Tienda de Aplicaciones

Muchos traders se han encontrado en esta situación: a menudo se ciñen a sus criterios de entrada, pero les cuesta gestionar las operaciones. Incluso con las configuraciones de entrada adecuadas, la toma de decisiones basada en las emociones —como cerrar posiciones por pánico antes de que alcancen sus niveles de take profit o de stop loss— puede provocar una curva de capital descendente. ¿Cómo se puede superar este problema y mejorar los resultados? En este artículo se abordarán estas cuestiones analizando las tasas de aciertos aleatorias y demostrando, mediante una simulación de Monte Carlo, cómo los traders pueden perfeccionar sus estrategias tomando beneficios a niveles razonables antes de alcanzar el objetivo inicial.

Este artículo guía al lector a través de una versión renovada de la clásica estrategia de ruptura de las bandas de Bollinger. En él se señalan las principales deficiencias del enfoque original, como su conocida propensión a las falsas rupturas. El artículo tiene como objetivo presentar una posible solución: la estrategia de trading de las bandas de Bollinger dobles. Este enfoque, relativamente menos conocido, soluciona las deficiencias de la versión clásica y ofrece una perspectiva más dinámica de los mercados financieros. Además, nos ayuda a superar las antiguas limitaciones impuestas por las normas originales, proporcionando a los traders un marco más sólido y adaptable.

Este artículo propone un proceso de filtrado de activos para una estrategia de arbitraje estadístico basada en acciones cointegradas. El sistema comienza con el filtrado habitual por factores económicos, como el sector y la industria de los activos, y concluye con una lista de criterios para un sistema de puntuación. Para cada prueba estadística utilizada en el filtrado, se desarrolló una clase de Python correspondiente: correlación de Pearson, cointegración de Engle-Granger, cointegración de Johansen y estacionariedad mediante ADF/KPSS. Estas clases de Python se incluyen junto con una nota personal del autor sobre el uso de asistentes de IA para el desarrollo de software.

En este artículo, desarrollamos en MQL5 un asistente de configuración inicial del usuario para asesores expertos (EAs) que incluye una guía desplazable con un panel de control interactivo, formato de texto dinámico y controles visuales, como botones y una casilla de verificación, que permiten a los usuarios recorrer las instrucciones y configurar los parámetros de negociación de forma eficaz. Los usuarios del programa pueden hacerse una idea de en qué consiste y qué deben hacer la primera vez que lo ejecutan; es más bien una especie de guía de orientación.

Este artículo presenta los fundamentos para conectar MetaTrader 5 a una plataforma de intercambio de criptomonedas mediante MQL5 y la API de MEXC Futures. Abarca la configuración del terminal, el procesamiento de respuestas JSON, la ejecución y validación de WebRequest(), y la conversión de datos de la API a tipos nativos de MQL5. Los ejemplos prácticos muestran cómo recuperar y procesar datos de la plataforma de intercambio. Dichos componentes constituyen la base de una aplicación cliente reutilizable de MEXC Futures, desarrollada de forma progresiva a lo largo de la serie. La serie se centra exclusivamente en la integración con la plataforma de intercambio de criptomonedas; el uso que los lectores hagan de los datos obtenidos queda fuera de su alcance.

El framework SpikingBrain presenta un enfoque único para el procesamiento de datos: las neuronas solo responden a eventos significativos, lo que permite filtrar eficazmente el ruido. Su arquitectura basada en eventos reduce los costes computacionales al tiempo que conserva la información clave sobre la evolución de los precios. Los umbrales adaptativos y la posibilidad de utilizar módulos preentrenados garantizan la flexibilidad y la escalabilidad del modelo.