Explore durante un largo periodo de aprendizaje, ya que la estrategia de elección aleatoria puede no conducir a una

Artículo publicado Implementando el algoritmo de aprendizaje ARIMA en MQL5 : En este artículo, implementaremos un algoritmo que aplica un modelo autorregresivo de media móvil integrada (modelo Box-Jenkins) utilizando el método de minimización de la función de Powell. Box y Jenkins argumentaron que

Artículo publicado Redes neuronales: así de sencillo (Parte 39): Go-Explore: un enfoque diferente sobre la exploración : Continuamos con el tema de la exploración del entorno en los modelos de aprendizaje por refuerzo. En este artículo, analizaremos otro algoritmo: Go-Explore, que permite explorar

Artículo publicado Redes neuronales: así de sencillo (Parte 38): Exploración auto-supervisada por desacuerdo (Self-Supervised Exploration via Disagreement) : Uno de los principales retos del aprendizaje por refuerzo es la exploración del entorno. Con anterioridad, hemos aprendido un método de

Artículo publicado Teoría de categorías en MQL5 (Parte 8): Monoides : El presente artículo continúa la serie sobre la implementación de la teoría de categorías en MQL5. Aquí presentamos los monoides como un dominio (conjunto) que distingue la teoría de categorías de otros métodos de clasificación de

Artículo publicado Matrices y vectores en MQL5: funciones de activación : En este artículo, describiremos solo uno de los aspectos del aprendizaje automático: las funciones de activación. En las redes neuronales artificiales, las funciones de activación de neuronas calculan el valor de la señal de

Artículo publicado Envolviendo modelos ONNX en clases : La programación orientada a objetos permite crear un código más compacto, fácil de leer y modificar. Le presentamos un ejemplo para tres modelos ONNX. Los votos mayoritarios se calculan con la fórmula <número total de votos>/2 + 1. Para un