Lo que aprendimos al construir sistemas de trading.

Cómo una tasa de aciertos del 34 % puede ser rentable

Volvemos a un backtest publicado para explicar por qué el tamaño de ganancias y pérdidas puede importar más que el porcentaje de aciertos.

De la investigación en Python a la ejecución en MT5: caso compuesto

Usamos un caso compuesto para explicar cómo una salida de investigación se convierte en un mensaje comprobable que MT5 puede aceptar, rechazar o ignorar.

Problema → decisión → evidencia

Por qué la optimización no puede rescatar una idea de trading débil

Explicamos cómo usamos la optimización para estudiar una idea definida y por qué un conjunto ganador de parámetros sigue necesitando una razón creíble.

Gestores de operaciones como infraestructura de cartera

Al combinar varios sistemas en una cuenta, la gestión de operaciones pasó a implicar riesgo compartido, propiedad de posiciones y autoridad bien definida.

Python, cointegración y machine learning en flujos MT5

Explicamos cómo conectamos el trabajo con modelos en Python, la preparación temporal de los datos y las responsabilidades de ejecución de MT5.

Renko, gráficos offline y marcos temporales personalizados

Al trabajar con gráficos personalizados, examinamos cómo se construyen sus barras, cuándo quedan cerradas y cómo reconstruir el mismo historial.

Filtros de noticias, hora y sesión: reglas pequeñas, grandes efectos

Peticiones aparentemente pequeñas sobre noticias y horarios nos llevaron a precisar relojes, límites temporales y tratamiento de posiciones abiertas.

Caso: migración de MT4 a MT5

En este caso compuesto de migración, separamos la adaptación a la plataforma de los cambios deliberados en la estrategia original.

Problema → decisión → evidencia

Del escáner y panel al Expert Advisor

Explicamos mediante un caso compuesto cómo convertimos el significado de filas y colores de un escáner en eventos evaluables por un EA.

Problema → decisión → evidencia

Cómo las diferencias de bróker cambian un EA

Describimos las comprobaciones del entorno que nos ayudan a explicar por qué un mismo EA puede comportarse de forma distinta entre brókeres.

Grid, martingala y hedging: ingeniería de límites

El trabajo con grids y coberturas nos llevó a examinar cómo crece la exposición, cómo termina la cesta y qué ocurre si falla la salida.

Convertir SMC y price action en código determinista

Describimos cómo traducimos ideas visuales en reglas repetibles de giros, rupturas, zonas y confirmación.

Conversión de MT4 a MT5 sin deriva de estrategia

Las conversiones nos enseñaron a preservar decisiones mientras adaptábamos órdenes, indicadores y cálculos de riesgo a MT5.

Problema → decisión → evidencia

Caso: gestor de riesgo para grid y hedging

En un caso compuesto, explicamos cómo proteger una cesta separando medición, decisión de riesgo y acción confirmada.

Problema → decisión → evidencia

Caso: automatización de SMC y price action

Explicamos, mediante un caso compuesto, cómo pasamos de gráficos anotados a decisiones consistentes sobre estructura, zonas y entradas.

Problema → decisión → evidencia

Por qué más filtros no siempre mejoran una estrategia

Explicamos cómo valoramos un filtro adicional: qué error intenta evitar, qué oportunidades elimina y qué información nueva aporta.

Problemas comunes en EA multi-símbolo

Trabajar con varios mercados nos llevó a mantener tiempos, especificaciones y estados separados dentro de un mismo EA.

De reglas de indicador a un Expert Advisor fiable

Contamos cómo pasamos de señales visibles a reglas de tiempo, repetición, permiso de riesgo y decisiones explicables.

Controles de riesgo que deben existir dentro de cada EA

Nuestro trabajo de riesgo fue más allá del stop-loss: tamaño, exposición común, límites diarios y solicitudes fallidas.

Lógica multi-timeframe sin ambigüedad

Explicamos cómo trabajar con varios marcos nos llevó a definir un momento común, funciones y duración de los setups.

Caso de un EA multi-timeframe con indicadores

Reunimos requisitos recurrentes en un caso compuesto sobre contexto, confirmación, disparador y riesgo.

Problema → decisión → evidencia

Por qué importa la lógica de vela cerrada

Explicamos por qué solemos apoyar decisiones en velas completas y qué cuestiones temporales siguen abiertas.

EA de señal frente a gestor de riesgo: ¿quién decide?

Explicamos por qué señal y riesgo reciben responsabilidades distintas, aunque convivan en un mismo Expert Advisor.

Por qué un buen backtest todavía puede fallar

Explicamos por qué un backtest prometedor nos lleva a preguntar por datos, costes y estabilidad, y cómo organizamos esa investigación.

La ambigüedad oculta en los cambios de un indicador

Mostramos cómo «operar cuando cambie el indicador» nos llevó a precisar el evento, su momento y la regla de reinicio.

De la idea al sistema de trading: lecciones de POLARIS

Revisamos 170 proyectos terminados para explicar cómo las señales, los tiempos y el riesgo compartido moldearon nuestra forma de construir.

Problema → decisión → evidencia

Matriz de capacidades de POLARIS para sistemas de trading

Explicamos qué cubre nuestra experiencia, qué entrega cada tipo de trabajo y qué necesitamos aclarar antes de empezar.

Problema → decisión → evidencia

Por qué un EA rentable no es una cartera

Explicamos cómo pasamos de evaluar EAs individuales a considerar sus funciones, riesgos compartidos y pesos dentro de una cartera.