Trading Algorítmico MQL5
Kanalga Telegram’da o‘tish
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.
Ko'proq ko'rsatish📈 Telegram kanali Trading Algorítmico MQL5 analitikasi
Trading Algorítmico MQL5 (@mql5es) Ispan til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 45 551 obunachidan iborat bo'lib, Kriptovalyutalar toifasida 2 526-o'rinni va Ispaniya mintaqasida 1 865-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 45 551 obunachiga ega bo‘ldi.
21 Sentabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 1 149 ga, so‘nggi 24 soatda esa 26 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 6.41% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 2.93% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 2 922 marta ko‘riladi; birinchi sutkada odatda 1 335 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 7 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent léelo, indicador, gráfico, señal, análisis kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“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.”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 22 Sentabr, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Kriptovalyutalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
45 551
Obunachilar
+2624 soatlar
+1567 kun
+1 14930 kun
Postlar arxiv
45 575
La predicción en redes espaciotemporales afecta tanto a transporte inteligente como a mercados financieros: nodos, aristas y señales (tráfico vs. precios, volumen y liquidez) comparten estructura y objetivos de forecasting.
Los enfoques clásicos separan espacio y tiempo, elevan la complejidad y reducen el horizonte. En self-attention aparecen costes tipo O(NT^2 + TN^2), difíciles de sostener con flujos y latencia reales.
Extralonger propone una Unified Spatial-Temporal Representation: cada paso temporal incorpora todos los nodos y cada nodo resume todo el historial. La complejidad baja a O(T^2 + N^2), con mejoras fuertes en memoria y entrenamiento, habilitando horizontes largos.
La arquitectura combina embeddings con ruido entrenable, periodicidad (día/semana) y un Transformer de tres rutas. El módulo Global-Local Spatial Transformer mezcla atención global y local vía matriz de ady...
👉 Léelo | Documentación | @mql5es
45 575
El arbitraje en Forex se basa en ciclos de conversión (p. ej., USD→EUR→GBP→USD) rentables tras spreads y comisiones, con requisito de exposición neta cero por divisa. En mercados eficientes, estas ventanas son raras y de corta duración, lo que obliga a automatización y baja latencia.
Una implementación práctica puede modelarse como grafo dirigido: divisas como vértices y pares como aristas, con peso 1/ask en compras y bid en ventas. La detección combina Floyd‑Warshall adaptado a maximizar productos y un DFS con límites de profundidad y exclusión de símbolos repetidos.
La arquitectura típica separa construcción del grafo, búsqueda, balanceo de lotes según restricciones del bróker, ejecución con contingencias y gestión de riesgo con promediado y cierres de emergencia.
👉 Léelo | Market | @mql5es
45 575
Flujo MT5→Python ampliado desde la ingesta a entrenamiento y despliegue en tiempo real. Los históricos se guardan en disco y pasan a un pipeline de ingeniería de variables y ajuste de modelos por símbolo, con serialización y caché.
El EA MQL5 queda como capa de ejecución: captura velas, construye JSON, envía POST y actúa sobre señales COMPRAR/VENDER/CERRAR/ESPERAR. Incluye control por nueva barra, limitación por intervalo, reintentos, limpieza de objetos gráficos y gestión de órdenes vía CTrade.
En Python, Flask expone /upload_history y /predict. upload_history parsea fragmentos JSON, calcula indicadores técnicos, etiqueta y persiste el dataset; /predict carga modelos joblib desde caché y responde en milisegundos. El entrenamiento puede usar scikit-learn o deep learning según el formato de features.
👉 Léelo | VPS | @mql5es
45 575
SessionORB_EA automatiza una estrategia de ruptura del rango de apertura. Calcula el máximo y mínimo durante los primeros N minutos desde la hora de sesión configurada (Londres, NY o personalizada en horario del bróker) usando datos M1, y proyecta niveles de activación con un buffer.
La entrada se ejecuta solo cuando una vela cierra por encima o por debajo del disparador. Se abre una única operación por sesión, con tamaño calculado por % de riesgo o lote fijo. El stop se coloca al lado opuesto del rango con margen adicional, y el take profit se define por ratio recompensa/riesgo.
La confirmación depende del periodo del gráfico donde corre el EA, pero el rango siempre se mide en M1. El sistema limita operaciones por sesión, respeta una ventana de trading tras el cierre del rango y reconstruye los objetos al inicio de la siguiente sesión.
Parámetros clave: hora/minuto de sesión, dura...
👉 Léelo | Cotizaciones | @mql5es
45 575
Reverse RSI Bands aplica una deducción algebraica a la fórmula recursiva de suavizado de Wilder para convertir objetivos de RSI en niveles de precio exactos sobre el gráfico principal. En lugar de mostrar un oscilador en subventana, calcula a qué precio el RSI alcanzaría los umbrales configurados de sobrecompra y sobreventa.
El cálculo usa el estado verificado de la barra anterior para obtener el precio requerido en la barra actual, con el objetivo de evitar repintado y mantener coherencia con el RSI estándar de la plataforma. Parámetros: período (14), sobrecompra (70), sobreventa (30) y precio aplicado (cierre).
Uso operativo: monitorizar contacto o ruptura de bandas (superior carmesí, inferior verde) para zonas dinámicas de soporte/resistencia y colocación de órdenes limitadas. Recomendado en EURUSD/GBPUSD, H1 y H4. Proyecto basado en referencias históricas y una implementación MQ...
👉 Léelo | Freelance | @mql5es
45 575
El artículo explica cómo usar un perceptrón (red neuronal básica con aprendizaje supervisado) para pronóstico de precios en Forex, ajustando pesos con históricos y alternando entre entrenamiento y predicción. Su valor está en la adaptabilidad y en integrar múltiples factores, pero exige datos representativos y control de sensibilidad a outliers.
Se detallan riesgos típicos: sobreentrenamiento y degradación al cambiar el régimen de mercado. Para mitigarlos se proponen regularización L1/L2, actualización periódica y combinar el perceptrón con modelos clásicos como ARIMA o suavizado exponencial según horizonte temporal.
Desde el lado práctico en MT5, se enfatiza la optimización de hiperparámetros (capas, neuronas, activación, tasa de aprendizaje, lote, inicialización y optimizador) y el filtrado de indicadores para evitar redundancia. Incluye un EA ejemplo que usa distancias entre dos ...
👉 Léelo | Manual sobre redes neuronales | @mql5es
45 575
Round Trip Cost Reconciler es una utilidad gratuita para MT5, de solo lectura, orientada a operadores y desarrolladores que requieren conciliación y no solo exportar el historial en bruto. Genera dos CSV: uno con operaciones filtradas y otro que agrupa compras y ventas por DEAL_POSITION_ID.
Las ejecuciones parciales se consolidan en precios de entrada y salida ponderados por volumen. Comisiones, swaps y tasas del bróker se reportan por separado del resultado bruto. Incluye IDs de deal/orden/posición, símbolo, magic, dirección, tipo de entrada, hora, precio, volumen y métricas de ciclo.
Clasifica el estado como COMPLETO, ABIERTO_O_INCOMPLETO, EXCESS_EXIT o COMPLEX_REVERSAL. Permite configurar días de historial, ámbito de símbolos, filtro por magic, nombres de archivo, carpeta común y delimitador. No usa DLL, WebRequest ni servicios externos; solo lee historial y escribe CSV locales.
👉 Léelo | Guía de algotrading | @mql5es
45 575
Disponible un script para MT5 que inspecciona los horarios reales de sesiones semanales entregados por el bróker conectado. No usa plantillas fijas para Londres, Nueva York u otras plazas.
Puede ejecutarse sobre el símbolo del gráfico, una lista separada por comas o todos los visibles en Market Watch. Por símbolo, enumera sesiones vía SymbolInfoSessionTrade, valida si la hora del servidor cae dentro de una sesión, calcula la próxima transición de apertura/cierre e informa el modo de negociación y el estado de sincronización. Las sesiones que cruzan medianoche se marcan (+1d). Si no hay datos, devuelve SCHEDULE_UNAVAILABLE.
Opcionalmente exporta una instantánea CSV con marca de tiempo en Common Files. Incluye entradas para alcance, lista personalizada, exportación, prefijo y límite de sesiones. Es diagnóstico; no gestiona operaciones ni genera señales.
👉 Léelo | Señales | @mql5es
45 575
La gestión de capital define reglas para dimensionar posiciones con el objetivo de controlar riesgo y estabilizar el rendimiento. Requiere una estrategia con stop-loss/take-profit y esperanza matemática positiva, estimada con p, SL y TP.
El crecimiento lineal usa lote fijo y estima L a partir del histórico, con variantes que incorporan un parámetro R para modular el riesgo. El crecimiento exponencial se implementa con porcentaje fijo y deriva el riesgo de la propia formulación. El crecimiento hiperbólico necesita búsqueda numérica del lote y suele implicar riesgo elevado.
En una prueba EURUSD H1 (2021-2022, 10.000, 509 trades), MinLot cerró con +466. Lin/Exp/Hyp mejoraron el net profit con cambios en profit factor y drawdowns, destacando que el parámetro de riesgo altera de forma material la curva de balance.
👉 Léelo | Foro | @mql5es
45 575
Broker Execution Diagnostics MT5 es un script de solo lectura orientado a diagnosticar parámetros de símbolos que suelen causar volúmenes no válidos, niveles stop incorrectos y cálculos de riesgo inconsistentes en MT5.
El informe incluye dígitos, punto, tamaño y valor de tick, spread actual en puntos, límites de volumen (mínimo, máximo e incrementos) y un resultado de normalización conservadora para el volumen solicitado. También muestra nivel de stop y nivel de congelación, en puntos y distancia de precio, además de los modos de operación y ejecución.
De forma opcional, valida la distancia entre precio de entrada y Stop-Loss y estima OrderCalcProfit en la divisa de la cuenta. Entradas: InpRequestedVolume, InpEntryPrice, InpStopLossPrice, InpShowOnChart.
Uso: compilar en MetaEditor, asignar al símbolo y revisar el registro de expertos o el comentario en el gráfico. No envía, modifi...
👉 Léelo | Documentación | @mql5es
45 575
Un detector de inversión por barrido de sesión formaliza un patrón intradía frecuente: el precio supera el máximo o mínimo de una sesión cerrada, activa liquidez en ese extremo y vuelve a cerrar dentro del rango en pocas velas. La lectura suele ser agotamiento a corto plazo, no ruptura.
El sistema dibuja máximos y mínimos de la sesión en tiempo real y los “congela” al cierre, extendiéndolos como niveles de referencia. Un barrido solo se valida si la penetración excede un buffer configurable (SweepBufferPips) y el cierre regresa al rango dentro de un límite de barras (ReversalBars). Si no hay retorno a tiempo, se descarta la señal.
Señales: barrido alcista tras barrer el mínimo y cerrar de vuelta arriba; barrido bajista tras barrer el máximo y cerrar por debajo. Uso típico en M5–M30, con sesiones Londres/Nueva York; las flechas se tratan como filtro para buscar confirmación adicional.
👉 Léelo | CodeBase | @mql5es
45 575
Muchos EAs en Forex siguen basándose en reglas de indicadores antiguos, ignorando tres problemas clave: relación señal/ruido muy baja, dependencias de largo plazo y no estacionariedad. El artículo prueba N-BEATS como alternativa para modelar series temporales descomponiendo tendencia, estacionalidad y residuo, con bloques residuales más interpretables y cómputo paralelo.
La implementación en MetaTrader 5 se construye desde cero: matrices con gradientes, activación SiLU con derivada estable, optimizador Adam, entradas multivariantes, normalización robusta (mediana y MAD), recorte de outliers y detección de anomalías.
En trading se prioriza incertidumbre: pronóstico por cuantiles, pérdidas cuantílicas, Focal Loss para eventos raros y stop-loss adaptativo. Se añade histéresis de señales, caché para OnTick(), entrenamiento continuo, perfilado, gestión de memoria y monitorización con det...
👉 Léelo | Foro | @mql5es
45 575
Actualización de una librería de controles en MQL5 para conectar Modelo y Vista en un TableView bajo MVC. El objetivo es unificar datos tabulares y renderizado en un único control compuesto por panel base, encabezado con botones, contenedor con scroll, panel de filas y paneles de celdas.
Se refactoriza Base.mqh para soportar dibujo en lienzos ajenos. CBound incorpora puntero al control; se crea CBoundedObj para alojar límites y propiedad de lienzos; CCanvasBase pasa a usar punteros a CCanvas y un flag de ownership para evitar liberaciones indebidas. Se ajustan macros, enums y métodos virtuales.
En Controls.mqh se añaden alturas por defecto, se renombra CListObj a CListElm por colisión, se amplía la factoría de elementos, y CPanel/Container coordinan resize con CheckElementSizes() para recorte y aparición de scrollbars. La celda Vista se modela como objeto sin lienzos propios, dibuja...
👉 Léelo | VPS | @mql5es
45 575
Pipeline para transformar histórico de MetaTrader 5 en señales en tiempo real con ML, con foco en ingesta reproducible y control de límites.
En MQL5, un script divide barras en fragmentos JSON, ajusta el tamaño para mantenerse por debajo de 14 MiB, y envía por WebRequest con POST, reintentos y registro de rangos, tamaños y estados HTTP. La carga es independiente del gráfico y del timeframe al usar parámetros consistentes.
En Python, una API Flask recibe /upload_history, valida, convierte a pandas y persiste en Parquet. El preprocesamiento elimina duplicados y normaliza timestamps.
La ingeniería de características unifica OHLC con MACD/RSI/ATR, pendientes con Kalman y deltas de Prophet. El backend entrena modelos bajo demanda, cachea Prophet por símbolo y usa fallback global cuando falta historial.
👉 Léelo | Freelance | @mql5es
45 575
Las series temporales multivariantes combinan dependencia temporal y correlación entre activos, con relaciones que cambian por shocks macro, política monetaria o eventos industriales. En carteras grandes, ARIMA/VAR y modelos secuenciales suelen perder capacidad para representar correlaciones dinámicas.
Las GNN adaptativas aprenden el grafo desde datos, pero escalan mal con matrices N×N y tienden a introducir conexiones débiles. SAGDFN aborda el problema con difusión en grafos y dispersidad espacial: selecciona nodos y vecinos significativos para construir una matriz N×M, reduciendo complejidad de N² a MN y consumo de memoria.
El framework usa Significant Neighbors Sampling y atención espacial dispersa multicabeza. La normalización con α-Entmax fuerza atención realmente dispersa, eliminando pesos marginales. El entrenamiento conjunto optimiza embeddings, atención y adyacencia con pér...
👉 Léelo | Guía de algotrading | @mql5es
45 575
Un panel de rangos automatiza el cálculo y trazado de máximos y mínimos a partir de una retrospectiva configurable. El estado del mercado queda visible en tiempo real: precio dentro del rango para escenarios de reversión, o ruptura confirmada para operativa direccional. Las líneas y etiquetas opcionales se muestran sobre el gráfico para reducir consultas al panel.
Incluye parámetros operativos claros: ID por instancia para ejecutar varias copias, barras de retrospectiva, búfer de confirmación en puntos para filtrar ruido, e intervalo de actualización por temporizador para evitar carga en cada tick. También ofrece ajustes de tema, tamaño, autoescalado, anclaje y desplazamientos, además de estilo y grosor de líneas.
Uso típico: trading de rango con rechazo en extremos y stop fuera del nivel, entrada en ruptura tras confirmación con stop dentro del rango roto, ORB con 10–15 barras al i...
👉 Léelo | Señales | @mql5es
45 575
Panel técnico para FX con lectura unificada de contexto. Calcula un sentimiento aproximado a partir de EMA, MACD y estocástico, y clasifica la tendencia por dirección, fase e impulso. Añade módulos de volatilidad y ruptura con ATR, estrechamiento de Bollinger y canal de Donchian, diferenciando ruptura confirmada, falsa o en prueba.
Incluye carry (swap largo/corto) y el próximo evento económico relevante del par. En el gráfico puede superponer EMAs, Bollinger y Donchian, con parámetros de escala, colores, posición e intervalo de actualización.
Uso operativo: reduce cambios de ventana, filtra entradas cuando hay rango, divergencia, “reversal risk” o noticias cercanas, y permite priorizar dirección con swap positivo en H4/D1 si la tendencia acompaña.
Limitaciones: sentimiento solo técnico, sin entradas/salidas automáticas; el calendario depende del servidor del bróker. Herramienta edu...
👉 Léelo | Calendario | @mql5es
45 575
Parámetros por defecto para un EA basado en EMAs y ejecución sobre velas cerradas en M15. InpFastEMA e InpSlowEMA configuran 10 y 30 periodos, respectivamente, para el cálculo de la señal.
InpSignalTF fija M15 como marco temporal de señal. La ventana operativa se limita con InpStartHourWIB e InpEndHourWIB entre 19 y 22 (WIB), restringiendo la apertura de operaciones a ese tramo.
Gestión y control de riesgo: InpLot establece 0.01 lote fijo. InpSLpoints e InpTPpoints definen 70 y 200 puntos para stop loss y take profit. InpMaxPos limita a 1 posición simultánea.
Calidad de ejecución: InpMaxSpreadPoints filtra spreads hasta 100 puntos (0 desactiva el filtro). InpMagic usa 20260909 para identificación de órdenes y InpDeviation fija 10 como tolerancia de deslizamiento.
👉 Léelo | Calendario | @mql5es
45 575
El artículo explica por qué indicadores clásicos como RSI, MACD o cruces de medias han perdido ventaja: al masificarse, el mercado los “absorbe”, y el ruido de microestructura del HFT y las trampas de grandes algoritmos degradan sus señales hasta niveles cercanos al azar.
Recorre la evolución hacia ML: redes neuronales básicas capturan no linealidad pero pierden contexto temporal; RNN/LSTM mejoran la secuencia, aunque se limitan en horizontes largos por problemas de entrenamiento. Los Transformers aportan atención, pero en finanzas sufren coste O(N²), tokenización poco natural y sobreajuste.
La propuesta central es PatchTST: agrupa 16 velas en “parches” para modelar patrones locales y tendencias globales con atención eficiente, usando entrada multicanal (variación de precio y volumen). También detalla implementación en MQL5: operaciones matriciales seguras, inicialización de pesos y...
👉 Léelo | Calendario | @mql5es
45 575
HimNet propone un enfoque práctico para trading algorítmico: arquitectura racional, adaptabilidad contenida y pocos parámetros para reducir sobreajuste y mantener estabilidad fuera de muestra. Se apoya en un esquema encoder-decoder con embeddings y bloques GCRU para dependencias espaciotemporales, evitando complejidad ornamental.
El artículo detalla el codificador temporal con doble diccionario de embeddings: dos escalas de tiempo generan “consultas” a pools de metaparámetros, seleccionando pesos según el timestamp sin reentrenar. Los embeddings se concatenan y alimentan una pila de GCRU, donde la primera capa capta contexto y las siguientes lo refinan.
La implementación cuida rendimiento: inicialización estricta, reutilización de buffers para evitar copias, y backprop con acumulación de gradientes sobre el soporte de Chebyshev compartido. La actualización de pesos recorre embedding...
👉 Léelo | VPS | @mql5es
