Trading Algorítmico MQL5
رفتن به کانال در 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.
نمایش بیشتر📈 تحلیل کانال تلگرام Trading Algorítmico MQL5
کانال Trading Algorítmico MQL5 (@mql5es) در بخش زبانی اسپانیایی بازیگری فعال است. در حال حاضر جامعه شامل 44 684 مشترک است و جایگاه 2 613 را در دسته رمزارزها و رتبه 1 882 را در منطقه إسبانيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 44 684 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 26 اوت, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 1 327 و در ۲۴ ساعت گذشته برابر 44 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 5.87% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 2.83% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 2 619 بازدید دریافت میکند. در اولین روز معمولاً 1 265 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 8 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند léelo, indicador, gráfico, señal, análisis تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“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.”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 27 اوت, 2026)، کانال همواره بهروز و دارای دسترسی بالاست. تحلیلها نشان میدهد مخاطبان بهطور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته رمزارزها تبدیل کردهاند.
44 684
مشترکین
+4424 ساعت
+3627 روز
+1 32730 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اوت '26
اوت '26
+1 255
در 0 کانالها
ژوئیه '26
+916
در 0 کانالها
Get PRO
ژوئن '26
+870
در 0 کانالها
Get PRO
مه '26
+1 516
در 0 کانالها
Get PRO
آوریل '26
+1 471
در 0 کانالها
Get PRO
مارس '26
+19 841
در 0 کانالها
Get PRO
فوریه '26
+2 045
در 2 کانالها
Get PRO
ژانویه '26
+2 504
در 0 کانالها
Get PRO
دسامبر '25
+1 739
در 0 کانالها
Get PRO
نوامبر '25
+1 613
در 0 کانالها
Get PRO
اکتبر '25
+1 793
در 0 کانالها
Get PRO
سپتامبر '25
+1 525
در 0 کانالها
Get PRO
اوت '25
+1 460
در 0 کانالها
Get PRO
ژوئیه '25
+1 656
در 0 کانالها
Get PRO
ژوئن '25
+1 274
در 0 کانالها
Get PRO
مه '25
+1 552
در 0 کانالها
Get PRO
آوریل '25
+2 110
در 0 کانالها
Get PRO
مارس '25
+1 844
در 0 کانالها
Get PRO
فوریه '25
+1 535
در 0 کانالها
Get PRO
ژانویه '25
+1 826
در 0 کانالها
Get PRO
دسامبر '24
+1 739
در 0 کانالها
Get PRO
نوامبر '24
+2 409
در 0 کانالها
Get PRO
اکتبر '24
+2 360
در 0 کانالها
Get PRO
سپتامبر '24
+7 122
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 27 اوت | +55 | |||
| 26 اوت | +44 | |||
| 25 اوت | +83 | |||
| 24 اوت | +54 | |||
| 23 اوت | +51 | |||
| 22 اوت | +50 | |||
| 21 اوت | +50 | |||
| 20 اوت | +32 | |||
| 19 اوت | +33 | |||
| 18 اوت | +61 | |||
| 17 اوت | +53 | |||
| 16 اوت | 0 | |||
| 15 اوت | +77 | |||
| 14 اوت | +42 | |||
| 13 اوت | +79 | |||
| 12 اوت | +53 | |||
| 11 اوت | +52 | |||
| 10 اوت | +48 | |||
| 09 اوت | +4 | |||
| 08 اوت | +47 | |||
| 07 اوت | +20 | |||
| 06 اوت | +89 | |||
| 05 اوت | +38 | |||
| 04 اوت | +44 | |||
| 03 اوت | +60 | |||
| 02 اوت | +11 | |||
| 01 اوت | +25 |
پستهای کانال
Lang y Gao publicaron en marzo de 2025 el Dream Optimization Algorithm (DOA) en Computer Methods in Applied Mechanics and Engineering (vol. 436). Es un metaheurístico poblacional aplicable a optimización de parámetros, incluido trading algorítmico.
DOA separa la población en grupos con distintos niveles de memoria. En exploración, cada agente se reubica en el mejor del grupo y luego aplica olvido selectivo o compartición de información, modificando k dimensiones. El olvido usa modulación cosenoidal para reducir la amplitud de los pasos con el tiempo.
En explotación, los agentes se reinician en la mejor solución global y realizan ajustes finos con cos(iπ/T). La implementación propuesta en MQL5 define popSize, numGroups, explorationRate y forgettingProb, junto con fases explícitas, actualización de mejores por grupo y control de discretización por pasos.
👉 Léelo | Foro | @mql5es
| 2 |  TQNet aborda la predicción multivariante en finanzas combinando dos necesidades opuestas: reaccionar a cambios intradía y conservar relaciones estables entre activos a lo largo del historial.
La clave es Temporal Query: en la atención multi-cabeza, las consultas no salen del dato, sino de vectores entrenables que se desplazan periódicamente (t mod W). Esto introduce “memoria” de ciclos (sesiones, estacionalidad), mientras claves y valores siguen viniendo del mercado actual.
La arquitectura se mantiene minimalista: una capa TQ-MHA, un MLP ligero con GeLU, residuales y proyección final con Dropout. Con RevIN, mejora robustez ante cambios de régimen. Resultados: precisión competitiva con coste cercano a modelos lineales, útil para predicción multi-activo en MT5.
👉 Léelo | Cotizaciones | @mql5es | 1 067 |
| 3 |  El Duelist Algorithm propone una optimización poblacional distinta a los genéticos clásicos para ajustar parámetros de estrategias en MT5: separa el comportamiento de ganadores y perdedores para reducir mutaciones y cruces “a ciegas”.
Los perdedores mejoran copiando parcialmente parámetros del ganador según una probabilidad de aprendizaje. Los ganadores exploran mediante innovación: mutaciones discretizadas por rangos y pasos, con control probabilístico. Un coeficiente de suerte introduce ruido controlado en cada duelo para evitar estancamiento.
La implementación en MQL5 se organiza en una clase con fases claras: selección de campeones (que no duelan), entrenamiento de nuevos individuos desde campeones con perturbación gaussiana, duelos aleatorios, aprendizaje/innovación, y recorte para mantener tamaño fijo. En pruebas sobre funciones multimodales, el método logra convergencia estab...
👉 Léelo | Documentación | @mql5es | 985 |
| 4 |  Muchos operadores en MT5 dimensionan posiciones de forma aislada y no evalúan el efecto conjunto como cartera. Instrumentos aparentemente independientes pueden moverse de forma similar ante el mismo evento, y varias posiciones pequeñas pueden acumular un margen combinado relevante.
Un indicador procesa listas de símbolos y lotajes y genera un informe en “Expertos” y, opcionalmente, en el gráfico. Incluye matriz de correlación de Pearson por rendimientos barra a barra, correlación media como medida de concentración, margen combinado estimado en divisa de la cuenta y carga sobre el depósito con alerta al superar un umbral.
La entrada se basa en InpSymbols e InpLots (2 a 10 instrumentos) y añade símbolos a Market Watch si faltan. Parámetros para timeframe, lookback, refresco, umbral y panel. Implementación en MQL5 puro, sin bibliotecas externas, Python ni DLL.
👉 Léelo | Manual sobre redes neuronales | @mql5es | 993 |
| 5 |  Se presenta un prototipo de negociación ligero basado en gestión interactiva de zonas de oferta y demanda. No pretende ser una metodología completa ni un sistema automatizado final; sirve para mostrar la integración de análisis de zonas, validación de señales, gestión de operaciones y evaluación del contexto de mercado.
El marco se controla mediante parámetros configurables: automatización de señales e identificador del EA; límites de spread, objetivos riesgo/beneficio y protección por volatilidad; trailing stop opcional; filtro de tendencia en marcos superiores con comprobaciones de dirección y agotamiento; y evaluación del tipo de aproximación del precio a la zona.
El núcleo es el ciclo de vida de cada zona cualificada, con calidad estructural e historial de interacciones. Destaca una infraestructura de registro detallada que permite auditar formación, pruebas e invalidaciones, út...
👉 Léelo | Cotizaciones | @mql5es | 1 097 |
| 6 |  Se presenta una implementación en MQL5 inspirada en requests de Python para simplificar WebRequest en MetaTrader 5, encapsulando método HTTP, cabeceras, timeout y envío de datos. La función central unifica cargas JSON y no JSON, ajusta automáticamente Content-Type y devuelve una respuesta estructurada con status, texto, bytes, JSON parseado, headers, cookies y tiempos.
Sobre esa base se exponen wrappers GET/POST/PUT/PATCH/DELETE, además de utilidades para construir URLs con parámetros sin complicar cada llamada.
El módulo añade capacidades prácticas: sesiones con reutilización de cabeceras/cookies, autenticación básica persistente por instancia, subida de archivos con multipart/form-data y detección de tipo por extensión, y descarga de binarios para guardar imágenes/CSV/modelos en MQL5/Files. Esto habilita integración con APIs externas y automatización robusta para traders y desarro...
👉 Léelo | Señales | @mql5es | 1 890 |
| 7 |  SSCNN se consolida como arquitectura para series temporales financieras al combinar dependencias espaciales y secuenciales, con Attention-based Normalization para priorizar señales relevantes y estabilizar el entrenamiento. La modularidad permite ajustar el modelo a horizontes cortos o ciclos largos, con ejecución integrada en MQL5 y OpenCL.
La fase actual conecta los bloques en un codificador unificado (CNeuronSSCNNEncoder). El grafo se construye en Init: reserva de buffers, tensores y contexto, sin activación en la salida.
El encoder organiza cuatro ramas (largo plazo, estacional, corto plazo y espacial), extrapola residuos y medias, controla gradientes de varianzas mediante inicialización a cero y replica medias con producto exterior. La salida concatena 8 flujos y pasa a una fusión por regresión polinómica, con validación estricta por paso en feedForward.
👉 Léelo | Señales | @mql5es | 1 576 |
| 8 |  Una sola media móvil describe la tendencia de un único marco temporal y puede generar lecturas contradictorias cuando el corto plazo sube y el contexto general sigue bajista. Un panel basado en SMMA por marcos múltiples permite ver la alineación entre M15, H1, H4 u otros desde un solo gráfico.
Precio por encima de varias SMMA sugiere sesgo alcista coordinado. Por debajo de todas, sesgo bajista. Por encima solo en el marco corto y por debajo en los largos suele encajar mejor con un retroceso que con un giro completo. La distancia frente a una SMMA superior ayuda a evaluar extensión, posible consolidación y zonas dinámicas de soporte o resistencia.
No predice precio; aporta contexto para filtrar entradas. Resulta útil para trend, intradía, swing, retrocesos, perfiles principiantes y validación visual de filtros MTF en sistemas automatizados. Se recomienda combinar con estructura, S/R,...
👉 Léelo | Manual sobre redes neuronales | @mql5es | 1 388 |
| 9 |  Indicador orientado a medir el volumen relativo detrás de cada vela y a clasificar si la actividad deriva en un resultado alcista o bajista relevante. Permite diferenciar actividad normal, volumen inusualmente alto o bajo, participación compradora o vendedora dominante, clímax y absorción (alto volumen con avance de precio limitado).
Una vela alcista amplia con volumen relativo elevado suele respaldar presión compradora real. En cambio, una vela pequeña con volumen muy alto puede apuntar a absorción o a un posible giro.
Uso frecuente en acción del precio para confirmar entradas, en rupturas para validar participación, y en reversiones para detectar clímax o absorción cerca de soporte y resistencia. También encaja en intradía y scalping por su lectura rápida de fortaleza.
En Forex y CFD se apoya en volumen por tick; en cripto, acciones y futuros puede usarse volumen real. El panel t...
👉 Léelo | Documentación | @mql5es | 1 584 |
| 10 |  La Parte 4 lleva el escáner multi‑temporalidad en MQL5 a un panel realmente utilizable: ahora puede arrastrarse por el gráfico y alternar entre vista completa y compacta sin perder la actualización continua de señales basadas en RSI, Estocástico, CCI, ADX y AO.
La mejora se apoya en estado global claro (posición, arrastre, minimizado) y en separar la creación de UI en dos rutas: create_full_dashboard y create_minimized_dashboard, con un TOGGLE_BUTTON dedicado. Un delete_all_objects centraliza la limpieza para recrear el panel sin residuos.
La interactividad se resuelve con OnChartEvent: detección precisa de cursor sobre cabecera y botones, reposicionamiento con update_panel_positions, y feedback visual por hover/clic ajustando propiedades de objetos. Resultado: más espacio, menos ruido y un flujo de análisis más rápido para traders y desarrolladores.
👉 Léelo | Calendario | @mql5es | 2 152 |
| 11 |  Herramienta basada en una EMA 25 como eje y un conjunto de envolventes en 20 bandas. El precio cerca del centro indica equilibrio; en rojo/naranja sugiere extensión al alza y en azul/violeta extensión a la baja. La lectura operativa se centra en el retorno a la media y en la gestión del tramo extendido.
El panel integra un consenso de 7 marcos temporales (1M a diario) para separar contexto macro de ruido micro. Además, el ADX actúa como filtro de impulso: con ADX bajo suele dominar el rango; con ADX alto se prioriza continuidad y se evita anticipar giros.
Uso clásico: compras en retrocesos cuando el consenso MTF es alcista y el precio cae a bandas bajas. Reversión a la media cuando el consenso está mixto y el ADX es débil, operando extremos hacia la EMA. Toma de beneficios cuando, dentro de una posición, aparece “agotamiento” en rojo extremo.
Funciones: mapa de calor dinámico con i...
👉 Léelo | VPS | @mql5es | 1 904 |
| 12 |  Panel de control con interfaz gráfica vectorial sin parpadeos, renderizado en un único fotograma y con redimensionamiento automático. Escalado DPI alto sin latencia apreciable en el terminal.
Calendario mensual con desplazamiento vertical mediante rueda del ratón, con codificación por color: cian para ganancias y rojo para pérdidas. Registro de operaciones con scroll, detalle por ejecución, calificaciones y edición de notas desde el gráfico mediante icono de lápiz.
Módulo de diagnóstico conductual con detección programática de revancha, FOMO, liquidaciones por pánico y fallos de disciplina, incluyendo ampliación de stop-loss durante la operación. Motor cuantitativo con Sharpe, Sortino, Calmar, Ulcer y SQN, segmentado en perfiles largos y cortos.
Simulación Monte Carlo de 1.000 trayectorias con bootstrap del historial real para proyección de drawdown y riesgo matemático de ruina. Pr...
👉 Léelo | Señales | @mql5es | 1 886 |
| 13 |  El artículo pasa de usar ticks reales a generar ticks simulados a partir de barras M1, un cambio clave para un sistema de replay: aquí el tiempo sí importa y cada vela debe “durar” un minuto, a diferencia del Strategy Tester.
El reto central es reconstruir un recorrido plausible sin conocer la secuencia real de operaciones. Se parte de un modelo tipo zig-zag entre OHLC, considerando que solo existen cuatro configuraciones básicas de vela y que el mínimo útil son 3 ticks para crear movimiento (no solo apertura/cierre).
En código, se refactoriza C_Replay para unificar lectura de barras y reutilizar rutinas probadas, se añade configuración para marcar archivos a convertir y para definir el tamaño de tick. También se incorpora un modo de depuración que permite visualizar el flujo de ticks simulados sin distorsionar las velas M1.
👉 Léelo | CodeBase | @mql5es | 2 396 |
| 14 |  Indicador técnico que integra el ADX de Wilder con Bandas de Bollinger en una sola subventana para medir fuerza de tendencia y volatilidad asociada. Calcula ADX estándar con +DI y −DI, y aplica Bollinger sobre la línea ADX para contextualizar la fuerza actual frente a su rango reciente.
La lectura se centra en la posición del ADX respecto a las bandas. Aproximaciones o rupturas de la banda superior suelen reflejar un impulso de tendencia fuera de lo habitual. Desplazamientos hacia la banda inferior tienden a coincidir con pérdida de fuerza o escenarios de rango.
Incluye ADX, +DI, −DI y bandas sobre ADX. Parámetros configurables: periodo de ADX, periodo de Bollinger y desviación. Puede combinarse con acción del precio u otros filtros. Uso válido en cualquier marco temporal y en FX, acciones, índices, materias primas y cripto.
👉 Léelo | Foro | @mql5es | 2 168 |
| 15 |  Un indicador MACD personalizado añade una visualización completa en ventana independiente con histograma codificado por colores, línea MACD principal y línea de señal. Frente a implementaciones que muestran solo el histograma, esta variante facilita el seguimiento del impulso y de los cruces.
El histograma cambia según el nivel cero: verde con MACD positivo y salmón con MACD negativo, lo que agiliza la lectura de sesgo y cambios de régimen. La línea MACD se calcula como diferencia entre EMA rápida y lenta; la señal es una media móvil aplicada a la propia línea.
Incluye ajustes de períodos (12/26/9 por defecto), selección del método de señal (SMA, EMA, SMMA, LWMA) y del precio aplicado. Puede emplearse para cruces de cero, cruces MACD-señal y divergencias, con aplicación en múltiples marcos temporales y activos. Se recomienda confirmar con acción del precio o métricas de volumen.
👉 Léelo | Guía de algotrading | @mql5es | 2 170 |
| 16 |  Marco operativo para una estructura adaptativa en FX y cripto basada en color de tendencia (velocidad/aceleración) y ancho de banda (ER). Verde lima indica impulso alcista; carmesí, bajista. Bandas contraídas señalan compresión y posible expansión; bandas expandidas implican tendencia eficiente o sobreextensión.
Estrategia de ruptura: tras compresión y base plana, compra si una vela cierra por encima de la banda superior y la base pasa a verde; vende si cierra por debajo y la base pasa a carmesí. Stop al lado opuesto de la base o fuera de la banda contraria. Mantener mientras no cambie el color; salir en el cambio.
Estrategia de reversión: con base plana y bandas anchas, entrar en largo si se perfora la banda inferior sin giro a carmesí y el precio reingresa; en corto con el caso simétrico. Objetivo: retorno a la base.
Matriz multisímbolo: filtra dirección y evita operar contra H4/...
👉 Léelo | Calendario | @mql5es | 2 818 |
| 17 |  Los sistemas basados en una MA fija fallan cuando el mercado cambia de régimen. En tendencia pueden funcionar, pero en lateralidad multiplican los whipsaws. Un optimizador automático recalcula el período en tiempo real dentro de un rango amplio, ajustando el indicador al comportamiento actual del activo.
La dirección no basta. La evaluación por esperanza matemática combina acierto y beneficio medio, evitando estrategias que parecen sólidas por porcentaje de éxito o por ganancias puntuales, pero que no sostienen costes y variabilidad.
Las salidas también pueden basarse en datos. Medir la MFE permite estimar objetivos de TP según el recorrido medio antes de un giro, en lugar de ratios arbitrarios.
El filtrado MTF reduce operaciones contra la tendencia dominante al exigir alineación entre marcos superiores e inferiores.
👉 Léelo | Calendario | @mql5es | 3 051 |
| 18 |  Los Transformers penalizan el trading algorítmico con atención O(N²): ampliar la ventana histórica dispara el coste y añade latencia, un problema real cuando se necesitan miles de velas y decisiones en milisegundos.
Mamba cambia el enfoque con modelos selectivos de espacio de estados (SSM) y complejidad O(N). Sustituye la atención por un estado oculto compacto que se actualiza de forma selectiva, adaptando parámetros según la entrada para conservar eventos relevantes y filtrar ruido.
La implementación en MQL5 se apoya en estructuras matriciales, convolución local + SSM selectivo + compuertas, inicialización HiPPO, patching para reducir carga y optimización con parallel scan.
ModernAI_Expert.mq5 muestra uso en MT5: IA “pura”, reentrenamiento periódico, normalización robusta y gestión de posición/salidas guiadas por la confianza del modelo.
👉 Léelo | Freelance | @mql5es | 3 015 |
| 19 |  El artículo cuestiona la carrera por escalar Transformers en predicción de series temporales: más parámetros aportan mejoras limitadas y el patching pierde estructura temporal, obligando a añadir codificaciones que disparan el tamaño y el sobreajuste.
Como alternativa, presenta SSCNN, que conserva la estructura desde el inicio mediante descomposición selectiva. Separa tendencia, estacionalidad y corto plazo con T-AttnNorm, generando mapas de selección normalizados que aíslan cada componente y acumulan el resto como residuo para la siguiente etapa.
La arquitectura usa dos ramas: inferencia (extrae componentes y residuos) y extrapolación (proyecta cada flujo al horizonte futuro con mapeos lineales), finalizando con regresión polinómica para capturar relaciones sin inflar el modelo.
En benchmarks, SSCNN mejora la precisión con muchos menos parámetros que PatchTST/iTransformer, y reduc...
👉 Léelo | Market | @mql5es | 2 567 |
| 20 |  Estrategia basada en la detección de una tendencia general y su validación mediante análisis multimarco temporal. La dirección principal se confirma en un marco superior y las entradas se ajustan en marcos inferiores para reducir ruido y mejorar el control del riesgo.
El enfoque es aplicable a múltiples símbolos con reglas consistentes, lo que facilita el seguimiento operativo y la comparación entre instrumentos. La gestión se simplifica al priorizar continuidad de tendencia, filtros básicos de volatilidad y condiciones claras de salida.
👉 Léelo | Guía de algotrading | @mql5es | 2 213 |
