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 47 027 مشترک است و جایگاه 2 569 را در دسته رمزارزها و رتبه 1 807 را در منطقه إسبانيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 47 027 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 11 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 815 و در ۲۴ ساعت گذشته برابر 15 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 5.53% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 2.66% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 2 598 بازدید دریافت می‌کند. در اولین روز معمولاً 1 250 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 5 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 12 نوامبر, 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.
47 027
مشترکین
+1524 ساعت
+1027 روز
+81530 روز
در حال بارگذاری داده‌ها
کانال‌های مشابه
ابر برچسب‌ها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
نوامبر '26نوامبر '26
نوامبر '26
+351
در 0 کانال‌ها
اکتبر '26
+1 039
در 0 کانال‌ها
Get PRO
سپتامبر '26
+1 123
در 0 کانال‌ها
Get PRO
اوت '26
+1 448
در 0 کانال‌ها
Get PRO
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 | |
| 12 نوامبر | +10 | |||
| 11 نوامبر | +19 | |||
| 10 نوامبر | +37 | |||
| 09 نوامبر | +46 | |||
| 08 نوامبر | +1 | |||
| 07 نوامبر | 0 | |||
| 06 نوامبر | +50 | |||
| 05 نوامبر | +37 | |||
| 04 نوامبر | +42 | |||
| 03 نوامبر | +34 | |||
| 02 نوامبر | +39 | |||
| 01 نوامبر | +36 |
پست‌های کانال
La pieza aborda un problema común en ML para trading: muchos fallos no vienen del mercado, sino de cómo se diseña, valida y prueba el modelo. En series temporales no se puede barajar; la validación cruzada debe respetar el orden para evitar fuga de información y reducir sobreajuste.
El flujo de trabajo conecta MetaTrader 5 y Python: un script MQL5 exporta históricos a CSV (ordenados de antiguo a reciente), luego en Python se preparan features en diferencias, se define el horizonte de predicción y se separa entrenamiento/prueba sin contaminar el out-of-sample.
Se establece un baseline con un modelo lineal y se despliega vía ONNX en MQL5 para backtesting con gestión de órdenes. Después, TimeSeriesSplit + RandomizedSearchCV ajustan una red neuronal profunda con pocos datos, mejorando rendimiento y número de señales, manteniendo consistencia al reutilizar el mismo periodo de prueba.
👉 Léelo | Cotizaciones | @mql5es
| 2 |  La gestión de múltiples instancias de MetaTrader 5 para varios EAs y cuentas suele obligar a ejecutar terminales en paralelo, a veces en servidores distintos, con fricción operativa y poca visibilidad centralizada. MultiTerminal quedó limitado a MT4 y operación manual; las alternativas actuales se centran en monitorización, no en control.
Se propone una interfaz web local para iniciar, detener y supervisar instancias MT5 distribuidas. Arquitectura modular: servidor web principal como panel y orquestador, servidores web por host ejecutando comandos vía Python + librería MetaTrader5, y almacenamiento inicial en SQLite con posible migración posterior a PostgreSQL.
El MVP plantea una API REST con endpoints para estado e instancias, implementada con FastAPI y Uvicorn, retornando JSON/HTML y validación automática de parámetros. Se inicia con una ruta GET / que renderiza una página mínima ...
👉 Léelo | Guía de algotrading | @mql5es | 1 141 |
| 3 |  SpikingBrain plantea redes neuronales de impulsos para trading: en vez de procesar precios como flujo continuo, reacciona a eventos discretos. Esto mejora la eficiencia en periodos de calma y evita gastar cómputo en ruido, manteniendo sensibilidad ante cambios bruscos.
La arquitectura convierte series temporales en spikes mediante codificación por umbrales o por tasa de cambio; luego integra impulsos para filtrar fluctuaciones pequeñas y disparar respuestas cuando el efecto acumulado importa. Capas híbridas separan patrones de corto plazo y señales de largo horizonte, con mecanismos internos de estabilización y diseño modular para combinar bloques “spiking” y deep learning clásico.
La implementación hacia MQL5 aprovecha modelos preentrenados tipo Transformer y atención híbrida. Se prioriza atención adaptativa: atención dispersa con grafones para dependencias lejanas, MoE para activa...
👉 Léelo | Manual sobre redes neuronales | @mql5es | 1 005 |
| 4 |  MetaTrader 4/5 mantiene su adopción por su soporte de trading manual y automatizado. En MQL5, el Asistente facilita prototipos con múltiples señales, trailing stop y gestión de capital mediante clases modulares.
Se propone una clase de señal personalizada que combina FrAMA y estocástico. La lógica se discretiza en patrones booleanos, generando vectores binarios que reducen ruido y permiten ponderación, activación selectiva y optimización por patrón en el probador.
El framework evalúa 10 patrones en H4 con entrenamiento 07/2023–07/2024 y validación 07/2024–07/2025. Se prueban XAU/USD, S&P 500 y USD/JPY según régimen: tendencia, reversión a la media, correlación, desacoplamiento y volatilidad.
👉 Léelo | VPS | @mql5es | 925 |
| 5 |  El modo de prueba «Cada tick basado en ticks reales» decide stops, órdenes pendientes y filtros de spread con el historial de ticks disponible, no con las velas visibles. Una herramienta de auditoría valida ese feed en una ventana de N días que termina en el último tick del símbolo y genera CSV con marcas de tiempo en milisegundos.
Se revisan cinco clases de fallos: cotizaciones no positivas, cruzadas o bloqueadas; marcas de tiempo hacia atrás, repetidas o incoherentes; reversiones de un tick medidas en múltiplos del spread mediano; silencios >60 s dentro de sesiones declaradas; y discrepancias entre ticks y barras M1.
En una muestra de 5 símbolos durante 3 días se leyeron 1.962.511 ticks en 1,3 s. No aparecieron cruces, retrocesos de tiempo ni divergencias M1. Sí se detectaron silencios recurrentes en FX dentro de sesiones 00:00–24:00 declaradas, y picos de >=10 spreads concentrado...
👉 Léelo | Documentación | @mql5es | 920 |
| 6 |  JPN225 Quiet Drift es un EA gratuito y con código abierto orientado al Nikkei 225 en M15. Opera solo en largo, limita a una operación simultánea y aplica stop loss en cada entrada. La señal se valida en la barra cerrada con tres filtros: cierre > media de 34 barras + 0,5 desviación estándar, histograma MACD en ATR < 0,2 y volumen de ticks < 60% del promedio horario (20 días).
La entrada se ejecuta en la siguiente barra, con stop en 4 ATR y objetivo en 3,5 ATR. Todas las posiciones se cierran antes de las 17:00 (hora del servidor). Ventana de señales 11:00–14:59; entradas 11:15–15:00, de lunes a viernes.
Backtest: +87,8% neto sobre 10.000 (15 lotes), 18,5% anual simple, DD máx 8,5%, PF 1,68, 61,8% acierto (309 operaciones). Años positivos 2022–2026 (oct). Incluye pruebas de robustez, sensibilidad y significancia estadística; el rendimiento depende de costes, deslizamiento y calidad d...
👉 Léelo | CodeBase | @mql5es | 936 |
| 7 |  Parte 36 continúa la automatización de oferta y demanda en MQL5 con un modelo de consolidación, ruptura e импulso, orientado a operar retesteos con gestión de riesgo configurable y señalización en gráfico.
El flujo propuesto separa detección y validación: rangos por número de velas, umbral de spread, y confirmación por movimiento impulsivo usando multiplicador. Se añaden modos por enumeraciones para retrade, roturas, límites de tamaño y confirmación de tendencia.
La implementación usa CTrade, estructuras para persistir zonas y arrays para zonas activas y potenciales. Incluye limpieza en OnDeinit, control de nueva barra, validación por ventana temporal, descarte por solapes, y estados ready/tested/broken.
La ejecución en retesteo filtra por tendencia opcional y coloca SL/TP por puntos relativos a la zona, con backtesting como paso de verificación.
👉 Léelo | Freelance | @mql5es | 1 241 |
| 8 |  El algoritmo Blue Monkey (Mahmood y Al-Khateeb, 2019, PEN) se evalúa como opción de optimización para problemas discretos en robots de trading. La población se divide en grupos con líder por fitness, más un subconjunto de “crías” que compite por reemplazar a los peores.
La implementación propuesta define C_AO_BM (derivada de C_AO) con parámetros popSize, numGroups y childrenRatio. Se mantienen arrays de posición, rate y weight para adultos y crías, además de groupId y childFitness.
Init dimensiona estructuras, inicializa rate a cero, asigna weights aleatorios entre minW y maxW, distribuye adultos por módulo y fija childFitness al mínimo. Moving inicializa posiciones en la primera llamada y luego ejecuta UpdatePositions. Revision recalcula pesos, aplica SwapWorstWithBest y actualiza mejores locales y globales, incluyendo crías.
👉 Léelo | Señales | @mql5es | 1 252 |
| 9 |  En trading algorítmico, la ventaja suele depender de procesar flujos complejos con baja latencia y separar señal de ruido. El aprendizaje profundo mejoró esa capacidad, pero el aumento de profundidad mostró degradación y problemas de entrenamiento, resueltos en gran parte por conexiones residuales tipo ResNet.
Las SNN (spiking neural networks) encajan con datos guiados por eventos, pero han quedado por detrás en tareas exigentes por gradientes inestables y por la dificultad de implementar una identidad residual con neuronas de pico.
SEW-ResNet (Spike-Element-Wise), descrito en “Deep Residual Learning in Spiking Neural Networks”, replantea el residual para SNN y mitiga gradientes evanescentes/explosivos. Los resultados reportan mejor escalado con la profundidad y redes de más de 100 capas estables, abriendo opciones para modelos basados en eventos en finanzas y pipelines en tiempo real.
👉 Léelo | VPS | @mql5es | 1 230 |
| 10 |  La serie construye en MQL5 un EA de “breakout blocks” que detecta consolidaciones, confirma rupturas y opera el retesteo del bloque ya invalidado. La consolidación se mide en N velas con un spread máximo; la ruptura se valida exigiendo un impulso mínimo mediante un multiplicador sobre el rango.
La implementación usa CTrade con magic number, entradas para lotaje, trailing stop y filtros. El estado se gestiona con estructuras y arrays que guardan precios, tiempos, tipo de bloque, invalidación, alejamiento y retesteo, además de limpieza en OnDeinit.
El sistema dibuja rectángulos y etiquetas, oscurece bloques invalidados y puede validar por swings (HH/LL). Solo entra tras “move away” y un retesteo con cierre favorable, con SL/TP parametrizables para backtesting y ajuste.
👉 Léelo | Señales | @mql5es | 1 222 |
| 11 |  Session Sweep Boxes representa las sesiones de Asia, Londres y Nueva York como recuadros de rango y detecta barridos de liquidez sobre esos máximos y mínimos. El “sweep” se confirma cuando el precio supera el extremo de una sesión ya cerrada y la vela termina cerrando de nuevo dentro del rango, típico de activación de stops antes de un giro.
La señal bajista se marca con flecha roja al barrer el máximo; la señal alcista, con flecha azul al barrer el mínimo. Solo se validan en velas cerradas, sin repintado. Tras finalizar una sesión, sus extremos se prolongan como líneas punteadas hasta un barrido, una ruptura por cierre o el reinicio diario.
La configuración se basa en horarios en GMT y admite desfase del servidor automático o manual (recomendable en backtests y tras cambios de horario). Incluye opciones de historial, colores, relleno, etiquetas, extensión de niveles, alertas y cont...
👉 Léelo | CodeBase | @mql5es | 1 221 |
| 12 |  Un EA de ruptura basado en “rango de apertura” calcula el máximo y mínimo de los primeros minutos tras el inicio de sesión usando datos M1. Con ese rango coloca dos órdenes pendientes: buy stop por encima y sell stop por debajo. Al ejecutarse una, la otra se cancela (OCO). Se limita a una operación diaria y todas las posiciones se cierran antes del fin de sesión.
Probado en CFD del US100/Nasdaq 100. Los horarios por defecto asumen servidor GMT+3 (apertura USA 16:30 server) y deben ajustarse al bróker.
Incluye parámetros de ventanas horarias, dirección (larga/corta/ambas), riesgo por operación, TP en múltiplos de R y stop en fracción del rango. Añade filtro ATR para excluir días atípicos, límite de pérdida diaria, caída máxima y control de saldo. Es una plantilla formativa; requiere pruebas en tester y demo.
👉 Léelo | Señales | @mql5es | 1 193 |
| 13 |  Volatility Regime Shader clasifica la volatilidad en tres regímenes usando el percentil del ATR dentro de una ventana retrospectiva, en lugar de un umbral fijo. Un ATR en percentil 90 indica que supera al 90% de las lecturas del periodo, lo que normaliza el comportamiento entre símbolos y marcos temporales.
El gráfico puede sombrear compresión (azul claro) cuando el percentil es <=20 y expansión (rojo claro) cuando es >=80. El régimen normal queda sin sombreado por defecto, con opción de activarlo. Una etiqueta muestra régimen y percentil del ATR en la esquina superior derecha.
Parámetros habituales: ATR 14, retrospectiva 100 y cálculo/sombreado de 3000 barras. Incluye alertas al cambio de régimen en barras cerradas.
Para automatización, iCustom expone dos búferes: percentil ATR (0–100) y código de régimen (0 compresión, 1 normal, 2 expansión). Esto permite filtrar estrategias: rup...
👉 Léelo | Documentación | @mql5es | 1 200 |
| 14 |  Volatility Regime Shader clasifica la volatilidad en tres regímenes y sombrea el fondo del gráfico según el estado detectado. En vez de comparar el ATR contra un umbral fijo, calcula el percentil del ATR actual dentro de una ventana retrospectiva, lo que ajusta la lectura a cualquier símbolo y marco temporal.
Compresión se marca cuando el percentil cae en el umbral o por debajo (azul claro) y Expansión cuando está en el umbral o por encima (rojo claro). El régimen Normal no se sombrea salvo configuración. Una etiqueta muestra régimen y percentil en la esquina superior derecha.
Incluye parámetros para período de ATR, tamaño de retrospectiva, umbrales, número de barras a calcular y colores. Puede actuar como filtro: rupturas tras compresión, continuación con expansión, y reversión a la media más segura en compresión o normal. Exporta dos búferes vía iCustom: percentil (0–100) y código...
👉 Léelo | VPS | @mql5es | 1 147 |
| 15 |  Watchlist Chart Opener automatiza la apertura de gráficos en la terminal. Con una sola ejecución crea un gráfico por cada símbolo de Market Watch o por una lista personalizada, usando el marco temporal seleccionado.
Permite aplicar una plantilla existente a cada gráfico nuevo para mantener indicadores, colores y configuración. Los símbolos definidos manualmente se añaden a Market Watch. Los que no estén disponibles en el servidor del bróker se omiten y quedan registrados en el log de Experts.
Incluye filtro de texto para abrir solo símbolos que contengan una cadena concreta, sin distinguir mayúsculas. Puede evitar duplicados si ya existe un gráfico del mismo símbolo y periodo.
Incorpora un límite máximo de gráficos por ejecución (20 por defecto) y muestra un resumen final con abiertos, omitidos y fallidos. Las plantillas deben estar guardadas en la carpeta estándar de la terminal.
👉 Léelo | Documentación | @mql5es | 1 103 |
| 16 |  Un exportador de operaciones cerradas genera un CSV compatible con Excel o Google Sheets e incluye métricas que no suelen aparecer en el historial estándar: MAE (excursión adversa máxima) y MFE (excursión favorable máxima). Ambos valores se calculan con barras M1 del periodo en que la posición estuvo abierta.
El archivo añade “CapturedPct”, que indica qué porcentaje de la MFE se materializó. Con series amplias de operaciones, MAE/MFE ayudan a ajustar stop loss y take profit con base cuantitativa.
Cada fila representa una posición cerrada reconstruida a partir de sus operaciones, incluyendo ampliaciones y cierres parciales como un único registro con precios medios. Filtros disponibles: rango de días, símbolo, número mágico, cálculo MAE/MFE, separador y carpeta de salida.
Limitaciones: MAE/MFE usan BID M1, en ventas no reflejan spread. Si falta histórico M1, las columnas quedan vacía...
👉 Léelo | Guía de algotrading | @mql5es | 1 367 |
| 17 |  Teoría de categorías aplicada a trading algorítmico: intervalos (span), experimentos y composición como herramientas de modelado formal.
Un span conecta A y B mediante P y dos morfismos (P→A, P→B). Se usa para comparar morfismos, definir límites/colímites y construir pullbacks con igualdad de composiciones y una condición universal.
El “experimento” modela dos transformaciones paralelas y un morfismo hacia un codominio común, útil para coecualizadores y validación de hipótesis entre señales. La composición aporta asociatividad y permite encadenar pipelines de transformaciones.
Caso práctico: registrar beneficio flotante (P) junto con ATR (A) y MA (B) por barra, estimar correlaciones con retardo y derivar un delta de stop loss como suma de salidas lineales. La extensión con spans compuestos (descomponer ATR/MA en subdominios) mejora ajuste, con riesgo de sobreoptimización.
👉 Léelo | Documentación | @mql5es | 2 080 |
| 18 |  WaveMaster Pro EA es un asesor experto de ejecución para MT5 y no genera señales por sí mismo. Depende del indicador gratuito WaveMaster Oscilloscope: sin el indicador instalado, el EA no se inicializa ni opera. La lógica de señal reside en el indicador; el EA actúa como motor de ejecución.
El indicador exporta señales y métricas a búferes (señal, probabilidad ML, puntuación, umbral adaptativo, anomalía). El EA lee esos valores tick a tick y aplica una entrada por evento mediante detección de flanco ascendente, evitando reentradas en el mismo movimiento.
Incluye gestión de riesgo por lote fijo o por % calculado con la distancia real de stop-loss, SL/TP fijos o dinámicos con ATR, break-even, trailing stop, filtros por sesión y spread, límites diarios y un panel en gráfico con AutoTrade y “Cerrar todo”. Es compatible con Strategy Tester y suministra código fuente legible, sin módulos ...
👉 Léelo | Cotizaciones | @mql5es | 1 776 |
| 19 |  Los backtests y las optimizaciones dependen del historial de barras disponible en la terminal, pero rara vez se valida su integridad. Una auditoría automatizada puede leer exactamente las barras que recibiría un EA y señalar defectos que alteran resultados sin dejar rastro visual.
Se verifican seis categorías: coherencia OHLC (incluidos precios imposibles), marcas de tiempo duplicadas o fuera de la cuadrícula del período, huecos contrastados con las sesiones declaradas por el bróker, barras sin ticks o con rango nulo, discrepancias al reconstruir el marco temporal desde M1, y spreads almacenados en cero o por encima de un umbral configurable.
Ejemplo: 5 símbolos del Market Watch, M15, 5.000 barras cerradas por símbolo, análisis en ~1 segundo. La métrica clave es la cobertura de sesión (Sess%), que separa huecos explicables por calendario de ausencias dentro de sesión. En XAUUSD apar...
👉 Léelo | Señales | @mql5es | 1 716 |
| 20 |  El algoritmo de optimización por mecanismo electromagnético (EM), propuesto por Birbil y Fang (2003), es una metaheurística poblacional para optimización no lineal continua sin restricciones. Modela soluciones como partículas con “carga” derivada del valor objetivo y aplica atracción o repulsión en función de calidad y distancia.
La implementación típica define una partícula con coordenadas, carga, fitness, distancias y vector de fuerzas. Una clase de control mantiene rangos por dimensión, mejor posición global y constantes (entorno, paso de movimiento, exponente). El ciclo itera: inicialización, cálculo de cargas, fuerzas tipo Coulomb, movimiento acotado y revisión del mejor global.
En pruebas con 10.000 evaluaciones por función, se reportan resultados en Rastrigin, Forest y Megacity con distintos tamaños (5/25/500), y un score total agregado de 2,79996.
👉 Léelo | CodeBase | @mql5es | 2 151 |
