Сетевой анализ причинно-следственных связей (CNA) предлагает новый взгляд на прогнозирование рыночных событий. В статье описана интеграция FCI-алгоритма и сетевых структур в MetaTrader 5 для определения взаимосвязей между рыночными переменными. Такая модель позволяет трейдерам прогнозировать с высокой точностью. Алгоритм FCI выбирается для обработки скрытых переменных, что делает его надежным инструментом для реальных данных. Используя модель векторной авторегрессии (VAR), система строит прогнозы на основе взаимозависимостей между рыночными инструментами. Этот подход обещает улучшение управления рисками и открытие новых возможностей для разработчиков и трейдеров.

Читать далее...

Названа задача улучшить предыдущую реализацию скрипта MetaTrader 5 для отправки скриншотов и сообщений в Telegram. Основной недостаток — это объем повторяющегося кода, что делает работу с программой ненадежной и сложной для поддержки. Предлагается перейти к модульной базе кода, что сделает систему более гибкой и удобной в обслуживании.

Обсуждаются принципы модуляризации кода, важные для создания самодостаточных частей программы, каждая из которых выполняет отдельную задачу. В проекте планируется разделение задач на отправку сообщений, создание скриншотов и кодирование данных. К концу проекта ожидается понимание, как модульность улучшает эффективность, удобство и масштабируемость советника.

Приводится пример рефакторинга функции отправки сообщений через Telegram API. Использование модульной структуры упрощает управление и повторное использование кода. Обсуждается необходимость тести...

Читать далее...

Советник функционирует на основе отслеживания новых позиций или их закрытия. Если параметр 'Catch IN Deals' установлен в 'true', система мониторит возникновение новых позиций. Если включена настройка 'Catch OUT Deals', внимание уделяется закрытию позиций. Символ и Magic номер сделки не имеют значения. После обнаружения необходимой сделки происходит удаление всех отложенных ордеров, вне зависимости от символов и Magic номеров. Такой подход позволяет автоматизированно управлять процессом удаления отложенных ордеров, обеспечивая бесперебойное выполнение стратегии в любой рыночной ситуации.

Читать далее...

Алгоритм DADA представляет собой передовой подход для эффективного обнаружения аномалий в временных рядах, важных для алгоритмической торговли и управления рисками. Ключевая инновация заключается в адаптивной компрессии данных и использовании двух декодеров - одного для нормальных данных и другого для аномальных. Это позволяет моделям точно различать стандартные и нехарактерные паттерны, минимизируя ложные сигналы. Реализуя новый объект мультиоконного сверточного слоя, DADA достигает высокой точности и адаптации к разным рыночным структурам, обеспечивая надежный инструмент для анализа финансовых данных.

Читать далее...

В статье рассматривается разработка и эволюция торгового советника TrisWeb_Optimized, который использует методы институционального трейдинга в розничной торговле. Основной подход заключается в арбитраже между тремя валютными парами, вычисляя дисбалансы для получения прибыли. Подчеркивается важность адаптации объемов лотов, управления временем работы и анализа исполнения ордеров. TrisWeb_Optimized отличается модульной архитектурой, позволяющей гибко настраивать параметры. Также рассматриваются возможности интеграции с Python для расширенного анализа и использование Telegram API для уведомлений. В основе системы лежат фундаментальные принципы и гибкость в адаптации для оптимальной работы.

Читать далее...

Статья посвящена важной технической проблеме в алгоритмической торговле на MetaTrader 5 - работе с рыночными аукционами в условиях низкой ликвидности. В статье обсуждается подход к отображению текущего состояния актива на графике, внедрение фрагментов кода для улучшения обработки данных стакана цен. Поднимается вопрос правильной реализации системы оповещения трейдера о движении актива. В примерах представлены изменения в коде для работы с событиями в стакане, включая использование библиотек MQL5. Эти изменения позволяют более точно определить, когда актив находится на аукционе, используя данные о ликвидности в реальном времени.

Читать далее...

Исследование алгоритмов оптимизации фокусируется на концепции нейробоидов и их коллективном поведении. Neuroboids Optimization Algorithm (NOA) использует простейшие нейронные агенты с двухслойными сетями и обучением на основе алгоритма Adam, что позволяет эффективно решать сложные задачи оптимизации. Этот подход заимствован из природы, где простые организмы, такие как муравьи или пчелы, коллективно достигают сложных целей.

Алгоритм реализован через класс C_AO_NOA, включающий методы для инициализации, перемещения и оценки эффективности нейронных агентов. Эти агенты, действуя самостоятельно, формируют самоорганизующиеся структуры, адаптирующиеся к изменяющимся условиям задач. Тесты показали, что NOA демонстрирует хорошие результаты на функциях с малой и средней размерностью.

Такой подход объединяет машинное обучение и оптимизацию, задействуя нейросети в новом контексте. Вместо аппрок...

Читать далее...

В статье изложен процесс создания независимого советника на основе индикатора Trend Constraint V1.09 в MetaTrader 5. Включены функции оценки рыночных условий и торговых решений, используя такие индикаторы, как RSI и скользящие средние. Рассмотрены важные аспекты написания программы: настройка и инициализация индикаторов, создание логики на основе изменений тренда, управление торговыми событиями и оптимизация работы в тестере стратегий. Наряду с автоматизацией торговли, статьей предоставляется основа для дальнейшего развития советника, улучшения входных условий и включения дополнительной функциональности, например, магического числа.

Читать далее...

Разработка индикатора предлагает создание горизонтальных линий по цене с заданным процентным шагом. Число линий как выше, так и ниже цены можно настроить индивидуально, обеспечивая гибкость в их использовании. Пользователь может установить параметры для всех линий: цвет, стиль и ширину, а также цвет основной линии.

Инициализация данных происходит в функции OnInit, что исключает необходимость в перерасчете в OnCalculate, что улучшает производительность. Линии создаются при запуске индикатора и удаляются при его завершении. Такой подход обеспечивает легкость в управлении графическими объектами и ясность в анализе ценового поведения, предлагая точный инструмент для технического анализа.

Читать далее...

В предыдущей статье обсуждались изменения для указателя мыши, чтобы он мог взаимодействовать с событиями стакана цен в MetaTrader 5. В новой статье переносим часть кода из тестового сервиса в сервис репликации. В частности, рассматриваются изменения, позволяющие указателю мыши показывать сообщения аукциона или оставшегося времени бара. При запуске приложения репликации система работает с аукциона, и при первой активации воспроизведения изменяет состояние на торговое. Особое внимание уделяется управлению событиями через код для работы с таймфреймом графика и отображением поведения рынка. Разбирается обработка тик-событий, что помогает отслеживать фазы работы приложения.

Читать далее...

Исследуем статью о создании платформы визуальной оптимизации для MetaTrader 5. Основное внимание уделено улучшению интерфейса и добавлению вкладок для детального анализа оптимизации стратегий. Представлены классы управления, такие как Tab Control и таблицы результатов, позволяющие разработчикам настроить визуализацию ключевых данных. Используются обработчики, такие как OnTesterInit и OnTesterPass, для гибкой передачи данных между агентом тестирования и терминалом. Доработаны элементы, включая прогресс-бар и динамические графики. Эти инновации дают трейдерам и разработчикам улучшенный контроль и понимание процессов оптимизации в алгоритмической торговле.

Читать далее...

Алгоритм Q-обучения в сочетании с цепями Маркова может улучшить процесс обучения многослойной сети перцептрона (MLP). Обучение с подкреплением (RL) действует как промежуточное звено между контролируемым и неконтролируемым обучением. В этой модели агент выбирает действия, оптимизирующие вознаграждение, учитывая вероятности переходов между состояниями.

Структура окружения: используется девятииндексное пространство, представляющее рыночные состояния на краткосрочной и долгосрочной перспективах. Обновления Q-значений регулируются коэффициентами α и γ, определяющими скорость обучения и оценку будущих вознаграждений. Код легко модифицируется благодаря использованию структур и нормализованных переменных.

Цепи Маркова моделируют вероятностные переходы между состояниями, упрощая управление стохастической динамикой. Реализация пользовательского сигнала для обработки входных данных осуществля...

Читать далее...

Советник позволяет гибко настраивать торговые стратегии путем простого управления входными параметрами. Можно использовать готовый код советника для создания индивидуальных стратегий. Индикаторы, включая объявление и создание хендлов, можно интегрировать из файла Indicators Code. Важно правильно выставить объем или уровень риска. При выставлении риска его значение должно находиться в диапазоне от 1 до 100. Такой подход дает возможность оптимизировать торговые операции и анализировать различные рыночные сценарии, соответствующие заданным параметрам. Учитывайте, что корректное управление параметрами важно для успешного выполнения стратегий.

Читать далее...

Введение алгоритма оптимизации эволюции панциря черепахи основывается на моделировании роста панциря. Процесс включает в себя добавление твердых и мягких решений, с наиболее успешными решениями, перенесенными ближе к поверхности. Менее удачные решения сохраняются для дальнейшей адаптации.

Реализация алгоритма предполагает кластеризацию данных по вертикали и горизонтали, с использованием алгоритмов K-Means и K-NN. Структура данных для агентов включает массив координат, метку кластера и оценку приспособленности.

Уникальные особенности алгоритма обеспечивают его гибкость и адаптивность к различным условиям поиска решений. Эти принципы заложены в методах и структурах, используемых для хранения и кластеризации данных.

Читать далее...

Советник, описанный в статье, представляет собой инструмент для работы с индикаторами. Он предназначен для интеграции различных кодовых блоков, связанных с индикаторами, но сам по себе не выполняет торговые операции. Комплексный подход начинается с задания входных параметров в начальной части кода советника. Далее следует объявление хендлов, обеспечивающих взаимодействие с индикаторами. В функции OnInit производится создание хендлов, что позволяет задать необходимую логику для последующих операций. Такой подход облегчает процесс работы с индикаторами, делая обработку данных более структурированной и понятной.

Читать далее...

Статья исследует использование ONNX, интегрированного в MQL5, для выполнения вывода моделей в алгоритмической торговле. Рассматриваются шаги по преобразованию моделей PyTorch в формат ONNX, а также практические аспекты их тестирования и использования в MetaTrader 5. Подробно обсуждаются ограничения ONNX и пути обхода для моделей с не поддерживаемыми операторами. В статье подчеркивается удобство конверсии и кроссплатформенной поддержки, что полезно для алгоритмистов. Описаны основные шаги: настройка ONNX, преобразование и тестирование модели, интеграция и управление выводами в среде MQL5, что открывает дополнительные возможности для разработчиков и трейдеров.

Читать далее...

Представлен новый код советника, использующий два индикатора среднего скользящего (МА). Если в течение заданного периода эти индикаторы не пересекаются и зафиксирован откат от основного движения, открывается первая из трех сделок. Последующие сделки открываются в зависимости от движения цены, на основе шага, связанного с ATR.

После открытия всех трех сделок, при благоприятном движении, активируется трейлинг. В случае неблагоприятного движения, закрытие сделок происходит автоматически на основе заданных критериев, по шагу сетки, определенному для типа сделок. Данный подход позволит оптимизировать торговлю в зависимости от рыночных условий, эффективно управляя рисками и потенциальной прибылью.

Читать далее...

Статья предлагает несколько подходов к решению проблемы сбоя при смене таймфрейма в MetaTrader 5. Ключевое решение — использование буферов индикаторов и кодовой оптимизации для отслеживания изменений, что позволяет избежать ручной настройки после сбоя. Автор описывает различные стратегии, включая использование глобальных переменных и файлов, но акцентирует внимание на необходимости автоматизации и уменьшении размера передаваемых данных. Рекомендуется тестирование и внедрение через предварительную тестовую версию, что подчеркивает важность качества разработки и минимизации рисков сбоев, что может быть полезно для разработчиков в процессе создания надежных решений.

Читать далее...

Важно обсудить тестирование и оптимизацию торговых алгоритмов, особенно с использованием Тестера стратегий MQL5. Проверка их работы на исторических данных помогает оценить эффективность и выработать механизмы интерпретации показателей, таких как коэффициенты прибыли и просадки.

Стратегия rapid-fire ориентирована на быструю прибыль от кратковременных рыночных движений, что требует мгновенной реакции. В ней ключевую роль играют индикаторы Parabolic SAR и SMA, выявляющие развороты трендов и упрощающие анализ цен.

Реализуя авто-торговлю на MQL5, создается советник с обработчиками OnInit и OnDeinit для корректного управления ресурсами. Важен и OnTick, где формируется основная торговая логика.

Читать далее...

В области анализа данных и машинного обучения ядра гауссовских процессов играют ключевую роль. Линейное ядро отличается простотой, идеально для линейных трендов, требует минимальных вычислительных ресурсов. Однако оно предполагает линейную зависимость, что может быть ограничением.

Ядро Матерна предлагает гибкость, способен улавливать сложные, нелинейные зависимости, подходя для данных с разрывами и высокой волатильностью. Параметр ν позволяет настраивать гладкость, обеспечивая универсальность модели.

Эти ядра находят применение в финансовых временных рядах, где важно учитывать как краткосрочные, так и долгосрочные тренды. Использование в регрессии гауссовских процессов способствует улучшению точности прогнозов в условиях неопределенности.

Читать далее...