Jonathan Pereira / Perfil
- Información
4 años
experiencia
|
5
productos
|
5
versiones demo
|
57
trabajos
|
0
señales
|
0
suscriptores
|
Foi em 2016 que, por um feliz acaso, me deparei com o mercado financeiro e me encantei instantaneamente. Ao descobrir a plataforma MetaTrader e sua capacidade de integrar estratégias codificadas ao mercado financeiro, soube que tinha encontrado um novo amor.
Explore meus tutoriais no GitHub e acompanhe minha jornada de crescimento e compartilhamento de conhecimento: https://github.com/jowpereira/mql5-tutoriais
Se desejar iniciar um novo projeto e aproveitar minha expertise, acesse: https://www.mql5.com/pt/job/new?prefered=14134597.
Tenho certeza de que, juntos, podemos desenvolver soluções interessantes e inspiradoras!
Conheça meu GPT - https://chat.openai.com/g/g-1DCzqDcMF-arnaldo
Este capítulo da série aborda algoritmos de aprendizado por reforço, focando em Q-Learning, Deep Q-Network (DQN), e Proximal Policy Optimization (PPO). Explora como essas técnicas podem ser integradas para melhorar a automação de tarefas, detalhando suas características, vantagens, e aplicabilidades práticas. A seleção do algoritmo mais adequado é vista como crucial para otimizar a eficiência operacional em ambientes dinâmicos e incertos, prometendo discussões futuras sobre a implementação prática e teórica desses métodos.
Este artículo examina la transición de la codificación procedimental a la programación orientada a objetos (POO) en MQL5, enfocándose en la integración con REST APIs. Discutimos la organización de funciones de solicitudes HTTP (GET y POST) en clases y destacamos ventajas como el encapsulamiento, la modularidad y la facilidad de mantenimiento. La refactorización de código se detalla, y se muestra la sustitución de funciones aisladas por métodos de clases. El artículo incluye ejemplos prácticos y pruebas.
Operating Principle: The "RSDForce" merges trading volume analysis and price movements to provide valuable market insights. Here's how it works: Volume and Price Analysis : The indicator examines the trading volume (quantity of traded assets) and price variations over time. Market Force Calculation : It calculates a value that reflects the market's 'force', indicating whether the price trend is strong and based on substantial trading volume. Simple Visualization : The result is displayed as a
The "ZScore Quantum Edge" is based on an advanced algorithm that combines volume analysis and price movement, providing a clear and accurate representation of market trends. Key Features: In-Depth Trend Analysis : The indicator uses a configurable period for trend analysis, allowing traders to adjust the indicator's sensitivity according to their trading strategies. Data Smoothing : With an adjustable range for data smoothing, the "ZScore Quantum Edge" offers a clearer view of the market
Este artículo explora la implementación de jugadas automáticas en el juego del tres en raya de Python, integrado con funciones de MQL5 y pruebas unitarias. El objetivo es mejorar la interactividad del juego y asegurar la robustez del sistema a través de pruebas en MQL5. La exposición cubre el desarrollo de la lógica del juego, la integración y las pruebas prácticas, y finaliza con la creación de un entorno de juego dinámico y un sistema integrado confiable.
Este artículo detalla cómo MQL5 puede interactuar con Python y FastAPI, utilizando llamadas HTTP en MQL5 para comunicarse con un juego de tres en raya en Python. En él se discute la creación de una API con FastAPI para esta integración e se incluye un script de prueba en MQL5, resaltando la versatilidad del MQL5, la simplicidad del Python y la eficiencia del FastAPI en la conexión de diferentes tecnologías para soluciones innovadoras.
Este artículo aborda la importancia de las APIs (application programming interface) en la comunicación entre diferentes aplicaciones y sistemas de software. En él, se destaca el papel de las API a la hora de simplificar la interacción entre aplicaciones, ya que les permiten compartir datos y funcionalidades de forma eficiente.
Este artículo describe la implementación de un modelo de regresión de árboles de decisión para predecir precios de activos financieros. Se realizaron etapas de preparación de datos, entrenamiento y evaluación del modelo, con ajustes y optimizaciones. Sin embargo, es importante destacar que el modelo es solo un estudio y no debe ser usado en operaciones reales.
Este texto es una guía completa sobre la creación de una clase en MQL5 para la gestión eficaz de archivos CSV. En él comprenderás cómo se lleva a cabo la implementación de métodos de apertura, escritura, lectura y conversión de datos y cómo se pueden emplear para guardar y acceder a la información. Además, trataremos las restricciones y los aspectos cruciales a la hora de utilizar una clase de este tipo. Este es un material valioso para aquellos que deseen aprender a manipular archivos CSV en MQL5.
El perceptrón multicapa es una evolución del perceptrón simple, capaz de resolver problemas separables no linealmente. Junto con el algoritmo de retropropagación, es posible entrenar eficientemente esta red neuronal. En la tercera parte de la serie sobre el perceptrón multicapa y la retropropagación, mostraremos cómo integrar esta técnica con el simulador de estrategias. Esta integración permitirá utilizar análisis de datos complejos y tomar mejores decisiones para optimizar las estrategias de negociación. En este resumen, analizaremos las ventajas y los retos de la aplicación de esta técnica.
Se ha puesto a disposición un paquete de Python con el propósito de desarrollar la integración en MQL, lo que abre las puertas a numerosas posibilidades como la exploración de datos, la creación y el uso de modelos de aprendizaje automático. Esta integración nativa de MQL5 en Python abre las puertas a muchas posibilidades de uso que nos permiten construir desde una simple regresión lineal a un modelo de aprendizaje profundo. Entendamos cómo instalar y preparar el entorno de desarrollo y usar algunas de las bibliotecas de aprendizaje automático.
La media móvil T3 de Tillson se introdujo al mundo del análisis técnico en el artículo '' A Better Moving Average '', publicado en la revista estadounidense Technical Analysis of Stock Commodities. Desarrollada por Tim Tillson, los analistas y operadores de los mercados de futuros pronto quedaron fascinados con esta técnica que suaviza las series de precios al tiempo que disminuye el retraso (lag) típico de los sistemas de seguimiento de tendencias
El volumen es un indicador muy utilizado en el análisis técnico, sin embargo, existe una variación que es incluso más útil que el volumen en sí: la media móvil del volumen. No es más que un promedio móvil aplicado al popular indicador de volumen. Como su nombre lo indica, Volume + MA sirve para mostrar el volumen de transacciones (compras y ventas ejecutadas) de un determinado activo financiero en un momento dado junto con la media móvil de ese mismo volumen a lo largo del tiempo. ¿Para que
Recientemente, al aumentar la popularidad de estos dos métodos, se han desarrollado tantas bibliotecas en Matlab, R, Python, C++, etc., que reciben el conjunto de entrenamiento como entrada y construyen automáticamente una red neuronal apropiada para el supuesto problema. Vamos a entender cómo funciona un tipo básico de red neural, (perceptrón de una sola neurona y perceptrón multicapa), y un fascinante algoritmo encargado del aprendizaje de la red, (gradiente descendente y retropropagación). Estos modelos de red servirán como base para los modelos más complejos que existen hoy en día.
Hi-Lo es un indicador cuyo propósito es ayudar con mayor precisión a las tendencias de un activo determinado, lo que indica el mejor momento posible para comprar o vender. ¿Qué es Hi-lo? Hi-Lo es un término derivado del inglés, donde Hi está vinculado a la palabra High y Lo a la palabra Low. Es un indicador de tendencia que se utiliza para evaluar la negociación de activos en el mercado financiero. Por lo tanto, su uso se da para identificar si un activo en particular está mostrando una