Фильтр Ходрика — Прескотта, известный среди трейдеров, основывается на математическом свойстве: вторая производная линейного тренда равняется нулю. В дискретной форме вторая производная выражается как x[0] - 2*x[1] + x[2]. Это выражение может быть рассчитано для прогнозирования, предполагая неизменность тренда: x[0] = 2*x[1] - x[2]. Однако, в базовой форме фильтр оказывается неустойчивым. Необходимо, чтобы все коэффициенты фильтра находились в пределах от -1 до +1. Пользователь может применить несколько вторых производных с различной частотой дискретизации для повышения устойчивости. Например, для предсказания цены открытия: open[-1] = 2*open[0] - open[1] и другие подобные. После этого можно вычислить среднее всех значений для формирования прогноза. Возможные доработки включают добавление весовых коэффициентов или использование адаптивных методов, таких как LWMA, чтобы улучшить точнос...

Читать далее...

Статья предлагает углубленный подход к оптимизации мультивалютного торгового эксперта для MetaTrader 5, рассчитанного на работу на реальных счетах. Выделены три ключевые задачи: адаптация символов под брокеров, создание режима завершения торговли и обеспечение восстановления после перезапуска терминала. Методы включают использование динамических подмен символов через строку настроек, установка лимитов прибыли и времени ожидания в риск-менеджере, а также внедрение механизмов сохранения и загрузки данных для продолжения работы. Это обеспечивает надежность работы и минимизацию рискованных ситуаций в реальной торговле, помогая трейдерам и разработчикам.

Читать далее...

В профессиональной IT-среде обсуждается модель для распознавания рукописных цифр, основанная на MNIST. База данных MNIST включает в себя 60,000 изображений для обучения и 10,000 изображений для тестирования, составленных из обработанных чёрно-белых образцов NIST, дополненных образцами студентов американских университетов. Изображения нормализованы до 28x28 пикселей в серых тонах. Модель mnist.onnx из зоопарка моделей поддерживает opset 8, но не совместима с устаревшим opset 1. Примечательно, что выходной вектор модели не прошёл через Softmax, но это легко исправляется. Для распознавания цифр используется интерфейс с возможностью рисования мышью. Вероятности выводятся, если результат ниже 0.8, причём особенные сложности возникают с цифрой 9. Цифры с левым наклоном обрабатываются более уверенно.

Читать далее...

методов оптимизации в модели, в частности на объём создаваемых буферов для моментов 2-го порядка. Для методики Adam-mini сократим объём этого буфера. Вместо хранения отдельного значения для каждого параметра, будем хранить одно значение на блок параметров. Для полносвязного слоя это число соотносится с количеством нейронов слоя результата.

При внесении изменений, метод updateInputWeights должен также учитывать новые размеры буферов памяти. Это позволит грамотно использовать преимущества Adam-mini и оптимизировать потребление памяти, что особенно актуально для обучения больших моделей на ограниченных ресурсах.

Кроме того, эта модификация позволит повысить производительность и скалируемость при обучении более крупных архитектур.

Читать далее...

Советник осуществляет анализ вероятностей достижения тейк-профита и стоп-лосса, используя данные из виртуальных сделок. Процесс начинается с обучения в тестере, где пользователь устанавливает желаемые пороги вероятностей. Важно отметить, что для корректной работы необходимо активировать опции "Читать историю оптимизации" и "Сохранять историю оптимизации". После данного этапа советник начинает осуществлять торговлю, опираясь на результаты оптимизации. Он способен хранить статистику до 50 000 сделок, что позволяет анализировать большой объем данных. Параметры, такие как дельта, шаг паттерна и стоп-лосс, определяются на основе величин ATR выбранного инструмента.

Читать далее...

Недавняя публикация о разработке системы репликации интересна как пример практической автоматизации в MetaTrader 5 с использованием MQL5. Рассматривается переход от скриптов к сервисам для повышения функциональности. Подчеркивается важность преобразования скрипта в сервис для реализации сложных задач наблюдения за графиками.

Пример применения: простейший скрипт, трансформирующийся в сервис, добавляет индикатор на график. Внимание уделено различиям между скриптами и сервисами и их применению для анализа графиков. Объясняется, как сервисы помогают в стандартной настройке графиков и удержании индикаторов, что позволяет обеспечить предсказуемое и постоянное отображение данных.

Читать далее...

Цены на нефть, включая марки Brent и WTI, имеют значительное влияние на мировую экономику и торговлю. Различия между этими марками важны для понимания динамики рынка и развития стратегий торговли. Визуализация ценовых спредов и применение контролируемого машинного обучения помогают прогнозировать изменения цен. Понимание псевдообратных методов в линейной алгебре важно для сокращения ошибок в прогнозах. Современные алгоритмы внесли множество изменений в традиционные торговые стратегии. Тестирование стратегий с помощью MQL5 позволяет выявить их потенциал и ограничения в условиях изменяющегося нефтяного рынка.

Читать далее...

Метод RefMask3D позволяет выполнять комплексный анализ мультимодального взаимодействия и различных признаков облака точек. Он объединяет кросс-модальное внимание и языковую модель, переводящую текстовое описание в структуру токенов. RefMask3D использует архитектуры, такие как энкодер точек и декодер с Transformer, для улучшения работы с лингвистическими и геометрическими данными. Важная часть — модуль кластера объектов, который интегрирует данные из разных источников и создает эмбединги объектов, улучшая общую точность модели на 1.57%. Операции выполняются с использованием алгоримов самовнимания и кросс-внимания для детального анализа данных.

Читать далее...

Индикатор TrendiNoRedraw изменяет цвет линии в зависимости от направления тренда, а также отображает стрелки в точках разворота цены. Помимо визуальных сигналов, TrendiNoRedraw оснащён звуковыми и текстовыми уведомлениями о появлении стрелки. В коде доступно описание функционала. Этот инструмент помогает быстро определить изменения тренда и моменты разворота, предоставляя трейдерам ключевые данные для эффективного принятия решений. Подходит для различных стратегий и может быть интегрирован в торговые системы.

Читать далее...

Моделирование матриц требует точного представления для корректных вычислений. Правильная реализация обязательна для избегания запутанных результатов и сложных кодовых решений. Рельефность матричной структуры через одномерный подход, с динамическим аспектом, предлагает более эффективную библиотеку методов работы.

Тем не менее, вызовы связаны с сортировкой элементов и факторизацией. Понимание того, как оптимально организовать матрицу, включая строковые и столбцовые структуры, существенно влияет на производительность и читаемость кода.

Рекомендуется изучение специализированной литературы для совершенствования и углубления математических концепций, от которых зависит успех работы с матрицами в программировании и факторизации.

Читать далее...

Скрипт автоматически генерирует HTML-отчет с сохранением статистики и созданием скриншотов, давая целостное представление о торговой активности. Для визуализации изменяйте шаблон "screen" в соответствии с предпочтительными настройками графика, эти настройки будут отражены на скриншотах. Ордера с примечаниями, содержащими восклицательный знак и цифру от !0 до !9, выделяются в отдельной вкладке отчета.

Получить доступ к итоговой статистике можно, запустив файл в терминале. Рекомендуется создать ярлык или добавить в закладки для упрощения доступа. Рядом с папкой "Index" расположена "LocalData/Comment", где можно создать 'ticket.txt' для добавления комментариев к ордерам.

Время выполнения скрипта варьируется в зависимости от количества данных и может занимать от нескольких секунд до минут. По завершении работы раздастся звуковой сигнал с сообщением в верхнем левом углу графика.

Парамет...

Читать далее...

Обзор статьи о применении математических принципов в программировании на MetaTrader 5. Рассмотрены сложные технические аспекты, такие как использование секансов для создания нейронных сетей. Обсуждено, как инверсия индексов в коде приводит к ошибкам, и показаны способы их исправления. Также статья предлагает методики оценки углового коэффициента прямой для нейросетей, используя производные и подходы к минимизации покрытия. Практическая часть раскрывает, как эти методы применяются для оптимизации алгоритмической торговли, упрощая сложные вычисления и улучшая точность результатов. Подходит для опытных разработчиков и новичков в алгоритмической торговле.

Читать далее...

Скрипт CalculateHistoryProfit версии 1.0 необходим для расчета прибыли за определенный период с применением графической панели из внешней библиотеки MtGuiController.dll. Пользователи могут указать диапазон дат, символы и магические номера на панели. Скрипт обрабатывает общую прибыль и количество сделок на основе введенных параметров. Выбор дат может быть облегчён предустановленными кнопками, что делает инструмент удобным для быстрой оценки торговой деятельности. В дальнейшем планируется добавить расчет максимальной просадки. Чтобы скрипт заработал, требуется минимальная ручная корректировка файла и распаковка библиотеки в нужном каталоге. Библиотека MtGuiController была немного модифицирована для интеграции панели. Код доступен на GitHub.

Читать далее...

В статье обсуждается построение линейных уравнений на основе данных. Рассматриваются методы нахождения наилучшего уравнения для данных, используя простые и сложные математические методы. Объясняется, как математические формулы можно выразить в виде программного кода, с примерами на языке MQL5. Подчеркивается важность понимания математики для упрощения задач программирования и анализа данных. Также упоминается о матричной факторизации как инструменте для работы с данными и вычислениями, подчеркивая её удобство и эффективность в условиях изменяющихся переменных. Обучение в данной области способствует лучшему пониманию программирования и моделирования данных.

Читать далее...

Алгоритм African Buffalo Optimization (ABO) предлагает метаэвристический подход, основанный на поведении африканских буйволов. Ключевые идеи: координация и социальное взаимодействие, что позволяет животным эффективно защищаться и искать ресурсы. Алгоритм инициализируется случайными позициями, оценивая каждое решение через функции фитнеса, улучшая их за счет обновления позиций. Процедуры "Moving" и "Revision" реализуют функции оптимизации с учётом глобальных и локальных решений. Тестирование оригинальной и измененной логики ABO показывает 51.49% результативности, улучшая способности алгоритма на задачах большой размерности. Попробован подход случайного выбора позиции, что также укрепляет эффективность.

Читать далее...

Мы выпустили новую версию платформы MetaTrader 5 build 4620, в которой исправили ряд трудноуловимых ошибок, а также добавили новые методы в MQL5:

- В терминале исправили ошибки при запросах тиковой истории — в некоторых случаях вы могли получать неполные исторические данные.
- Функция автодополнения при поиске теперь работает корректно и регистронезависимо во всех языках.
- В MQL5 опубликовали документацию по новым методам для высокопроизводительных вычислений OpenBLAS.

Подробнее обо всех изменениях...

Индикатор базируется на концепциях "Dynamic RSI" Романа Киверина. Внесены изменения в формулу для повышения точности анализа. Новая версия позволяет пользователям просматривать данные с более высоких таймфреймов, что расширяет аналитические возможности и помогает лучше понять рыночные тенденции. Это обновление полезно для тех, кто работает с множественными таймфреймами и нуждается в дополнительной информации для принятия обоснованных решений. Такой подход способствует улучшению качества торговых стратегий и более глубокому пониманию динамики рынка.

Читать далее...

В сегодняшней статье рассматривается возможность обучения больших языковых моделей (LLM) на центральных процессорах (CPU), без использования графических процессоров (GPU). Это позволяет снизить системные требования и дает больше возможностей для тестирования. На практике обучение на CPU ограничено производительностью и может быть неэффективно для сложных задач, однако для простых функций это возможный путь.

Ключевые этапы обучения LLM начинаются с создания набора данных. Используя MetaTrader 5, происходит сбор и обработка данных. Важно аккуратно выполнить разбиение данных, чтобы учесть возможности CPU. Далее данные проходят процесс токенизации с помощью библиотек, например, tiktoken, что помогает в их подготовке для обучения.

Следующий шаг — непосредственное обучение модели. С помощью проекта llm.c на GitHub можно использовать примеры для подготовки и обучения моделей. Это включает ...

Читать далее...

сторону формулы, чем уменьшу количество операций. Это сделано для простоты описания, хотя может и не быть лучшим вариантом. Теперь процедура будет довольно простая: сначала берется транспонированная матрица, затем она умножается на исходную матрицу, и затем результату присваивается обратная величина. Далее, после получения обратной матрицы, умножаем её на транспонированную из первой стадии. Чтобы реализовать возврат кода обратно, мы должны реализовать соответствующие процедуры транспонирования и инверсии. Первая из них более простой, так как достаточно переместить столбцы и строки, что относительно просто сделать, если предварительно выделено достаточно памяти. Вторая, более сложная, она требует испытания различных решений благодаря более сложным структурам. В продолжении статьи проделывается реализация того простого кода для преобразования MQL5, о котором ранее говорилось. В результа...

Читать далее...

В современной экономике прогнозирование цен и рыночных трендов является ключевым элементом для успешного управления рисками и принятия эффективных торговых решений. В условиях высокой волатильности традиционные методы машинного обучения могут быть ограничены в своих возможностях. Переход на предварительное обучение моделей на больших неразмеченных данных, а затем тонкая настройка под конкретные задачи, значительно повышают точность без необходимости сбора больших объемов новых данных. Модели на базе Transformer успешно адаптированы для финансовых данных, учитывают корреляции и временные зависимости, что позволяет строить более точные рыночные прогнозы. Это открывает новые горизонты для построения стратегий с минимальной ручной настройкой.

Читать далее...

Торговый индикатор Support and Resistance предназначен для отображения уровней поддержки и сопротивления на графике цен. Эти уровни определяются с использованием классических симметричных фракталов. KG Support and Resistance предлагает использование данных с четырех таймфреймов, которые настраиваются пользователем. В работе индикатора предусмотрено два варианта расчета уровней: по ценам High/Low и Open/Close, а также два типа визуализации: High/Low и Open/Close. Этот индикатор оптимизирован для стратегий, фокусирующихся на пробоях и отскоках от уровней, что делает его полезным инструментом для анализа рынка.

Читать далее...