اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
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 42 332 مشترک است و جایگاه 3 017 را در دسته رمزارزها و رتبه 2 036 را در منطقه إسبانيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 42 332 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 10 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 1 348 و در ۲۴ ساعت گذشته برابر 41 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 6.89% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.50% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 2 914 بازدید دریافت میکند. در اولین روز معمولاً 1 480 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 7 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 11 ژوئن, 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.
42 332
مشترکین
+4124 ساعت
+2827 روز
+1 34830 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئن '26
ژوئن '26
+429
در 0 کانالها
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 | |
| 11 ژوئن | +15 | |||
| 10 ژوئن | +41 | |||
| 09 ژوئن | +33 | |||
| 08 ژوئن | +89 | |||
| 07 ژوئن | +12 | |||
| 06 ژوئن | +13 | |||
| 05 ژوئن | +47 | |||
| 04 ژوئن | +60 | |||
| 03 ژوئن | +39 | |||
| 02 ژوئن | +40 | |||
| 01 ژوئن | +40 |
پستهای کانال
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
| 2 |  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 | 1 326 |
| 3 |  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 | 2 165 |
| 4 |  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 | 1 880 |
| 5 |  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 | 1 747 |
| 6 |  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 | 2 338 |
| 7 |  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 | 2 174 |
| 8 |  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 | 2 690 |
| 9 |  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 | 2 473 |
| 10 |  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 | 2 657 |
| 11 |  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 | 2 455 |
| 12 |  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 | 2 848 |
| 13 |  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 | 2 580 |
| 14 |  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 | 3 226 |
| 15 | 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 | 2 772 |
| 16 |  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 | 3 160 |
| 17 |  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 | 2 905 |
| 18 |  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 | 2 739 |
| 19 |  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 | 3 072 |
| 20 |  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 | 2 644 |
