1 · Datos
Serie sintética (paseo aleatorio con tramos de tendencia). Sirve para aprender sin depender de internet… y para comprobar que ninguna estrategia «predice» el azar.
Series que TRADING 360 ya tiene guardadas en el servidor (Dukascopy, Stooq, Alpha Vantage). No se descarga nada de fuera: se leen del disco y se sirven con caché.
Datos públicos y gratuitos de Binance (hasta 5000 velas; se piden en bloques de 1000). Pasan por la caché del servidor, compartida por todos los visitantes; si no está disponible, tu navegador los pide directamente.
Lo sirve datos.php en este mismo servidor (con caché) porque esas fuentes no permiten la descarga directa desde el navegador. Si abres la web en local sin PHP, esta pestaña no funcionará: usa Demo, Cripto o CSV.
Admite: exportación del historial de MetaTrader 5 (<DATE> <TIME> <OPEN>…, tabuladores), el script PySenalesExportar.mq5, CSV de Yahoo/Investing (Date,Open,High,Low,Close,Volume) y los .txt de Stooq. También puedes arrastrar el archivo sobre esta caja.
La web no se conecta a tu cuenta ni ve tus credenciales: tu MetaTrader 5 deja las velas en una carpeta de tu PC y esta página las lee (y, si quieres, le devuelve la señal) a través del navegador. Nada sale de tu ordenador.
- Descarga el asesor PySenalesPuente.mq5, cópialo en
MQL5\Experts, compílalo en MetaEditor (F7) y arrástralo al gráfico que quieras. - El asesor escribe
velas_SÍMBOLO_MARCO.csven la carpeta común de MetaTrader:%APPDATA%\MetaQuotes\Terminal\Common\Files\PySenales. - Pulsa Elegir carpeta y selecciona esa carpeta
PySenales(Chrome o Edge de escritorio).
Sin carpeta conectada.
El asesor sólo opera si tú activas Operar=true en sus parámetros (por defecto únicamente dibuja la señal). Pruébalo siempre en una cuenta demo.
2 · Parámetros de las estrategias
Estrategias de los apuntes (Connors, medias 8/18, triple pantalla, BBKC, Renko, Heikin Ashi)
Tus asesores de MT5 (Larry, BBKC 005, Keltner + ADX, Fibo Raise, Heikin Ashi + medias)
Sólo se traslada la regla de entrada y salida. La gestión de capital de los .mq5 (multiplicador de lote, stop en escalera, rejilla) no entra en el backtest: aquí cada estrategia está comprada, vendida o fuera, con el stop y el objetivo ATR de arriba.
Mis configuraciones: guardarlas con nombre, exportarlas o importarlas en JSON
Se guardan en este navegador (localStorage) y sólo contienen parámetros: ni velas, ni modelos entrenados, ni nada de MetaTrader. Al importar sólo se aceptan campos conocidos con valores válidos; lo demás se ignora. Al cargar una configuración no cambian los datos: se aplica al símbolo de la pestaña activa.
Stop y objetivo se miden en ATR(14) desde el precio de entrada, igual que en el asesor de MT5, y se simulan vela a vela con el máximo y el mínimo (si una vela toca los dos, se cuenta el stop). Tras saltar, la estrategia queda fuera hasta que cambie de señal. Pon 0 para desactivarlos.
El coste se cobra en cada cambio de posición (pasar de compra a venta cuenta doble). Un coste irreal para el activo es la causa nº 1 de que las estrategias rápidas «pierdan sin remedio».
3 · Gráfico
Arrastra para desplazar · Ctrl + rueda para acercar o alejar · doble clic para ver toda la serie. La rueda sola mueve la página.
Capital acumulado de la estrategia elegida frente a comprar y mantener
4 · Backtest comparado
| Estrategia (☑ = vota) | Rentabilidad | Comprar y mantener | Sharpe | Sortino | Calmar | Máx. caída | Operaciones | % ganadoras | Factor benef. | Z rachas | Voto |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Carga datos para ver resultados. | |||||||||||
Pulsa una fila para ver sus señales en el gráfico. Los modelos de IA sólo se evalúan en el tramo de prueba (las velas que no vieron al entrenar). Rentabilidades pasadas, y más en un backtest, no anticipan las futuras.
5 · Optimizador de parámetros
Mapa del criterio (entrenamiento)
Más azul = mejor según el criterio. ★ = mayor puntuación · ◆ = mejor rodeada (su zona puntúa mejor de media) · recuadro = seleccionada. Pincha cualquier casilla (o una fila de la derecha) para elegirla. «—» = imposible o con menos operaciones que el mínimo.
Las 5 mejores: entrenamiento → prueba
6 · Árbol de decisión (Python)
Importancia de cada variable
Reglas aprendidas
7 · Red neuronal (Python o TensorFlow.js)
El mismo modelo en Keras (Python de escritorio o Colab)
from tensorflow import keras
modelo = keras.Sequential([
keras.layers.Input(shape=(10,)), # 10 variables técnicas
keras.layers.Dense(12, activation="relu"),
keras.layers.Dense(8, activation="relu"),
keras.layers.Dense(1, activation="sigmoid") # P(la próxima vela sube)
])
modelo.compile(loss="binary_crossentropy", optimizer="adam", metrics=["accuracy"])
modelo.fit(X_train, y_train, epochs=40, batch_size=32, validation_split=0.15)
_, acierto = modelo.evaluate(X_test, y_test)
7b · Más modelos de IA (libro de Lucas: cap. 9, 11, 12, 14 y 15)
| Modelo | Motor | Parámetros | Auto | Vota | Entr. | Prueba | Ref. | P(sube) | |
|---|---|---|---|---|---|---|---|---|---|
| Regresión logística | Python · numpy | — | — | — | — | ||||
| Bosque aleatorio | Python · numpy | — | — | — | — | ||||
| SVM (núcleo RBF) | scikit-learn | — | — | — | — | ||||
| Red convolucional 1D | TensorFlow.js | — | — | — | — | ||||
| LSTM (red recurrente) | TensorFlow.js | — | — | — | — |
Lo que ha aprendido cada modelo
8 · Tu estrategia en Python
Escribe tu propia regla con pandas y numpy. Al ejecutarla entra en la tabla, en el gráfico y vota en el semáforo.
Consola de Python
9 · Cartera conjunta
Nube de carteras posibles (Markowitz)
Cada punto es un reparto al azar (medido en el 70 % inicial): más a la izquierda = menos volátil, más arriba = más rentable, más claro = mejor Sharpe. ★ máximo Sharpe · ◆ mínima volatilidad · ● la cartera elegida · ▲ cada componente sola.
¿Aguantan los pesos fuera de la muestra?
Markowitz es muy sensible: los rendimientos pasados que usa para elegir pesos no se repiten. Si en prueba cae mucho respecto al periodo de los pesos, el reparto «óptimo» estaba sobreajustado. Por eso muchos profesionales prefieren pesos iguales o por volatilidad.
Capital acumulado (diario)
Correlación de los rendimientos diarios
Azul = se mueven al revés (diversifican) · gris = independientes · naranja = se mueven juntos (no diversifican).
10 · Arbitraje de pares y estudio de correlación
Correlación de los rendimientos diarios de los precios
Azul = se mueven al revés · gris = independientes · naranja = se mueven juntos. Los pares con correlación alta son candidatos a cointegración, pero hay que comprobarlo.
z-score del diferencial A − β·B
Capital de la estrategia de pares
Correlación móvil de los rendimientos
Cómo funciona
- Python en el navegador: Pyodide es CPython compilado a WebAssembly. Cargamos numpy y pandas y el módulo motor.py, que puedes leer y reutilizar en Jupyter tal cual.
- Estrategias: cada una devuelve una posición por vela (+1, −1, 0). El backtest aplica la posición de hoy al rendimiento de mañana y descuenta el coste en cada cambio.
- IA sin trampas: los modelos se entrenan con el pasado y se examinan con un tramo posterior que no han visto. Si no superan la referencia, el mensaje te lo dirá.
- MetaTrader 5: el intercambio es por archivos en tu PC; la web nunca toca tu cuenta.