NNArbitrage
- Utilidades
- Marius Ovidiu Sunzuiana
- Versión: 1.0
- Activaciones: 5
En un mercado inundado de indicadores rezagados y estrategias sobreajustadas, esta utilidad ofrece una nueva ventaja: arbitraje estadístico en tiempo real impulsado por una red neuronal adaptativa, construida enteramente en MQL5-sin DLLs, sin dependencias externas.
Principales ventajas
- Smart Spread Modeling
Calcula dinámicamente un ratio de cobertura entre dos instrumentos correlacionados (como EURUSD vs GBPUSD), formando un spread sintético que refleja el verdadero valor relativo. No se trata sólo de correlación, sino de lógica de cointegración. - Inteligencia de red neuronal
Una ligera red neuronal integrada en el código aprende del comportamiento reciente del mercado para predecir la reversión a la media a corto plazo. Se adapta a medida que cambian las condiciones, filtrando el ruido y destacando las configuraciones de alta probabilidad. - Precisión Z-Score
El diferencial se normaliza utilizando una puntuación Z móvil, lo que ofrece a los operadores una visión clara de cuándo el par está estadísticamente estirado y cuándo es probable que retroceda. - Filtrado en función de la sesión
- Las operaciones sólo se marcan durante las horas de mayor liquidez (por ejemplo, el solapamiento Londres-Nueva York), lo que evita señales falsas en mercados poco activos.
- Señales listas para la ejecución
Aunque se trata de un indicador, no de un EA, genera configuraciones claras de spreads largos/cortos que pueden conectarse a sistemas automatizados o utilizarse manualmente con confianza. - Sin ajuste de curvas, sin caja negra
Todo es transparente y ajustable. Usted controla el horizonte de entrenamiento, los umbrales de puntuación z y los filtros de riesgo. La red neuronal se entrena en línea, sin pesos precargados ni sobreajustes. - Casos de uso
- Pairs Traders que buscan explotar dislocaciones temporales entre activos correlacionados.
- Scalpers que quieren añadir una ventaja estadística a sus configuraciones a corto plazo.
- Operadores discrecionales con inclinaciones cuánticas que desean visualizar el comportamiento de los diferenciales y las predicciones neuronales antes de apretar el gatillo.
- Desarrolladores de EA que deseen integrar la lógica del aprendizaje automático sin depender de bibliotecas externas.
