Modelos ML em StrategyQuant

Olá a todos,

Atualmente, estou explorando diferentes maneiras de integrar Modelos de aprendizado de máquina (baseados em Python) diretamente no fluxo de trabalho do StrategyQuant X, especificamente como Indicadores a ser usado durante o Construção/Geração fase. Gostaria de saber se alguém aqui já implementou com sucesso modelos de ML que funcionam barra a barra durante o backtest para a geração de estratégias.

Estou particularmente interessado em sua experiência em relação a dois desafios principais:

1. Velocidade de backtest: Chamar um processo Python externo (ProcessBuilder) em cada barra parece ser um grande gargalo para o Builder. Se estiver fazendo isso, você está usando uma API/servidor local (como FastAPI/Flask) para reduzir a latência ou mudou para bibliotecas Java nativas (como Smile ou Weka)?
2. Exportação MQL4/MQL5: Para aqueles que usam indicadores complexos de ML (como Hidden Markov Models ou Neural Nets), como você está lidando com a exportação para o MetaTrader? Você está replicando manualmente a lógica no MQL, usando pontes de DLL ou talvez exportando modelos para o ONNX?