Modelos ML en StrategyQuant

Hola a todos,

Actualmente estoy explorando diferentes formas de integrar Modelos de aprendizaje automático (basados en Python) directamente en el flujo de trabajo StrategyQuant X, concretamente como Indicadores que se utilizará durante el Construcción/Generación fase. Tengo curiosidad por saber si alguien aquí ha implementado con éxito modelos ML que funcionen barra a barra durante el backtest para la generación de estrategias.

Me interesa especialmente su experiencia en relación con dos retos principales:

1. Velocidad de Backtest: Llamar a un proceso Python externo (ProcessBuilder) en cada barra parece ser un cuello de botella importante para el Builder. Si estás haciendo esto, ¿estás usando una API/Servidor local (como FastAPI/Flask) para reducir la latencia, o has pasado a librerías Java nativas (como Smile o Weka)?
2. Exportación MQL4/MQL5: Para aquellos que utilizan indicadores ML complejos (como los modelos ocultos de Markov o redes neuronales), ¿cómo está manejando la exportación a MetaTrader? ¿Está replicando manualmente la lógica en MQL, utilizando puentes DLL, o tal vez exportando modelos a ONNX?