Artigos com exemplos de como programar robôs de negociação na linguagem MQL5

icon

Os experts são o coração da negociação automatizada e o objetivo de toda pessoa que programa estratégias de trading. Você pode criar seu próprio robô de negociação com a ajuda dos artigos desta seção. Os principiantes podem seguir passo a passo todas as etapas dos sistemas de negociação automatizados: criação, depuração e teste.

Os artigos ensinam não apenas como programar em MQL5, mas também mostram como implementar quaisquer ideias e técnicas de negociação. Aprenda a programar um trailing stop, a aplicar o gerenciamento de dinheiro, a calcular o valor de um indicador e muito, muito mais.

Novo artigo
recentes | melhores
preview
Redes neurais em trading: modelos de refinamento iterativo de previsões (RAFT)

Redes neurais em trading: modelos de refinamento iterativo de previsões (RAFT)

O framework RAFT propõe uma abordagem fundamentalmente diferente para prever a dinâmica do mercado: em vez de produzir uma previsão única, ele refina iterativamente o estado em tempo real. Ao mesmo tempo, leva em conta mudanças locais e globais, mantendo alta precisão mesmo diante de estruturas de preços complexas.
preview
Redes neurais em trading: Percepção adaptativa da dinâmica do mercado (Conclusão)

Redes neurais em trading: Percepção adaptativa da dinâmica do mercado (Conclusão)

O artigo dá continuidade à implementação das abordagens do framework STE-FlowNet, que combina processamento multithread com estruturas recorrentes para analisar dados complexos com alta precisão. Os testes realizados confirmaram sua estabilidade e flexibilidade em diferentes cenários. A arquitetura acelera os cálculos e permite modelar com maior profundidade as dependências presentes nas séries temporais. Essa abordagem abre novas possibilidades de aplicação prática no trading e na análise de mercado.
preview
Redes neurais em trading: Modelos de refinamento iterativo de previsões (Componentes principais)

Redes neurais em trading: Modelos de refinamento iterativo de previsões (Componentes principais)

Neste artigo, exploramos a mecânica interna do framework RAFT, uma das abordagens mais precisas e elegantes para a análise de processos dinâmicos. Passo a passo, adaptamos sua ideia de refinamento iterativo às séries temporais financeiras, criando uma base sólida para o desenvolvimento do futuro modelo. O leitor fará uma imersão envolvente na arquitetura, em que cada componente tem seu próprio significado e função.
preview
Modelos matemáticos em estratégias de grade

Modelos matemáticos em estratégias de grade

Neste artigo, veremos como aplicar a matemática às estratégias de grade. Analisaremos os princípios básicos de funcionamento da estratégia, suas vantagens e desvantagens. Você aprenderá a construir uma grade de negociação, definir parâmetros ideais e gerenciar os riscos de forma eficiente.
preview
Redes neurais no trading: percepção adaptativa da dinâmica de mercado (Codificador)

Redes neurais no trading: percepção adaptativa da dinâmica de mercado (Codificador)

O artigo apresenta uma arquitetura abrangente do codificador STE-FlowNet, que combina memória em pilha, processamento recorrente e um mecanismo de correlação para extrair dependências ocultas do mercado. O artigo mostra como esses módulos são integrados sequencialmente em uma única cadeia computacional, capaz de analisar as séries temporais sob múltiplas perspectivas.
preview
Redes neurais no trading: Percepção adaptativa da dinâmica de mercado (STE-FlowNet)

Redes neurais no trading: Percepção adaptativa da dinâmica de mercado (STE-FlowNet)

O framework STE-FlowNet oferece uma nova perspectiva para a análise de dados financeiros, reagindo a eventos reais do mercado, e não a timeframes fixos. Sua arquitetura preserva as dependências locais e temporais, permitindo rastrear até mesmo pequenos impulsos na dinâmica dos preços.
preview
Redes neurais no trading: abordagem semântica baseada em spikes para identificação espaçotemporal (Conclusão)

Redes neurais no trading: abordagem semântica baseada em spikes para identificação espaçotemporal (Conclusão)

Em nossa interpretação, a S3CE-Net traduz com eficiência o mercado para a linguagem dos eventos e capta impulsos iniciais que os indicadores tradicionais simplesmente diluem em médias. O STFS mantém a estabilidade do treinamento: o modelo observa os dados sob diferentes perspectivas e não se sobreajusta a anomalias locais. Os blocos SSAM e a implementação em OpenCL proporcionam velocidade e precisão na prática, enquanto a separação entre os modos de treinamento e operação reduz o consumo de recursos em produção.
preview
Redes neurais em trading: abordagem semântica baseada em spikes para identificação espaço-temporal (Componentes principais)

Redes neurais em trading: abordagem semântica baseada em spikes para identificação espaço-temporal (Componentes principais)

Neste artigo, analisamos em detalhes a integração do módulo SSAM ao bloco SEW-ResNeXt, mostrando como o framework S3CE-Net permite combinar de forma eficiente a atenção baseada em spikes com blocos residuais. Essa arquitetura proporciona um processamento preciso dos fluxos de dados temporais e espaciais, além de alta estabilidade durante o treinamento. A modularidade e a flexibilidade dos componentes facilitam a expansão do modelo e a reutilização de métodos já validados.
preview
Mapas auto-organizáveis de Kohonen em um EA MQL5

Mapas auto-organizáveis de Kohonen em um EA MQL5

Os mapas auto-organizáveis de Kohonen transformam o caos dos dados de mercado em um mapa bidimensional estruturado, no qual padrões semelhantes são agrupados. Este artigo apresenta uma implementação completa de SOM em um EA MQL5, com quatrocentos neurônios e treinamento contínuo. Analisamos o algoritmo de busca pela Best Matching Unit, a atualização dos pesos com uma função gaussiana de vizinhança, a integração com efeitos quânticos e a geração de sinais de trading. O código é aberto, a matemática é clara e os resultados podem ser verificados.
preview
Redes neurais em trading: Abordagem semântica baseada em spikes para identificação espaço-temporal (S3CE-Net)

Redes neurais em trading: Abordagem semântica baseada em spikes para identificação espaço-temporal (S3CE-Net)

Apresentamos o framework S3CE-Net e seus mecanismos SSAM e STFS, que processam com precisão eventos de spikes levando em conta a causalidade. O modelo é leve, opera em paralelo e é capaz de identificar relações complexas no tempo e no espaço.
preview
Redes neurais em trading: Treinamento de modelos spiking profundos (Conclusão)

Redes neurais em trading: Treinamento de modelos spiking profundos (Conclusão)

Neste artigo, apresentamos uma implementação prática do framework SEW ResNet em MQL5, com ênfase em sua aplicação ao trading. O Bottleneck duplo permite analisar simultaneamente fluxos unitários e dependências entre canais, sem perda de gradientes durante o treinamento. Ativações spiking com limiares adaptativos e gates aumentam a robustez ao ruído e a sensibilidade a novas configurações do mercado. O texto apresenta detalhes da implementação e os resultados dos testes.
preview
Redes neurais em trading: Treinamento de modelos spiking profundos (Integração de spikes)

Redes neurais em trading: Treinamento de modelos spiking profundos (Integração de spikes)

O artigo apresenta uma implementação prática, em MQL5, dos principais componentes do framework SEW-ResNet. O uso de arrays dinâmicos e mecanismos spiking permite construir a arquitetura do modelo de forma flexível e processar séries temporais financeiras com eficiência. As soluções propostas mostram como o SEW-ResNet pode otimizar os cálculos e melhorar a extração de atributos relevantes.
preview
Desenvolvendo um EA Dinâmico para Múltiplos Pares (Parte 2): Diversificação e Otimização de Portfólio

Desenvolvendo um EA Dinâmico para Múltiplos Pares (Parte 2): Diversificação e Otimização de Portfólio

A Diversificação e Otimização de Portfólio distribui estrategicamente os investimentos entre múltiplos ativos para minimizar o risco, ao mesmo tempo em que seleciona a combinação ideal de ativos para maximizar os retornos com base em métricas de desempenho ajustadas ao risco.
preview
Engenharia de Atributos com Python e MQL5 (Parte IV): Reconhecimento de Padrões de Candlestick com Regressão UMAP

Engenharia de Atributos com Python e MQL5 (Parte IV): Reconhecimento de Padrões de Candlestick com Regressão UMAP

Técnicas de redução de dimensionalidade são amplamente utilizadas para melhorar o desempenho de modelos de machine learning. Vamos discutir uma técnica relativamente nova conhecida como Uniform Manifold Approximation and Projection (UMAP). Essa nova técnica oi desenvolvida explicitamente para superar as limitações de métodos tradicionais que criam artefatos e distorções nos dados. UMAP é uma poderosa técnica de redução de dimensionalidade e nos ajuda a agrupar candlesticks semelhantes de uma maneira nova e eficaz, reduzindo nossas taxas de erro em dados out-of-sample e melhorando nosso desempenho de trading.
preview
Automatizando Estratégias de Trading em MQL5 (Parte 14): Estratégia de Layering de Trades com MACD, RSI e Métodos Estatísticos

Automatizando Estratégias de Trading em MQL5 (Parte 14): Estratégia de Layering de Trades com MACD, RSI e Métodos Estatísticos

Neste artigo, apresentamos uma estratégia de trade layering (escalonamento de posições) que combina os indicadores MACD e RSI com métodos estatísticos para automatizar o trading dinâmico em MQL5. Exploramos a arquitetura dessa abordagem em cascata, detalhamos sua implementação por meio dos principais segmentos de código e orientamos os leitores sobre o backtesting para otimizar o desempenho. Por fim, concluímos destacando o potencial da estratégia e preparando o terreno para melhorias futuras no trading automatizado.
preview
Desenvolvendo uma Estratégia de Pullback: Validação

Desenvolvendo uma Estratégia de Pullback: Validação

A etapa de validação de um pullback avança com inclinação das EMAs, limites mínimo e máximo de distância por ATR, janela flexível do gatilho ATR e Walk-Forward Efficiency. As baterias comparam componentes e medem continuidade fora da amostra, dependência exclusiva da gestão. O resultado destaca plataformas paramétricas e critérios práticos para selecionar candidatos e evitar sobreajuste.
preview
Redes neurais em trading: Treinamento de modelos spiking profundos (SEW-ResNet)

Redes neurais em trading: Treinamento de modelos spiking profundos (SEW-ResNet)

Convidamos você a conhecer o framework SEW-ResNet, que permite construir modelos spiking profundos sem problemas de degradação e com controle eficiente dos gradientes. Neste artigo, demonstramos como implementar um neurônio spiking básico e seus algoritmos com MQL5.
preview
Redes neurais em trading: Dos transformers aos neurônios spiking (Conclusão)

Redes neurais em trading: Dos transformers aos neurônios spiking (Conclusão)

As redes neurais já estão transformando a forma como analisamos os mercados, e novas arquiteturas abrem possibilidades ainda maiores. Neste artigo, concluímos nosso desenvolvimento com o framework SpikingBrain, que nos apresenta novas perspectivas.
preview
Criando sistemas de trading com IA em MQL5 (Parte 3): Evoluindo para uma interface rolável voltada para um único chat

Criando sistemas de trading com IA em MQL5 (Parte 3): Evoluindo para uma interface rolável voltada para um único chat

Neste artigo, aprimoramos o programa integrado ao ChatGPT em MQL5, adotando uma interface rolável voltada para um único chat e melhorando a exibição do histórico das conversas com marcas de tempo e rolagem dinâmica. O sistema utiliza parsing de JSON para gerenciar mensagens em conversas com múltiplos turnos e oferece modos configuráveis para a barra de rolagem, além de efeitos ao passar o mouse, melhorando a interação do usuário com o sistema.
preview
Negociando opções sem opções (Parte 3): Estratégias complexas com opções

Negociando opções sem opções (Parte 3): Estratégias complexas com opções

São analisadas estratégias com opções para mercado lateral (não direcionais) e para mercado em tendência (direcionais), bem como sua implementação em MQL5. O EA desenvolvido no artigo anterior é aprimorado com a exibição dos níveis de opções. Agora é hora de analisar o funcionamento e implementar as estratégias que os traders de opções utilizam na prática.
preview
Redes neurais em trading: Dos transformers aos neurônios spiking (Componentes principais)

Redes neurais em trading: Dos transformers aos neurônios spiking (Componentes principais)

Apresentamos ao leitor uma implementação das abordagens do framework SpikingBrain com base em atenção linear recorrente com gates, analisada em detalhes neste artigo. Os algoritmos de propagação para frente, propagação dos gradientes e atualização dos pesos proporcionam um processamento eficiente de séries temporais financeiras e permitem colocar em prática as principais ideias do framework.
preview
Redes neurais em trading: dos Transformers aos neurônios de disparo (SpikingBrain)

Redes neurais em trading: dos Transformers aos neurônios de disparo (SpikingBrain)

O framework SpikingBrain apresenta uma abordagem singular para o processamento de dados: seus neurônios reagem apenas a eventos relevantes, filtrando o ruído com eficiência. Sua arquitetura orientada a eventos reduz os custos computacionais sem perder informações essenciais sobre os movimentos do mercado. Os limiares adaptativos e a possibilidade de utilizar módulos pré-treinados conferem flexibilidade e escalabilidade ao modelo.
preview
Redes neurais em trading: sinais de negociação robustos em qualquer regime de mercado (Conclusão)

Redes neurais em trading: sinais de negociação robustos em qualquer regime de mercado (Conclusão)

O artigo examina em detalhes a integração das abordagens do framework ST-Expert à arquitetura Extralonger, o que permite analisar simultaneamente as representações temporais e espaciais dos dados. São apresentados resultados de testes com dados históricos reais, que demonstram a eficácia do modelo e sua robustez diante de anomalias do mercado. Também é descrita a estrutura modular do framework, que garante a reprodutibilidade, oferece flexibilidade para pesquisas e permite otimizar seus componentes de forma gradual.
preview
Redes neurais em trading: sinais de negociação robustos em qualquer regime de mercado (módulos de atenção)

Redes neurais em trading: sinais de negociação robustos em qualquer regime de mercado (módulos de atenção)

Neste artigo, damos continuidade à implementação das abordagens do framework ST-Expert, concentrando-nos nos aspectos práticos de sua aplicação com os recursos do MQL5. Anteriormente, analisamos os fundamentos teóricos e os principais componentes do modelo. Agora, passamos a trabalhar diretamente com os algoritmos de atenção em grafos e de distribuição local e global da atenção. O principal objetivo desta etapa é mostrar como as ideias conceituais do ST-Expert se transformam em soluções funcionais para a análise e a previsão de séries financeiras.
preview
Desenvolvendo uma Estratégia de Pullback: Construção do Modelo Base

Desenvolvendo uma Estratégia de Pullback: Construção do Modelo Base

Este artigo apresenta a evolução de um EA de pullback em MQL5, desde a definição do regime por EMA até a identificação da retração e a confirmação do gatilho. São abordados a otimização integrada ao MetaTrader 5, o stop ajustado ao tick size, o filtro de distância por ATR e a gestão com breakeven e trailing, priorizando platôs paramétricos, controle dos graus de liberdade e redução do risco de overfitting.
preview
Desenvolvendo uma estratégia de pullback: Fundamentos

Desenvolvendo uma estratégia de pullback: Fundamentos

O artigo apresenta os fundamentos de uma estratégia de pullback a partir de quatro pilares: regime, retração, gatilho e gestão. A proposta é mostrar como essa lógica pode sair da leitura visual do mercado e começar a ser transformada em regras objetivas no MetaTrader 5, por meio de um EA simples e inicial. A partir desse primeiro passo, o leitor acompanha como uma ideia de trading começa a ganhar estrutura, permitindo testar hipóteses, observar resultados e preparar a evolução da estratégia de forma progressiva.
preview
Redes neurais em trading: sinais de negociação robustos em qualquer regime de mercado (ST-Expert)

Redes neurais em trading: sinais de negociação robustos em qualquer regime de mercado (ST-Expert)

Neste artigo, vamos conhecer o framework ST-Expert, que torna as previsões robustas diante da incerteza do mercado, permitindo levar em conta dependências locais e globais em séries temporais. Sua arquitetura flexível favorece a adaptabilidade dos modelos e aumenta a precisão das previsões.
preview
Redes neurais em trading: uma visão unificada do espaço e do tempo (final)

Redes neurais em trading: uma visão unificada do espaço e do tempo (final)

O framework Extralonger demonstra uma capacidade única de integrar fatores espaciais e temporais em um único modelo, favorecendo previsões de alta precisão. Sua arquitetura permite adaptar-se a diferentes horizontes de previsão e instrumentos financeiros, mantendo a transparência e a capacidade de controle do sistema.
preview
Criando um Painel de Administração de Trading em MQL5 (Parte IX): Organização do Código (V): Classe AnalyticsPanel

Criando um Painel de Administração de Trading em MQL5 (Parte IX): Organização do Código (V): Classe AnalyticsPanel

Nesta discussão, exploramos como recuperar dados de mercado em tempo real e informações da conta de negociação, realizar diversos cálculos e exibir os resultados em um painel personalizado. Para alcançar esse objetivo, vamos nos aprofundar no desenvolvimento de uma classe AnalyticsPanel que encapsula todos esses recursos, incluindo a criação do painel. Este trabalho faz parte da nossa expansão contínua do EA New Admin Panel, introduzindo funcionalidades avançadas utilizando princípios de design modular e boas práticas de organização de código.
preview
Redes neurais no trading: uma visão unificada sobre espaço e tempo (Global-Local Attention)

Redes neurais no trading: uma visão unificada sobre espaço e tempo (Global-Local Attention)

Continuamos a trabalhar na implementação das abordagens propostas pelos autores do framework Extralonger. Desta vez, vamos nos concentrar na implementação do módulo Global-Local Spatial Attention em MQL5, examinando tanto sua estrutura quanto sua integração prática ao fluxo computacional geral.
preview
Redes neurais no trading: uma visão unificada sobre espaço e tempo (Extralonger)

Redes neurais no trading: uma visão unificada sobre espaço e tempo (Extralonger)

O framework Extralonger demonstra uma abordagem para integrar fatores espaciais e temporais em um único modelo, permitindo considerar simultaneamente padrões locais e ciclos de longo prazo. Essa arquitetura torna a previsão de séries temporais mais robusta ao ruído de mercado e abre a possibilidade de analisar dados em diferentes horizontes. Neste artigo, examinamos em detalhes como implementar essas ideias na prática com OpenCL e MQL5.
preview
Trading algorítmico de arbitragem com teoria dos grafos

Trading algorítmico de arbitragem com teoria dos grafos

Neste artigo, tratamos a arbitragem triangular como um problema de busca de ciclos em um grafo orientado, no qual os vértices representam moedas e as arestas representam pares de moedas com pesos correspondentes às taxas de câmbio. Um ciclo lucrativo ocorre quando o produto dos pesos é > 1. Os algoritmos Floyd-Warshall e DFS que desenvolvemos encontram os caminhos ideais de conversão de moedas com retorno ao ponto inicial e geração de lucro.
preview
Redes neurais em trading: modelo de difusão adaptativa em grafos (Conclusão)

Redes neurais em trading: modelo de difusão adaptativa em grafos (Conclusão)

Neste artigo, concluímos a construção do framework SAGDFN em MQL5, apresentando um balanço do desenvolvimento e demonstrando os resultados de seu teste prático. Vamos reunir os módulos implementados anteriormente em um único sistema, mostrar os pontos fortes da abordagem, apontar suas vulnerabilidades e discutir possíveis caminhos de aprimoramento.
preview
Robô de negociação baseado em um modelo de linguagem GPT

Robô de negociação baseado em um modelo de linguagem GPT

Este artigo apresenta a implementação completa do TimeGPT, uma arquitetura especializada baseada no Transformer para a previsão de séries temporais financeiras na plataforma MetaTrader 5. Ele aborda a adaptação do mecanismo de atenção para dados financeiros, a tokenização seletiva das variações de preço, otimizações orientadas ao hardware e técnicas avançadas de treinamento. O artigo inclui resultados de testes práticos, que demonstraram uma precisão de previsão de 87% em um horizonte de 24 barras, com um tempo de treinamento de 15 minutos na CPU. É apresentado um EA pronto para uso com reajuste automático do modelo.
preview
Redes neurais em trading: modelo de difusão adaptativa em grafos (módulo de atenção)

Redes neurais em trading: modelo de difusão adaptativa em grafos (módulo de atenção)

Neste artigo, examinaremos em detalhes a implementação prática dos componentes-chave do framework SAGDFN. Mostraremos como são estruturadas a atenção esparsa e a seleção de vizinhos significativos para a previsão de séries temporais. As abordagens apresentadas demonstram um equilíbrio entre a precisão das previsões e a eficiência computacional.
preview
EA Forex baseado em rede neural N-BEATS Network

EA Forex baseado em rede neural N-BEATS Network

Implementação da arquitetura N-BEATS para trading Forex no MetaTrader 5 com previsão quantílica e gestão de risco adaptativa. A arquitetura foi adaptada por meio de normalização bilinear e funções de perda especializadas para dados financeiros. Testes com dados de 2025 mostraram sua incapacidade de gerar lucro, confirmando a distância entre os avanços teóricos e a eficiência prática na negociação.
preview
Criando um Painel Administrativo de Negociação em MQL5 (Parte IX): Organização do Código (IV): Classe do Painel de Gerenciamento de Negociações

Criando um Painel Administrativo de Negociação em MQL5 (Parte IX): Organização do Código (IV): Classe do Painel de Gerenciamento de Negociações

Esta discussão aborda o Painel de Gerenciamento de Negociações atualizado em nosso EA New_Admin_Panel. A atualização aprimora o painel utilizando classes integradas para oferecer uma interface intuitiva para gerenciamento de negociações. Ela inclui botões de negociação para abertura de posições e controles para gerenciamento de negociações existentes e ordens pendentes. Um recurso importante é o gerenciamento de risco integrado, que permite definir valores de stop loss e take profit diretamente na interface. Esta atualização melhora a organização do código para programas de grande porte e simplifica o acesso às ferramentas de gerenciamento de ordens, que frequentemente são complexas no terminal.
preview
Redes neurais em trading: modelo de difusão adaptativa em grafos (SAGDFN)

Redes neurais em trading: modelo de difusão adaptativa em grafos (SAGDFN)

Neste artigo, exploramos a arquitetura SAGDFN, um framework moderno capaz de transformar a forma de processar dados espaço-temporais. Ele preserva informações essenciais mesmo em grafos complexos e, ao mesmo tempo, reduz os custos computacionais.
preview
EA baseado em rede neural com PatchTST

EA baseado em rede neural com PatchTST

Este artigo apresenta a revolucionária arquitetura PatchTST, um transformer adaptado à análise de séries temporais financeiras que divide os dados de mercado em patches de 16 barras para um processamento mais eficiente. O texto examina detalhadamente a implementação completa de um robô de negociação em MQL5, abordando desde os fundamentos matemáticos e as estruturas de dados até a criação de um Expert Advisor pronto para uso, incluindo sistemas de gestão de risco e treinamento contínuo.
preview
Redes neurais em trading: treinamento de metaparâmetros com base na heterogeneidade (Final)

Redes neurais em trading: treinamento de metaparâmetros com base na heterogeneidade (Final)

O artigo descreve a implementação prática do framework HimNet em MQL5, já pronta para integração ao trading automatizado. Mostramos como metaparâmetros adaptados à heterogeneidade transformam o modelo em uma ferramenta universal, capaz de lidar com volatilidade instável.