El artículo muestra cómo pasar de detectar velas japonesas “a mano” en Python a un enfoque automatizado con TA-Lib, capaz de reconocer más de 60 patrones usando funciones CDL* sobre arrays OHLC. El resultado es una detección más rápida y consistente, útil en escenarios cercanos a tiempo real.
La arquitectura separa responsabilidades: un EA en MetaTrader 5 recoge las últimas 60 barras, serializa OHLC+timestamp en JSON y lo envía por WebRequest a un endpoint /patterns en Flask. El servidor normaliza con pandas, ejecuta los detectores de TA-Lib, clasifica la señal como alcista/bajista y devuelve dos arrays paralelos más métricas de tiempo y logs.
En el gráfico, el EA limpia etiquetas previas, dibuja anotaciones coloreadas (verde/rojo) en cada barra con patrón y lanza Alert() contextual. Para desarrolladores, destaca la carga dinámica de detectores, el control de ejecución “una vez por ...
👉 Léelo | Señales | @mql5es
1September 1, 2026 133
