Há alguns meses, a MetaQuotes, empresa responsável pelo MetaTrader e a linguagem MQL5, introduziu um novo recurso no MetaEditor, semelhante ao GitHub Copilot. Agora, é possível integrar a API do ChatGPT diretamente no MetaEditor, permitindo que programadores de MetaTrader utilizem prompts para receber assistência no desenvolvimento de códigos.
Embora essa funcionalidade seja especialmente útil para estruturar programas e gerar trechos de código, sua eficácia ainda é limitada para tarefas mais complexas. No entanto, existe um outro recurso avançado disponível para quando um Expert Advisor (EA) – um robô de negociação para MetaTrader – está em execução. Esse recurso é o TensorFlow, uma poderosa biblioteca de inteligência artificial desenvolvida pelo Google, que pode ser utilizada para aprimorar a análise de dados e a tomada de decisões dentro do MetaTrader.
TensorFlow do Google, um IA gratuito
O TensorFlow é uma poderosa biblioteca de inteligência artificial desenvolvida pelo Google e disponibilizada gratuitamente. Sua principal função é identificar padrões complexos em dados estatísticos, tornando-se uma ferramenta extremamente útil para análise de mercado e previsões. Graças à sua versatilidade, o TensorFlow pode ser integrado a projetos de Expert Advisors (EAs) e indicadores personalizados no MetaTrader, ajudando a otimizar estratégias de negociação e melhorar a precisão dos sinais gerados.
Para utilizar o TensorFlow no MetaTrader, é necessário estabelecer uma conexão entre o MetaTrader e o Python, que atua como intermediário. A partir do Python, o desenvolvedor pode aproveitar os recursos avançados de aprendizado de máquina do TensorFlow para identificar padrões de mercado, gerar insights sobre tendências e auxiliar na tomada de decisões, como abrir ou fechar posições automaticamente. Além disso, o TensorFlow pode ser usado para aprimorar indicadores técnicos, ajustando seus parâmetros de forma dinâmica com base na análise contínua dos dados.
Essa integração permite que os robôs de negociação sejam mais inteligentes e adaptáveis, aproveitando a capacidade do aprendizado de máquina para melhorar continuamente o desempenho da estratégia utilizada no MetaTrader.
Um exemplo Usando Tensorflow
O exemplo abaixo projeto topos baseado na teoria de Down.
Preços em branco foram enviados ao IA.
Acima um código Python, com os preços a ser enviado ao tensorflow.
Após alguns segundos, o IA Tensorflow retorna, exatamente os próximos topos da tworia de DOwn.