¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
Trading Algorítmico MQL5
Ir al canal en Telegram
Las mejores publicaciones de la mayor comunidad de tráders algorítmicos. Suscríbase para estar al día con las tecnologías más avanzadas y el desarrollo de programas de trading.
Mostrar más📈 Análisis del canal de Telegram Trading Algorítmico MQL5
El canal Trading Algorítmico MQL5 (@mql5es) en el segmento lingüístico de Español es un actor destacado. Actualmente la comunidad reúne a 42 332 suscriptores, ocupando la posición 3 017 en la categoría Criptomonedas y el puesto 2 036 en la región España.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 42 332 suscriptores.
Según los últimos datos del 10 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 1 348, y en las últimas 24 horas de 41, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.89%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 3.50% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 2 914 visualizaciones. En el primer día suele acumular 1 480 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 7.
- Intereses temáticos: El contenido se centra en temas clave como léelo, indicador, gráfico, señal, análisis.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Las mejores publicaciones de la mayor comunidad de tráders algorítmicos.
Suscríbase para estar al día con las tecnologías más avanzadas y el desarrollo de programas de trading.”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 11 junio, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Criptomonedas.
42 332
Suscriptores
+4124 horas
+2827 días
+1 34830 días
Archivo de publicaciones
42 331
MetaTrader 5 limita a un EA por gráfico, lo que complica operar varios símbolos durante eventos de alta volatilidad. Se añade trading multisímbolo al EA “News Headline” para ejecutar acciones desde un único gráfico mediante botones y selección de pares.
La ampliación se realiza en la clase CTradingButtons, incorporando resolución de símbolos del bróker, creación dinámica de CCheckBox/CLabel, y sincronización por índice entre majorPairs[], availablePairs[] y pairSelected[].
HandleChartEvent centraliza los clics: casillas, conmutador multiEnabled y acciones (Buy/Sell/Close, pendientes, stops). Las rutinas de envío encapsulan validación, cálculo de SL/TP y ejecución con CTrade.
En el EA se añaden includes, entradas, arrays de pares y selección, inicialización en OnInit y posicionamiento de checkboxes bajo la UI de noticias.
👉 Léelo | Freelance | @mql5es
42 331
El indicador Fib_SR_8 incorpora el cálculo y la visualización de niveles Fibonacci de soporte y resistencia en todas las barras, no solo en el tramo más reciente. Esto permite revisar el histórico completo con niveles consistentes y comparar reacciones del precio en distintos periodos.
La variante Fib_SR_8_Full mantiene los niveles dibujados a lo largo del gráfico, facilitando validaciones y análisis de cambios de estructura sin depender de recalculados parciales. La Fig. 1 muestra el resultado con la representación continua aplicada en cada barra.
👉 Léelo | Freelance | @mql5es
42 331
MetaTrader 5 puede consultar modelos de IA desde un EA vía WebRequest, pero un único modelo no ofrece control ante contradicciones o fallos. Una alternativa es un motor multi-IA con decisión por votación y confianza ponderada.
La arquitectura propone una capa intermedia (AI Manager) entre el EA y proveedores como OpenAI, Claude, Gemini y DeepSeek. Cada integración adapta endpoint, autenticación y body, pero normaliza la salida en una estructura común (AIResponse).
La robustez depende de prompt fijo (SIGNAL y CONFIDENCE), parseo consistente pese a variaciones JSON, timeouts, quórum mínimo y ejecución por OnTimer para evitar bloqueo en OnTick. Las claves deben cargarse desde archivo externo y las URLs habilitarse en MT5.
👉 Léelo | Cotizaciones | @mql5es
42 331
El artículo plantea un EA multisímbolo para MT5 orientado a resolver la inconsistencia típica al operar varios pares con volatilidades distintas. En lugar de lotes y stops fijos, normaliza el riesgo con ATR y dimensionado dinámico de posición.
La arquitectura usa arrays por símbolo para handles de RSI/ATR, valores previos y control de “nueva barra”, evitando señales duplicadas. OnInit crea y valida indicadores; OnDeinit libera recursos para mantener estabilidad.
La operativa combina RSI (sobrecompra/sobreventa) con bandas V-Stop calculadas desde precio típico ± k*ATR, que actúan como filtro de entrada y referencia de salida. El riesgo se clasifica comparando ATR actual vs media (alta/moderada/baja), ajustando el % de cuenta arriesgado.
La gestión incluye SL/TP dinámicos, trailing por ATR y redondeo del lote a límites del bróker, con fallback si faltan niveles históricos. Backtest e...
👉 Léelo | Señales | @mql5es
42 331
Indicador técnico orientado a medir volatilidad redondeada y generar alertas al superar un umbral configurable. Permite alertas en pantalla, envío de correo y notificaciones push cuando el valor calculado rompe el nivel de disparo definido en los parámetros de entrada.
La volatilidad se calcula en puntos a partir del máximo y el mínimo de velas suavizadas de PEMACandle. El cálculo base corresponde a la diferencia High - Low de cada vela PEMACandle.
El resultado se convierte a puntos y se redondea según el paso de la cuadrícula definido por StartLevel y LevelsStep, facilitando lecturas discretizadas y comparaciones consistentes frente a niveles de activación.
👉 Léelo | VPS | @mql5es
42 331
El EA News Headline añade un panel “Quick Trade Buttons” para ejecutar trading manual en el gráfico sin abandonar la automatización basada en noticias. Integra calendario económico en tiempo real, Alpha Vantage, RSI/Estocástico/MACD/CCI y señales de IA con acciones de un clic.
La implementación usa CButton, CCanvas y CTrade. La clase CTradingButtons (TradingButtons.mqh) encapsula 8 botones: Buy, Sell, Close All, Delete Orders, Close Profit, Close Loss, Buy Stop, Sell Stop, con SL/TP y validaciones según restricciones del bróker.
La integración en el EA se realiza en OnInit y OnChartEvent, con número mágico separado para órdenes manuales y parámetros de riesgo por input. Las pruebas en demo (p. ej., EURUSD M1) verifican latencia, exactitud de riesgo y estabilidad durante eventos de alta volatilidad y scalping.
👉 Léelo | Cotizaciones | @mql5es
42 331
Prime Quantum AI es un EA para MT5 que combina un prefiltro técnico clásico (ADX + Alligator) con análisis de gráficos mediante visión por IA de proveedores externos.
El flujo de decisión es de dos etapas. En cada tick valida tendencia en el TF elegido usando ADX por encima de un mínimo configurable, alineación de Alligator y dirección DI+/DI-. Si el prefiltro marca alcista o bajista, captura tres screenshots (entrada, medio y contexto, derivados del TF) y los envía al proveedor configurado. La IA responde en JSON con dirección, confianza 0-100, niveles SL/TP y razonamiento. Solo abre operación si coincide la dirección y la confianza supera el umbral.
Recomendado: majors, XAUUSD o índices; M15 por defecto (M1-M5 scalping, H1-H4 intradía, D1 swing). Variables clave: proveedor, InpMinConfidence, InpScanIntervalSec, modo de riesgo, gestión SL/TP, trailing ATR y filtros de noticias/hora...
👉 Léelo | Manual sobre redes neuronales | @mql5es
42 331
El artículo muestra cómo automatizar en MQL5 la lectura de acción del precio en MetaTrader 5 a partir de máximos y mínimos. La base es una rutina que localiza el siguiente swing usando iHighest/iLowest, recorriendo barras con una ventana configurable y devolviendo los índices relevantes.
Con esos pivotes, el código dibuja líneas de referencia (OBJ_TREND) sobre los dos últimos máximos y bajo los dos últimos mínimos, facilitando la visualización de estructura y posibles canales mediante ObjectCreate/ObjectSetInteger.
Luego se deriva la detección de tendencia comparando “máximos/mínimos actuales” vs “previos” (normalizados): máximos y mínimos crecientes para tendencia alcista, decrecientes para bajista, y combinaciones mixtas para rango, reportándolo con comentarios en el gráfico.
Finalmente, se extiende el enfoque para detectar patrones como doble techo y doble suelo, evaluando dos m...
👉 Léelo | Guía de algotrading | @mql5es
42 331
Se ha publicado un EA orientado exclusivamente a cuentas con cobertura (hedging). La lógica se basa en dos medias móviles iMA: en la barra #1, si la MA rápida está por encima de la MA lenta se habilitan compras; si está por debajo, se habilitan ventas.
Tras la habilitación se aplican filtros. El total de posiciones abiertas (BUY+SELL) no puede superar “Maximum positions”. Para BUY, el precio ASK debe superar la compra más alta al menos en “Step positions”; para SELL, el BID debe caer por debajo de la venta más baja al menos en “Step positions”.
Incluye control horario opcional (“Use time control”), operando sólo entre “Start hour” y “End hour”, y restricción por tipo (“Type trading”: sólo BUY, sólo SELL o ambos). El cierre se gestiona por Stop Loss o Take Profit, permitiendo BUY y SELL simultáneos.
👉 Léelo | Manual sobre redes neuronales | @mql5es
42 331
El artículo muestra cómo extender MetaTrader 5 con indicadores a medida en MQL5, usando Heiken Ashi como caso práctico para reducir ruido y mejorar la lectura de tendencia mediante velas calculadas a partir de valores anteriores.
Se recorre la construcción del indicador: declaración de propiedades, creación y asignación de buffers con SetIndexBuffer, configuración de salida y cálculo en OnCalculate controlando prev_calculated para eficiencia. El color de la vela se decide comparando haOpen y haClose.
Luego se integra el indicador en un Asesor Experto con iCustom, leyendo sus buffers con CopyBuffer en OnTick. Finalmente, se añade un filtro con dos EMA (iMA) para confirmar compras/ventas combinando cierre Heiken Ashi y cruce/jerarquía de medias.
👉 Léelo | Documentación | @mql5es
42 331
El indicador informativo AnalysisOnBarsJFatlCandle visualiza las barras generadas por JFatlCandle en formato de puntos, sin tomar como referencia el precio. El objetivo es ofrecer una lectura estructural del comportamiento de las barras, separada de la escala de cotización.
Para su funcionamiento es obligatoria la instalación previa del archivo JFatl.ex5 en la carpeta de datos del terminal, dentro de MQL5\Indicators. Sin este componente, el indicador no puede cargar ni calcular las series requeridas.
La salida se presenta como una representación puntual de las barras, útil para revisar cambios de estado y secuencias sin ruido asociado al precio.
👉 Léelo | Documentación | @mql5es
42 331
Redimensionamiento interactivo con ratón en UI bajo MVC, con foco en TableView. La lógica se concentra en la Vista: hit-testing de bordes/esquinas, seguimiento del cursor, cambio de cursor y renderizado en tiempo real, mientras el Controlador enruta eventos y puede persistir tamaños en el Modelo.
Ajustes en Base.mqh: grosor de zona sensible, nuevos enums para estados/direcciones, tipo “hint”, y recursos compartidos para coordenadas del ratón, modo de redimensionado y borde activo. Se añaden flags por elemento y manejadores virtuales para los eventos de resize.
Se incorpora un método atómico para mover y redimensionar a la vez, reduciendo artefactos por repintado cuando se arrastran borde izquierdo/superior. En Controls.mqh se fijan mínimos y se añade una clase Tooltip basada en CImagePainter para flechas bidireccionales (H/V/diagonal), sin recorte por contenedor y con paletas config...
👉 Léelo | Calendario | @mql5es
42 331
El indicador ATR_Channels_RSI calcula canales ATR usando como base velas derivadas del Relative Strength Index.
El resultado es un gráfico de velas del RSI acompañado por niveles de soporte y resistencia generados de forma dinámica. Los niveles requieren ajuste experimental mediante las variables de entrada, según el activo, el marco temporal y la volatilidad observada.
La implementación depende de clases incluidas en la librería SmoothAlgorithms.mqh, que debe copiarse en terminal\MQL5\Include para su compilación y ejecución. Esta librería se orienta a la promediación de series de precio para cálculos intermedios sin necesidad de usar buffers adicionales.
La figura de referencia corresponde al indicador ATR_Channels_RSI en funcionamiento.
👉 Léelo | Guía de algotrading | @mql5es
42 331
Un sistema de trading automatizado se sostiene en tres variables: tasa de aciertos, relación beneficio/riesgo (RRR) y riesgo por operación mediante dimensionamiento. El foco exclusivo en aciertos suele ocultar drawdowns y riesgo de ruina.
La rentabilidad se mide por el valor esperado, función de P y RRR. Con RRR=1 se requiere P>50%; con RRR=1,5, P>40%; con RRR=3, P>25%. Si P es 30%, el RRR mínimo supera 2,333.
La simulación de Monte Carlo en Python permite proyectar miles de secuencias con P, RRR y tamaño de posición, estimando rachas, drawdown y supervivencia.
Ejemplo: P=40% y RRR=1,5 en 1.000 simulaciones mostró capital medio 1,44, mediana 0 y 49% rentables, señal de riesgo extremo pese a expectativa positiva.
👉 Léelo | Guía de algotrading | @mql5es
42 331
Los indicadores con periodos fijos (RSI 14, media 20) presentan un problema estructural: los ciclos de mercado cambian. Variaciones de liquidez y volatilidad alteran la frecuencia dominante del activo. Mantener un lookback estático provoca desfase y puede activar entradas cuando el tramo de movimiento ya se está agotando.
Un enfoque cuantitativo usado en trading sistemático es el análisis espectral con DSP mediante Transformada Discreta de Fourier (DFT). Con una ventana móvil, se escanean frecuencias y se identifica el componente de mayor amplitud dentro del ruido, aislando el ciclo dominante del régimen actual.
A partir de esa frecuencia se proyecta una onda alineada en fase sobre el precio para estimar máximos y mínimos del ciclo con menor retraso que medias móviles. En implementación MQL5, la viabilidad depende de optimización de CPU y gestión eficiente de arrays para ejecutar la...
👉 Léelo | Documentación | @mql5es
42 331
Clasificación con procesos gaussianos requiere inferencia aproximada: la verosimilitud logit rompe la conjugación y la posterior p(f|X,y) deja de ser gaussiana, sin solución cerrada.
Un enfoque práctico es la aproximación de Laplace, que ajusta una gaussiana q(f|X,y) alrededor de la moda f_hat mediante Newton, usando gradiente y hessiano (W diagonal). La covarianza se obtiene con Σ=(K^-1+W)^-1.
Con q(f|X,y), la predictiva de la latente f* vuelve a ser normal y permite calcular media y varianza. La probabilidad final π*=E[σ(f*)] se aproxima por probit, integración numérica o Monte Carlo, evitando el sesgo de σ(E[f*]) al ignorar incertidumbre.
La implementación propuesta en MQL5 se organiza como biblioteca modular, con una clase GaussianProcess y un objetivo de optimización GPOptimizationObjective integrado con Alglib.
👉 Léelo | Foro | @mql5es
42 331
Cuando MQL5 no alcanza para análisis avanzado (por ejemplo, aprendizaje automático), una opción práctica es sacar los datos de MetaTrader 5 y procesarlos en Python, sin depender del paquete MetaTrader5 para Windows.
El enfoque usa sockets: un servicio en MT5 recorre los gráficos abiertos, toma el último tick (bid, ask, timestamp) y envía una carga tipo JSON al servidor, separando símbolos con un delimitador para empaquetar varios instrumentos.
En Python, un servidor escucha en 9070 (MT5) y 9071 (clientes). Acepta una sola conexión MT5, mantiene un diccionario de clientes por símbolo y difunde cada tick al cliente correspondiente, eliminando conexiones fallidas.
Los clientes se suscriben enviando su símbolo y pueden reutilizar el stream para backtesting ligero, monitorización o pipelines de modelado. La misma idea aplica a barras, operaciones y otros datos.
👉 Léelo | Señales | @mql5es
42 331
El indicador PEMACandle_VolatilityStep_Alerts permite modificar el timeframe desde los parámetros de entrada, facilitando el análisis en marcos temporales distintos sin cambiar el gráfico principal.
Para su ejecución es necesario que el archivo PEMACandle_VolatilityStep_Alerts.ex5 esté disponible en la carpeta de datos del terminal, dentro de MQL5\Indicators. Si el archivo no se encuentra en esa ruta, el indicador no podrá cargarse correctamente.
La variante orientada a marcos superiores se identifica como PEMACandle_VolatilityStep_Alerts_HTF y se utiliza cuando se requiere cálculo y señalización basados en un timeframe diferente al del chart activo.
👉 Léelo | Freelance | @mql5es
42 331
La previsión de series temporales multivariadas en finanzas depende de capturar relaciones temporales y entre activos. Con datos incompletos, los enfoques basados en grafos pierden dependencias y la imputación previa suele degradarse con altas tasas de ausencia.
GinAR propone un esquema end-to-end que reconstruye y pronostica a la vez, evitando el pipeline “imputación → forecast”. Integra una SRU con Interpolation Attention para recomponer variables faltantes a partir de señales disponibles y reducir sensibilidad a ceros y outliers.
Tras la reconstrucción, Adaptive Graph Convolution aprende una estructura de dependencias dinámica, combinando grafo fijo y adaptativo. En pruebas reportadas, mantiene precisión incluso con hasta 90% de variables ausentes y supera a múltiples baselines en varios datasets.
👉 Léelo | Foro | @mql5es
42 331
El artículo evoluciona un EA de noticias en MT5: pasa de órdenes pendientes pre-impacto (rápidas pero expuestas al whipsaw) a una estrategia post-noticia para entrar cuando la volatilidad inicial se enfría y aparece dirección.
La base es un EA de “replay” en MQL5 que marca automáticamente eventos NFP en el Probador de Estrategias. Calcula el primer viernes del mes, genera el timestamp exacto de la publicación a las 8:30 ET, ajusta zona horaria con offset GMT y contempla horario de verano con funciones de calendario.
Con OnTimer como motor, dibuja un rectángulo configurable (MinutesBefore/After) para estudiar patrones repetibles. En pruebas 2024, se observa que la continuidad tras el pico mejora cuando 2+ velas confirman la misma dirección, aportando una regla simple para la lógica post-impacto.
👉 Léelo | Manual sobre redes neuronales | @mql5es
