Artigos sobre como automatizar sistemas de negociação na linguagem MQL5

icon

Leia artigos sobre sistemas de negociação baseados em uma ampla diversidade de conceitos. Aprenda a usar métodos estatísticos e padrões sobre velas japonesas, a filtrar sinais e dominar indicadores 'semáforo'.

Graças ao Assistente MQL5, e sem ter que programar, você pode criar robôs para testar rapidamente suas ideias de negociação, além de aprender sobre algoritmos genéticos, entre outras coisas.

Novo artigo
recentes | melhores
preview
Redes neurais em trading: Agregação temporal do movimento (Componentes principais)

Redes neurais em trading: Agregação temporal do movimento (Componentes principais)

Neste artigo, a teoria encontra a prática. Vamos implementar os principais módulos do framework TMA: MPE e MPA. É aqui que os dados passam a ganhar significado e a atenção cruzada se transforma em uma ferramenta de análise precisa da dinâmica do mercado. Menos operações redundantes, mais eficiência: mais um passo rumo ao trading inteligente de nova geração.
preview
Trading com o calendário econômico MQL5 (Parte 10): Painel arrastável e efeitos de hover nos botões

Trading com o calendário econômico MQL5 (Parte 10): Painel arrastável e efeitos de hover nos botões

Continuamos aprimorando os recursos de trading com o calendário econômico MQL5. Hoje adicionaremos um painel arrastável, que permitirá reposicionar os elementos para melhorar a visualização do gráfico sempre que necessário. Também adicionaremos efeitos de hover nos botões para tornar a interação com o painel ainda mais prática.
preview
Redes neurais no trading: modelos de refinamento iterativo de previsões (Conclusão)

Redes neurais no trading: modelos de refinamento iterativo de previsões (Conclusão)

Apresentamos o framework RAFT, uma poderosa ferramenta para análise e previsão de séries temporais financeiras. Sua arquitetura flexível e otimizada proporciona precisão nas previsões, estabilidade operacional e processamento de dados mais rápido. O RAFT reduz o risco de erros e facilita o desenvolvimento de estratégias de trading eficientes.
preview
Trading com o Calendário Econômico MQL5 (Parte 9): Aprimorando a interação com as notícias com uma barra de rolagem dinâmica e uma exibição aprimorada

Trading com o Calendário Econômico MQL5 (Parte 9): Aprimorando a interação com as notícias com uma barra de rolagem dinâmica e uma exibição aprimorada

Neste artigo, aprimoramos o Calendário Econômico MQL5 adicionando uma barra de rolagem dinâmica para tornar a navegação pelas notícias mais intuitiva. Os eventos serão exibidos de forma fluida, e as informações serão atualizadas quando necessário. Naturalmente, durante os testes também verificaremos a capacidade de adaptação da barra de rolagem e a qualidade do painel de controle.
preview
Introdução ao MQL5 (Parte 19): Automação da detecção de ondas de Wolfe

Introdução ao MQL5 (Parte 19): Automação da detecção de ondas de Wolfe

Este artigo apresenta como identificar programaticamente padrões de ondas de Wolfe de alta e de baixa e negociar com base neles usando a linguagem MQL5. Veremos como detectar essas estruturas e executar operações a partir dos sinais identificados. Isso inclui localizar os principais pontos de swing, validar as regras do padrão e preparar o EA para operar de acordo com os sinais encontrados.
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
Desenvolvimento de ferramentas para análise de Price Action (Parte 29): EA "Boom and Crash Interceptor"

Desenvolvimento de ferramentas para análise de Price Action (Parte 29): EA "Boom and Crash Interceptor"

Descubra como o EA Boom & Crash Interceptor transforma seus gráficos em um sistema proativo de alertas, capaz de identificar movimentos explosivos dos preços por meio da análise de velocidade, da detecção de picos de volatilidade, da confirmação de tendência e de filtros de zonas de pivô. Com setas verdes para "Boom" e vermelhas para "Crash", o EA facilita a tomada de decisões ao filtrar o ruído do mercado e ajudar a aproveitar melhor os movimentos bruscos dos preços. Vamos entender como ele funciona e por que essa ferramenta pode se tornar um diferencial importante nas suas operações.
preview
Automação de estratégias de trading em MQL5 (Parte 27): Identificação e Visualização do Padrão Harmônico "Crab" com Base em Price Action

Automação de estratégias de trading em MQL5 (Parte 27): Identificação e Visualização do Padrão Harmônico "Crab" com Base em Price Action

Neste artigo, desenvolveremos um sistema de reconhecimento do padrão harmônico "Crab" em MQL5, capaz de identificar formações de alta e de baixa com base em pontos de reversão e níveis de Fibonacci. O sistema executará operações com níveis precisos de entrada, stop-loss e take-profit. Também adicionaremos recursos de visualização por meio de objetos gráficos, como triângulos e linhas de tendência, para representar a estrutura XABCD do padrão e os níveis de negociação.
preview
Recursos do Assistente MQL5 que você precisa conhecer (Parte 73): Uso de padrões do Ichimoku e do ADX-Wilder

Recursos do Assistente MQL5 que você precisa conhecer (Parte 73): Uso de padrões do Ichimoku e do ADX-Wilder

O indicador Ichimoku (Ichimoku-Kinko-Hyo) e o oscilador ADX-Wilder formam uma combinação de indicadores complementares que pode ser utilizada em um EA MQL5. O Ichimoku oferece diversas possibilidades de análise, mas, neste artigo, vamos utilizá-lo principalmente para identificar níveis de suporte e resistência. Também usaremos o ADX para identificar a tendência. Como de costume, recorreremos ao Assistente MQL5 para construir os padrões e testar o potencial dessa combinação de indicadores.
preview
Recursos do Assistente MQL5 que você precisa conhecer (Parte 65): uso de padrões com FrAMA e Índice de Força

Recursos do Assistente MQL5 que você precisa conhecer (Parte 65): uso de padrões com FrAMA e Índice de Força

A média móvel adaptativa fractal (FrAMA) e o oscilador Índice de Força (Force Index Oscillator) são mais um par de indicadores que podem ser usados em conjunto em um EA desenvolvido em MQL5. Esses dois indicadores se complementam até certo ponto, pois a FrAMA é um indicador de acompanhamento de tendência, enquanto o Índice de Força é um oscilador baseado em volume. Como sempre, usaremos o Assistente MQL5 para avaliar rapidamente o potencial da combinação dessas duas ferramentas.
preview
Recursos do Assistente MQL5 que você precisa conhecer (Parte 71): Utilização de padrões MACD e OBV

Recursos do Assistente MQL5 que você precisa conhecer (Parte 71): Utilização de padrões MACD e OBV

O oscilador de convergência e divergência de médias móveis (Moving Average Convergence Divergence, MACD) e o indicador de volume em balanço (On-Balance Volume, OBV) formam mais uma combinação de indicadores que pode ser utilizada em um EA MQL5. Como é habitual nesta série de artigos, os dois indicadores se complementam: o MACD confirma as tendências, enquanto o OBV verifica se o comportamento do volume sustenta esses movimentos. Mais uma vez, utilizamos o Assistente MQL5 para criar padrões e avaliar o potencial dessa combinação de indicadores.
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
Automatização de estratégias de trading em MQL5 (Parte 21): Aprimorando o trading baseado em redes neurais com taxas de aprendizado adaptativas

Automatização de estratégias de trading em MQL5 (Parte 21): Aprimorando o trading baseado em redes neurais com taxas de aprendizado adaptativas

Neste artigo, vamos aprimorar uma estratégia de trading baseada em redes neurais em MQL5, utilizando uma taxa de aprendizado adaptativa (adaptive learning rate) para aumentar a precisão das previsões. Vamos desenvolver e implementar essa melhoria e, em seguida, testar seu desempenho. Ao final, apresentaremos recomendações para otimizar o trading algorítmico.
preview
Recursos do Assistente MQL5 que você precisa conhecer (Parte 66): Uso de padrões FrAMA e Force Index com kernel de produto escalar

Recursos do Assistente MQL5 que você precisa conhecer (Parte 66): Uso de padrões FrAMA e Force Index com kernel de produto escalar

O indicador FrAMA e o oscilador Force Index são ferramentas de análise de tendência e volume que podem ser usadas em conjunto no desenvolvimento de um EA. Dando continuidade ao artigo anterior, no qual apresentamos essa combinação, vamos analisar como o aprendizado de máquina pode ser aplicado a ela. Usaremos uma rede neural convolucional (convolutional neural network) que emprega um kernel de produto escalar (dot-product kernel) para gerar previsões com base nos dados de entrada desses indicadores. Essa lógica é implementada em um arquivo personalizado da classe de sinais (signal class), que interage com o Assistente MQL5 para criar o EA.
preview
Recursos do Assistente MQL5 que você precisa conhecer (Parte 63): Uso de padrões dos canais DeMarker e Envelopes

Recursos do Assistente MQL5 que você precisa conhecer (Parte 63): Uso de padrões dos canais DeMarker e Envelopes

O oscilador DeMarker (DeMarker Oscillator) e o Envelopes são ferramentas que identificam o momentum e os níveis de suporte/resistência e podem ser combinadas no desenvolvimento de um EA. Por isso, analisamos cada padrão separadamente para determinar o que pode ser útil e o que, potencialmente, deve ser evitado. Como sempre, usamos um EA criado no Assistente, juntamente com as funções de padrões integradas à classe de sinais do EA (Expert Signal).
preview
Automatização de estratégias de negociação em MQL5 (Parte 24): Sistema de negociação por rompimento da sessão de Londres com gerenciamento de risco e trailing stops

Automatização de estratégias de negociação em MQL5 (Parte 24): Sistema de negociação por rompimento da sessão de Londres com gerenciamento de risco e trailing stops

Neste artigo, desenvolveremos um sistema de negociação por rompimento da sessão de Londres que identificará rompimentos da faixa de preços formada antes da abertura da sessão e posicionará ordens pendentes com configuração do tipo de operação e dos parâmetros de risco. Implementaremos trailing stop, relação risco/retorno, controle do drawdown máximo e um painel de controle para monitoramento em tempo real.
preview
Algoritmo de estrutura cristalina, Crystal Structure Algorithm (CryStAl)

Algoritmo de estrutura cristalina, Crystal Structure Algorithm (CryStAl)

O artigo apresenta duas versões do Algoritmo de Estrutura Cristalina: a original e a modificada. O Crystal Structure Algorithm (CryStAl), publicado em 2021 e inspirado na física das estruturas cristalinas, foi apresentado como uma meta-heurística parameter-free para otimização global. No entanto, os testes revelaram um problema crítico no algoritmo. O artigo também apresenta a versão modificada CryStAlm, que corrige as principais deficiências da versão original.
preview
Desenvolvimento de um EA dinâmico para múltiplos pares (Parte 3): Estratégias de reversão à média e momentum

Desenvolvimento de um EA dinâmico para múltiplos pares (Parte 3): Estratégias de reversão à média e momentum

Nesta terceira parte da série sobre o desenvolvimento de um EA dinâmico para múltiplos pares (Dynamic Multi-Pair Expert Advisor), vamos nos concentrar na integração de estratégias de negociação baseadas em reversão à média e momentum. Veremos como identificar desvios dos preços em relação à média por meio do escore Z e como operar a partir desses desvios, além de medir o momentum em diferentes pares de moedas para determinar a direção das operações.
preview
Desenvolvimento de ferramentas para análise de Price Action (Parte 30): EA CCI Zero Line

Desenvolvimento de ferramentas para análise de Price Action (Parte 30): EA CCI Zero Line

O futuro está na automação da análise do movimento dos preços. Neste artigo, combinamos o indicador Dual CCI (Commodity Channel Index, Índice do Canal de Commodities), a estratégia de cruzamento da linha zero (Zero Line Crossover), a EMA e a análise de Price Action para desenvolver uma ferramenta que gera sinais de negociação e define os níveis de stop-loss e take-profit com base no ATR. Leia este artigo para conhecer nossa abordagem ao desenvolvimento do EA CCI Zero Line.
preview
Automatização de estratégias de negociação em MQL5 (Parte 23): Recuperação por zonas com trailing stop e lógica de cestas

Automatização de estratégias de negociação em MQL5 (Parte 23): Recuperação por zonas com trailing stop e lógica de cestas

Neste artigo, vamos aprimorar nosso sistema de recuperação por zonas (Zone Recovery System) com a implementação de trailing stops e suporte à negociação com múltiplas cestas. Veremos como a arquitetura aprimorada utiliza trailing stops dinâmicos para proteger os lucros e um mecanismo de gerenciamento de cestas para processar com eficiência múltiplos sinais de negociação. Ao longo da implementação e dos testes com dados históricos, demonstraremos um sistema de negociação mais robusto, capaz de se adaptar às diferentes condições de mercado.
preview
Desenvolvimento de um sistema de trading lucrativo (Parte 1): Abordagem quantitativa

Desenvolvimento de um sistema de trading lucrativo (Parte 1): Abordagem quantitativa

Muitos traders avaliam suas estratégias com base em resultados de curto prazo e acabam abandonando sistemas lucrativos cedo demais. No entanto, a lucratividade no longo prazo depende de uma expectativa matemática positiva, sustentada por uma combinação adequada de Win Rate e relação risco-retorno (Risk-Reward), além de disciplina no dimensionamento das posições. Esses princípios podem ser avaliados por meio de simulações de Monte Carlo em Python, utilizando métricas obtidas em testes com dados históricos para determinar se uma estratégia é robusta ou se corre o risco de fracassar com o tempo.
preview
Recursos do Assistente MQL5 que você precisa conhecer (Parte 72): Uso de padrões MACD e OBV com aprendizado supervisionado

Recursos do Assistente MQL5 que você precisa conhecer (Parte 72): Uso de padrões MACD e OBV com aprendizado supervisionado

Dando continuidade ao artigo anterior sobre a combinação dos indicadores MACD e OBV, veremos como aprimorá-la com o uso de machine learning. O MACD e o OBV são indicadores complementares que refletem, respectivamente, a tendência e o volume. Nossa abordagem de machine learning utiliza uma rede neural convolucional (convolution neural network, CNN) que emprega um kernel exponencial (Exponential kernel) para definir as dimensões de seus kernels e o número de canais ao configurar as previsões geradas por essa combinação de indicadores. Como de costume, essa implementação é feita em um arquivo personalizado da classe de sinais (signal class), que interage com o Assistente MQL5 para criar um EA.
preview
Ciência de Dados e ML (Parte 42): Previsão de Séries Temporais no Mercado Forex com ARIMA em Python

Ciência de Dados e ML (Parte 42): Previsão de Séries Temporais no Mercado Forex com ARIMA em Python

ARIMA, sigla para Modelo Autorregressivo Integrado de Médias Móveis, é um poderoso modelo estatístico tradicional de previsão de séries temporais. Com a capacidade de identificar picos e flutuações nos dados de uma série temporal, esse modelo pode prever com precisão os próximos valores. Neste artigo, vamos entender o que é o ARIMA, como funciona, como utilizá-lo para prever os próximos preços do mercado com alta precisão e muito mais.
preview
Arbitragem estatística com ações cointegradas (Parte 1): testes de cointegração de Engle-Granger e Johansen

Arbitragem estatística com ações cointegradas (Parte 1): testes de cointegração de Engle-Granger e Johansen

Este artigo apresenta uma introdução acessível aos testes de cointegração mais utilizados, voltada para traders, além de um guia prático para interpretar seus resultados. Os testes de Engle-Granger e Johansen permitem identificar pares ou grupos de ativos com relações estatisticamente significativas e uma dinâmica comum de longo prazo. O teste de Johansen é especialmente útil para carteiras com três ou mais ativos, pois avalia simultaneamente a força dos vetores de cointegração que relacionam todos os instrumentos.
preview
Técnicas do MQL5 Wizard que você deve conhecer (Parte 60): Aprendizado por Inferência (Wasserstein-VAE) com Padrões da Média Móvel e do Oscilador Estocástico

Técnicas do MQL5 Wizard que você deve conhecer (Parte 60): Aprendizado por Inferência (Wasserstein-VAE) com Padrões da Média Móvel e do Oscilador Estocástico

Concluímos nossa análise sobre o uso complementar da Média Móvel (MA) e do Oscilador Estocástico examinando o papel que o aprendizado por inferência pode desempenhar após as etapas de aprendizado supervisionado e aprendizado por reforço. Existem diversas maneiras de abordar o aprendizado por inferência nesse contexto. No entanto, nossa abordagem consiste em utilizar Variational Autoencoders (VAEs). Primeiro, exploraremos essa abordagem em Python e, em seguida, exportaremos nosso modelo treinado no formato ONNX para utilizá-lo em um Expert Advisor desenvolvido com o MQL5 Wizard no MetaTrader.
preview
Desenvolvimento de ferramentas para análise de Price Action (Parte 36): Acesso direto do Python aos fluxos de dados de mercado do MetaTrader 5

Desenvolvimento de ferramentas para análise de Price Action (Parte 36): Acesso direto do Python aos fluxos de dados de mercado do MetaTrader 5

Aproveite ao máximo o potencial do terminal MetaTrader 5 com o ecossistema Python para análise de dados e a biblioteca cliente oficial MetaTrader 5. Neste artigo, mostramos como realizar a autenticação e armazenar diretamente ticks e barras de um minuto no formato Parquet, aplicar técnicas avançadas de engenharia de atributos com as bibliotecas ta e Prophet e treinar um modelo de gradient boosting que respeite a estrutura temporal dos dados. Em seguida, implementamos um serviço Flask leve que disponibiliza sinais de negociação em tempo real. Seja para desenvolver um sistema híbrido de trading quantitativo ou incorporar recursos de machine learning a um EA, ao final você terá um pipeline completo e confiável para negociação algorítmica orientada por dados.
preview
Ciência de Dados e ML (Parte 36): Lidando com Mercados Financeiros Tendenciosos

Ciência de Dados e ML (Parte 36): Lidando com Mercados Financeiros Tendenciosos

Os mercados financeiros não são perfeitamente equilibrados. Alguns mercados apresentam tendência de alta, outros apresentam tendência de baixa, enquanto outros apresentam movimento lateral, indicando incerteza quanto à direção. Quando essas informações desbalanceadas são utilizadas para treinar modelos de machine learning, elas podem gerar resultados enganosos, especialmente porque as condições do mercado mudam com frequência. Neste artigo, discutiremos diferentes maneiras de lidar com esse problema.
preview
Recursos do Assistente MQL5 que você precisa conhecer (Parte 74): Uso dos padrões Ichimoku e ADX-Wilder com aprendizado supervisionado

Recursos do Assistente MQL5 que você precisa conhecer (Parte 74): Uso dos padrões Ichimoku e ADX-Wilder com aprendizado supervisionado

Dando continuidade ao artigo anterior, no qual apresentamos a combinação dos indicadores Ichimoku e ADX, vamos analisar como aprimorá-la por meio do aprendizado supervisionado. O Ichimoku e o ADX se complementam na identificação de níveis de suporte e resistência e na avaliação de tendências. Nossa abordagem de aprendizado supervisionado utiliza uma rede neural com um kernel profundo de mistura espectral (Deep Spectral Mixture Kernel) para refinar as previsões obtidas a partir dessa combinação de indicadores. Como de costume, essa implementação é feita em um arquivo personalizado que contém a classe de sinais (signal class), que se integra ao Assistente MQL5 para criar um EA.
preview
Implementação em MQL5 de módulos úteis de outras linguagens (Parte 1): Criação de uma biblioteca SQLite3 semelhante à do Python

Implementação em MQL5 de módulos úteis de outras linguagens (Parte 1): Criação de uma biblioteca SQLite3 semelhante à do Python

O módulo sqlite3 do Python oferece uma maneira simples, rápida e prática de trabalhar com bancos de dados SQLite. Neste artigo, criaremos um módulo semelhante com base nas funções nativas do MQL5 para bancos de dados, com o objetivo de tornar o uso do SQLite3 em MQL5 tão simples e conveniente quanto em Python.
preview
Desenvolvimento de ferramentas para análise de Price Action (Parte 32): Módulo de reconhecimento de padrões de candles em Python (II): Reconhecimento com TA-Lib

Desenvolvimento de ferramentas para análise de Price Action (Parte 32): Módulo de reconhecimento de padrões de candles em Python (II): Reconhecimento com TA-Lib

Neste artigo, deixamos de lado a implementação manual do reconhecimento de padrões de candles em Python e passamos a utilizar a TA-Lib, uma biblioteca capaz de identificar mais de 60 padrões diferentes. Essas formações fornecem informações valiosas sobre possíveis reversões do mercado e a continuação da tendência. Continue a leitura para saber mais.
preview
Ferramentas de trading em MQL5 (Parte 6): Painel holográfico dinâmico com animação pulsante e controles

Ferramentas de trading em MQL5 (Parte 6): Painel holográfico dinâmico com animação pulsante e controles

Neste artigo, vamos criar um painel holográfico dinâmico em MQL5 para monitorar ativos e períodos gráficos por meio do RSI, com alertas de volatilidade e opções de ordenação. Também vamos adicionar animações pulsantes, botões interativos e efeitos holográficos para tornar a ferramenta visualmente atraente e responsiva.
preview
Automatização de estratégias de negociação em MQL5 (Parte 25): EA para negociação com linhas de tendência ajustadas pelo método dos mínimos quadrados e geração dinâmica de sinais

Automatização de estratégias de negociação em MQL5 (Parte 25): EA para negociação com linhas de tendência ajustadas pelo método dos mínimos quadrados e geração dinâmica de sinais

Neste artigo, desenvolveremos um programa de negociação baseado em linhas de tendência que utiliza o ajuste pelo método dos mínimos quadrados (least squares fit) para determinar as linhas de tendência que atuam como suporte e resistência. O programa gera sinais dinâmicos de compra e venda quando o preço toca essas linhas e abre posições com base nos sinais identificados.
preview
Automação de estratégias de negociação em MQL5 (Parte 26): Criação de um sistema de preço médio baseado em pin bars para negociação com múltiplas posições

Automação de estratégias de negociação em MQL5 (Parte 26): Criação de um sistema de preço médio baseado em pin bars para negociação com múltiplas posições

Neste artigo, desenvolvemos em MQL5 um sistema de preço médio baseado em pin bars, que identifica esses padrões para abrir operações e utiliza uma estratégia de preço médio para gerenciar múltiplas posições, com recursos de trailing stop e ajuste do stop para o ponto de equilíbrio (breakeven). Também combinamos parâmetros configuráveis com um dashboard que permite monitorar as posições e os lucros em tempo real.
preview
Analizado  Como criar um sistema de trading lucrativo (Parte 2): As nuances do dimensionamento de posições

Analizado Como criar um sistema de trading lucrativo (Parte 2): As nuances do dimensionamento de posições

Mesmo com um sistema de trading de expectativa matemática positiva, o tamanho das posições pode influenciar o sucesso ou o fracasso. Esse é um aspecto fundamental da gestão de risco, pois permite transformar uma vantagem estatística em resultados concretos sem comprometer a proteção do capital.
preview
Repensando as estratégias clássicas (Parte 15): Estratégia de rompimento da faixa de preços do dia anterior

Repensando as estratégias clássicas (Parte 15): Estratégia de rompimento da faixa de preços do dia anterior

Muito antes do surgimento dos computadores, os traders já atuavam nos mercados financeiros e desenvolviam regras práticas para orientar suas decisões. Neste artigo, voltaremos a examinar uma conhecida estratégia de rompimento para avaliar se essa lógica de mercado, adquirida por meio da experiência, pode competir com abordagens sistemáticas. Nossos resultados mostram que, embora a estratégia original apresentasse uma elevada taxa de acerto, seus resultados eram instáveis e sua gestão de risco era deficiente. Ao aperfeiçoar essa abordagem, demonstraremos como o conhecimento acumulado pelos traders discricionários pode ser incorporado a estratégias de trading algorítmico mais robustas.
preview
Arbitragem estatística com ações cointegradas (Parte 3): Configuração do banco de dados

Arbitragem estatística com ações cointegradas (Parte 3): Configuração do banco de dados

Neste artigo, apresentamos um exemplo de implementação de um serviço em MQL5 para atualizar um banco de dados recém-criado, que será utilizado como fonte de dados para a análise e a negociação de uma cesta de ações cointegradas. Explicamos detalhadamente a lógica de modelagem do banco de dados e fornecemos uma descrição da estrutura dos dados (data dictionary) como material de referência. Também disponibilizamos scripts em MQL5 e Python para criar o banco de dados, inicializar seu esquema e carregar os dados de mercado.
preview
Desenvolvimento de ferramentas para análise de Price Action (Parte 37): Indicador de viés do sentimento de mercado

Desenvolvimento de ferramentas para análise de Price Action (Parte 37): Indicador de viés do sentimento de mercado

O sentimento de mercado é uma das forças mais subestimadas e, ao mesmo tempo, mais influentes sobre o movimento dos preços. Enquanto a maioria dos traders depende de indicadores defasados ou de suposições, o EA Sentiment Tilt Meter (STM) transforma os dados de mercado em uma referência visual clara, mostrando em tempo real se o mercado apresenta um viés de alta, de baixa ou permanece neutro. Isso facilita a confirmação das operações, ajuda a evitar entradas em falso e permite escolher com mais precisão o momento de entrar no mercado.
preview
Machine Learning e Data Science (Parte 42): Previsão dos mercados acionários com N-BEATS em Python

Machine Learning e Data Science (Parte 42): Previsão dos mercados acionários com N-BEATS em Python

N-BEATS é um modelo revolucionário de aprendizado profundo desenvolvido para a previsão de séries temporais. Ele foi criado com o objetivo de superar o desempenho dos modelos clássicos de previsão de séries temporais, como ARIMA, PROPHET, VAR, entre outros. Vamos conhecer esse modelo e explorar suas possibilidades de aplicação na previsão do mercado de ações.
preview
Do iniciante ao especialista: Criando um EA animado de notícias em MQL5 (IX) - Gerenciamento de múltiplos símbolos em um único gráfico para negociação baseada em notícias

Do iniciante ao especialista: Criando um EA animado de notícias em MQL5 (IX) - Gerenciamento de múltiplos símbolos em um único gráfico para negociação baseada em notícias

A negociação baseada em notícias muitas vezes exige o gerenciamento de várias posições e símbolos em um intervalo muito curto, devido à alta volatilidade. Neste artigo, vamos abordar os desafios de operar com múltiplos símbolos e incorporar essa funcionalidade ao nosso EA "Manchetes de notícias". Acompanhe como a negociação algorítmica com MQL5 pode tornar essas operações mais eficientes e eficazes.
preview
Implementação de módulos práticos de outras linguagens em MQL5 (Parte 03): módulo schedule do Python, recursos avançados do OnTimer

Implementação de módulos práticos de outras linguagens em MQL5 (Parte 03): módulo schedule do Python, recursos avançados do OnTimer

O módulo schedule do Python oferece uma maneira simples de agendar tarefas recorrentes. Embora o MQL5 não tenha um equivalente nativo, neste artigo vamos implementar uma biblioteca semelhante para facilitar a configuração de eventos agendados no MetaTrader 5.