👋 Introducción
Hola lectores del blog, en esta ocasión vamos a hacer una revisión a fondo de la nueva versión 143 que han lanzado los chicos de StrategyQuant.
Veremos cuáles son sus principales mejoras, qué sigue pendiente de optimizar, qué es lo que más me ha gustado y qué puntos todavía pueden mejorarse.
Además, realizaremos un test científico basado en datos reales para comprobar si esta nueva versión genera estrategias más robustas en datos nuevos y si ha mejorado su velocidad de generación.
🤖 Mejoras destacadas de la versión 143
Una de las principales novedades (y la más promocionada) es la IA integrada en AlgoWizard, capaz de generar un sistema completo con bloques simplemente escribiendo las reglas en texto natural.
Además, el rediseño del apartado de AlgoWizard es notable: mucho más limpio, visual y rápido.
🧩 Mala calibración versión 143
Por otro lado, la calibración en el Builder sigue sin recibir mejoras importantes.
Este es un punto clave para la diversidad de estrategias, ya que sin unos rangos de osciladores bien definidos es muy difícil que el programa encuentre estrategias realmente variadas en indicadores y condiciones.
La apertura de la plataforma, sin embargo, es mucho más rápida, y la carga del GUI se nota más fluida.
☁️ Mirando al futuro: AlgoCloud y conexión con Darwinex Zero
En 2026 nos meteremos a fondo con AlgoCloud, la plataforma en la nube de StrategyQuant para trading en acciones (stockpicking).
Me parece un entorno muy prometedor, especialmente porque ya permite conectarse vía API a MetaTrader 5 con acciones en Darwinex Zero.
👉 En el Club de Trading también realizaremos formaciones avanzadas y primeras investigaciones con carteras en AlgoCloud, para los miembros más experimentados en StrategyQuant.
🧪 Comparativa entre versiones
🧩 Comparación 3 versiones StrategyQuant
Se ha probado una misma estrategia del DAX en las versiones 141, 142 y 143.
Los resultados son idénticos hasta el céntimo, comprobados en QuantAnalyzer.
📄 Exportar estrategia de versión 143 a 141
La exportación de estrategias de la versión 143 a 142 funciona perfectamente, pero a la 141 sigue persistiendo el problema ya conocido: los informes aparecen con datos N/A (Not Available), por lo que es necesario retestear las estrategias en versiones anteriores para obtener los reportes correctamente.
⚙️ Puntos a favor y rendimiento
Según las primeras pruebas, la ejecución de los retests fuera del Builder parece ser más rápida en esta versión.
🧬 Test estadístico entre versiones
Para comprobar el rendimiento de generación entre versiones, se ha realizado un test controlado en mi PC de escritorio (HP Intel Dual Xeon, 42 cores disponibles y 56GB de RAM), manteniendo la misma plantilla de configuración y condiciones de búsqueda.
Parámetros del test:
- Activo: CFD SP500 (fuente de datos: Darwinex)
- Temporalidad: H1 (1 hora)
- Builder IS (In Sample): 2019.01.01 – 2022.09.30
- Builder OOS (Out of Sample): 2022.10.01 – 2024.04.30
- Validación final: 2024.05.01 – 2025.10.31
- Spread: 0.3 | Deslizamiento: 0.2 | Comisión: 0.55$/lote | Swap Long: 11 puntos
- Filtro: Ret/DD Ratio como función objetivo
Condiciones de filtrado:
| Valor Izquierdo | <>= | Valor Derecho |
|---|---|---|
| #of trades | > | 200 |
| Ret/DD Ratio | > | 3 |
| Net Profit (IS) | > | 0 |
| Net Profit (OOS) | > | 0 |
📊 Resultados del estudio entre versiones
| Versión | Tiempo para crear una estrategia | Tiempo por aceptar una estrategia | Estrategias por hora | Aceptadas | Tiempo para generar 1000 estrategias | Test Beneficio Neto OOS < 0$ | Porcentaje que pasan % |
|---|---|---|---|---|---|---|---|
| v136 | 21ms | 83ms | 166.660 | 25.83% | 1′ 24″ | 142 | 86% |
| v141 | 32ms | 466ms | 109.525 | 7.05% | 8′ 33″ | 313 | 69% |
| v142 | 37ms | 330ms | 91.190 | 13.34% | 5′ 06″ | 235 | 77% |
| v143 | 28ms | 390ms | 127.584 | 7.22% | 6′ 54″ | 344 | 66% |
🔍 Conclusión
Aunque esta versión no introduce grandes cambios en el motor de búsqueda de sistemas, sí mejora la velocidad, la estabilidad y sobre todo, la experiencia de uso en el entorno de trabajo.
Las diferencias estadísticas entre versiones no son abismales, pero la integración de IA en AlgoWizard marca un antes y un después para usuarios que quieren crear estrategias de forma más intuitiva.
Si te interesa este tipo de comparativas y estudios, en el Club de Trading con StrategyQuant realizamos este tipo de análisis todas las semanas, además de crear carteras y estrategias nuevas en equipo.
📺 Puedes ver el video completo de esta revisión en mi canal de YouTube:
👉 “Review Nueva Versión 1.43 de StrategyQuant X”
📌 Recursos recomendados
🎓 Curso gratuito: Domina el trading automático en 10 lecciones
Aprende a crear tus primeras estrategias con StrategyQuant sin programar.
👉 Accede gratis aquí
💸 Compra StrategyQuant con un 30% de descuento
Usa el código AngelTalavera al comprar para obtener un 30% OFF.
👉 Ver precios de StrategyQuant
🚀 Únete al Club de Trading StrategyQuant
Desarrollamos estrategias nuevas cada semana y analizamos carteras de forma profesional.
👉 Accede al Club aquí