Vhagar

¿Qué es?

Greensight AI COMBO es un indicador de inteligencia artificial totalmente autónomo para MetaTrader 5. Entrena tres modelos de secuencia de aprendizaje profundo distintos - xLSTM (sLSTM), GRU, y Mamba (Diagonal SSM) - directamente en los datos de mercado en vivo, luego alimenta sus salidas en un conjunto XGBoost de gradiente-impulsado para producir una señal direccional final. Este proceso de dos etapas se ejecuta simultáneamente en los 21 plazos nativos de MetaTrader 5 (de M1 a MN1) y muestra cada señal, lectura de confianza y métrica de salud del modelo en una única superposición HUD interactiva - sin servidor externo, sin alimentación de suscripción, sin dependencia de caja negra.

No es necesario instalar nada más que el archivo del indicador. El entrenamiento se produce automáticamente al conectar y se repite con cada nueva barra.

Cómo funciona el proceso en dos fases

Etapa 1 - Extracción de secuencias de aprendizaje profundo

Se entrenan y ejecutan en paralelo tres modelos de secuencias arquitectónicamente distintos. Cada modelo opera en dos pistas de datos independientes por período: una pista de precio normalizado y una pista de rentabilidad logarítmica normalizada, produciendo seis predicciones brutas por período (tres modelos × dos pistas).

xLSTM (variante sLSTM - Beck et al. 2024 ) La implementación ampliada de la memoria a largo plazo sustituye el olvido sigmoide estándar y las puertas de entrada por puertas exponenciales. Una variable estabilizadora en ejecución evita el desbordamiento numérico durante la exponenciación, y una variable normalizadora mantiene acotada la salida de la celda. Se ha demostrado que esta arquitectura mantiene el flujo de gradiente en secuencias más largas que la LSTM clásica y responde con mayor agudeza a los cambios de régimen, una propiedad importante en las transiciones entre tendencia y oscilación del mercado.

GRU (Gated Recurrent Unit) Una arquitectura recurrente más ligera con puertas de reinicio y actualización. La GRU se entrena más rápido por época, converge de forma fiable en ventanas de revisión retrospectiva más cortas y actúa como una "segunda opinión" complementaria a la xLSTM. Mientras que la xLSTM puede retrasarse en los retrocesos repentinos, la GRU suele captarlos antes.

Mamba (Diagonal State Space Model) Un SSM diagonal simplificado inspirado en la literatura del espacio de estados estructurado. En lugar de un mecanismo de atención explícito, Mamba propaga un estado latente a través de una matriz de transición diagonal, lo que permite un modelado temporal eficiente de largo alcance con un coste computacional mínimo. La restricción diagonal mantiene estable la formación al tiempo que preserva la sensibilidad a los regímenes de mercado que evolucionan lentamente.

Los tres modelos se inicializan con pesos aleatorios a escala de Xavier, se entrenan mediante un esquema combinado de gradiente-descenso/perturbación SPSA con sujeción de pesos, y se ejecutan en modo de inferencia en la barra actual para producir el vector de características de la Etapa 1.

Etapa 2 - Tocones de decisión potenciados por gradiente XGBoost

Los seis resultados de la etapa 1 se combinan con dos características de estructura de vela OHLC (la relación de rango alto-bajo y la relación de cuerpo) para formar un vector de entrada de 8 características. Este vector se pasa a un bosque XGBoost entrenado de tocones de decisión poco profundos. XGBoost aprende correcciones residuales de forma iterativa, lo que lo hace muy eficaz a la hora de combinar fuentes de señales heterogéneas (en este caso, tres modelos DL con diferentes potencias) en una única predicción direccional calibrada.

El resultado final de la Etapa 2 es un escalar entre -1 y +1. Los valores por encima del umbral de zona muerta configurable producen una señal de COMPRA; los valores por debajo producen una VENTA; el resto se registra como NEUTRO.

El HUD de un vistazo

El panel flotante del HUD está dividido en secciones claramente etiquetadas, todas visibles a la vez:

Cuadrícula de señales 7 × 3 (Sección A) Los 21 plazos se muestran en una cuadrícula compacta de siete columnas y tres filas. Cada fila muestra la etiqueta del marco temporal, la señal actual (Débil / Media / Fuerte COMPRA o VENTA, o NEUTRO), el porcentaje de confianza y una puntuación de Acuerdo DL: el recuento de submodelos de la Etapa 1 que están de acuerdo con la dirección final de la Etapa 2 (se muestra como x/6).

Fila de confianza dela banda Los 21 marcos temporales se agrupan en tres bandas temporales: CORTA (M1-M30), MEDIA (H1-H12) y LARGA (D1-MN). Cada banda muestra su dirección de consenso, confianza media y recuentos alcista/bajista de un vistazo.

Matriz de probabilidades (Sección B) Un sistema de puntuación de confluencias de cuatro niveles:

La estimación de la probabilidad se ajusta dinámicamente en función de la confianza media en los plazos entrenados.

Panel de confluencia (Sección C) Muestra el porcentaje neto de acuerdo alcista/bajista, la confianza media en todos los factores temporales entrenados, una puntuación normalizada y la etiqueta de sesgo dominante (alcista fuerte / sesgo alcista / sin sesgo / sesgo bajista / fuertemente bajista).

Salud y acuerdo del modelo (Sección F) Desglose por modelo de los seis submodelos de la Etapa 1 (xLSTM-Price, GRU-Price, Mamba-Price, xLSTM-Return, GRU-Return, Mamba-Return) en los 21 plazos entrenados. Las columnas muestran el recuento alcista, el recuento bajista, el recuento neutral, la decisión media, el porcentaje de acuerdo XGBoost, una insignia de estado de salud (FUERTE / ACTIVO / DÉBIL) y el sesgo neto. Esta sección es muy valiosa para diagnosticar qué modelos están impulsando la señal general y cuáles están tirando en la dirección opuesta.

Rastreador de validez del modelo Muestra las marcas de tiempo de entrenamiento por banda, la ventana de validez calculada (derivada del recuento de barras de entrenamiento y la duración media de la TF), el tiempo restante antes de que el modelo se considere obsoleto y una insignia de estado FRESCO / ENVEJECIDO / OBsoleto. Le indica exactamente cuándo debe volver a entrenarse.

Pie de página / Barra alcista/bajista Un resumen general de sesgo de una sola línea con una barra visual proporcional que muestra el equilibrio alcista/bajista en los 21 marcos temporales.

Sistema de alertas

Las alertas se disparan en tres escenarios distintos:

• Nivel 1 Alineación de todas las bandas - las tres bandas temporales votan en la misma dirección con una confianza por encima del umbral.
• Umbral de sesgo: el sesgo neto alcista/bajista alcanza o supera el mínimo configurado con confirmación a mitad de banda.
• Bias Flip - la dirección dominante se invierte con respecto a la lectura de la barra anterior.

Las alertas se muestran en la ventana de alertas de MT5. Las notificaciones push opcionales envían la señal a su dispositivo móvil a través del sistema push de MT5. Un enfriamiento configurable evita la duplicación de alertas dentro de un número definido de barras.

Controles HUD

El panel es totalmente interactivo sin necesidad de recargar el indicador:

• [─] Minimizar - contrae el HUD a la barra de cabecera solamente, manteniendo su gráfico limpio.
• [↔] Modo Mover: permite arrastrar para reposicionar haciendo clic con el botón izquierdo o con los botones de flecha (◄ ► ▲ ▼).
• Escala [+] / [-]: escala todo el HUD de 0,5× a 2,0× en incrementos de 0,1× para adaptarse a cualquier resolución de monitor.

Parámetros de entrada

Etapa 1: DL Model Weights Configure la ponderación de la contribución de cada modelo (xLSTM, GRU, Mamba) y la ponderación relativa entre la pista de precios y la pista de log-return.

Configuración de xLSTM / GRU

• Longitud de la secuencia Lookback (barras)
• Unidades ocultas por celda (hasta 12)
• Barras de entrenamiento por marco temporal
• Épocas de entrenamiento
• Tasa de aprendizaje
• Umbral de zona muerta de la señal

Ajustes de Mamba

• Épocas de entrenamiento
• Tasa de aprendizaje

Etapa 2: XGBoost

• Número de árboles de refuerzo (hasta 10)
• Tasa de aprendizaje (contracción)
• Tamaño de la muestra de entrenamiento de la etapa 2

Alertas

• Activar / desactivar alertas
• Activar / desactivar las notificaciones push
• Umbral mínimo de confianza para disparar
• Sesgo neto mínimo para disparar
• Enfriamiento de la alerta (barras)

HUD

• Posición inicial X e Y
• Multiplicador de escala
• Actualización automática al cambiar de barra

Apariencia Personalización completa del color para cada elemento: fondo, borde, cabecera, subcabecera, texto silenciado, color toro, color oso, color neutro, color excedente y acento dorado. Todos los colores aceptan entradas de color MT5 estándar.

Notas prácticas de uso

• En el primer acoplamiento el indicador entrena los 21 modelos del timeframe secuencialmente. El tiempo de entrenamiento depende de los ajustes de Barras de Entrenamiento y Épocas; la configuración por defecto suele completarse en menos de dos minutos en una máquina moderna.
• El HUD se actualiza en cada nueva barra cuando Auto-Refresh está activado. La inferencia es ligera; sólo se ejecuta el pase de avance en cada barra - el reentrenamiento completo requiere una recarga manual del indicador.
• Las señales de nivel 1 (las tres bandas alineadas) representan las configuraciones de mayor calidad. Considérelas cuidadosamente; son infrecuentes por diseño.
• La sección Salud del modelo puede ayudarle a ajustar las ponderaciones: si un modelo muestra constantemente un estado DÉBIL (baja concordancia XGB), puede reducir su ponderación de Etapa 1 en las entradas.
• El rastreador de Validez del Modelo le proporciona una señal basada en datos de cuándo las ponderaciones entrenadas se están quedando obsoletas en relación con las condiciones actuales del mercado. Recargue el indicador para volver a entrenar cuando una banda muestre STALE.
• Utilice el control de escala para que el HUD sea legible en monitores 4K sin sacrificar espacio del gráfico en pantallas más pequeñas.

Especificaciones técnicas

Greensight AI COMBO es una herramienta de análisis técnico. Todas las señales son de naturaleza probabilística. La concordancia con modelos anteriores no garantiza la precisión futura. Aplique siempre una gestión independiente del riesgo.