Исследование зависимости между случайными величинами часто требует использования продвинутых статистических методов. Одним из таких методов является Hilbert-Schmidt Independence Criterion (HSIC), который помогает оценивать, есть ли зависимость между двумя случайными величинами. В отличие от коэффициента корреляции, HSIC выявляет как линейные, так и нелинейные связи, что делает его важным инструментом для машинного обучения и выбора признаков.

HSIC основан на ядерных функциях и способен работать с данными любой размерности. В статье обсуждается его реализация в MQL5, с использованием гауссовского ядра. Акцент на перестановочный тест и гамма-аппроксимацию позволяет проводить надежные статистические проверки на значимость выявленных зависимостей.

Метод продемонстрирован на примере синтетических данных, где обнаружены сложные отношения, недоступные традиционным методам, например, корре...

Читать далее...

Представление индикатора Ренко-бары в подокне иллюстрируется в Рис. 1. Расчет ближайшей границы базируется на трех ключевых ценовых уровнях: "price_ceil", "price_round" и "price_floor". Эти уровни определяются по текущей цене. Промежутки между "price_ceil" и "price_round", а также между "price_round" и "price_floor" равны размеру так называемого "кирпичика". Это значение регулируется входным параметром "InpSize". Индикатор позволяет визуализировать изменения цен при помощи фиксированных диапазонов, что упрощает выявление трендов и важных уровней, предоставляя четкое и точное отображение рыночной динамики без отвлечений на мелкие ценовые колебания.

Читать далее...

В статье рассматривается интеграция сверточных (CNN) и рекуррентных нейронных сетей (RNN) для прогнозирования фондового рынка. CNN используется для извлечения признаков из данных, в то время как RNN, включая LSTM и GRU, обрабатывает временные зависимости. Созданные модели способны формировать торговые стратегии в MetaTrader 5. Хотя такие модели предъявляют высокие требования к вычислительным ресурсам, их применение может выявить скрытые паттерны, что особенно важно для точных рыночных прогнозов. Однако необходимо учитывать риск переобучения и тщательно балансировать сложность модели с задачами и ресурсами.

Читать далее...

В последние годы разработано множество оптимизационных алгоритмов, вдохновленных природой. Алгоритм оптимизации Camel Algorithm (CA), основанный на стратегии выживания верблюдов, появился в 2016-м. Его создатели, Mohammed Khalid Ibrahim и Ramzy Salim Ali, изучили особенности поведения животных в пустыне. Параметры алгоритма такие как температура, запасы воды и выносливость, отражают реальные условия. CA использует такие стратегии, как случайное блуждание и "эффект оазиса". В алгоритме реализации каждая верблюжья "группа" работает над поиском наилучшего решения в пространстве. При обнаружении оазисов запасы и выносливость восстанавливаются для дальнейшего поиска.

Читать далее...

Представляем индикатор, который помогает определить уровни для размещения отложенных ордеров 'Buy stop' и 'Sell stop'. При возникновении сигнала индикатор способен оповещать различными способами: проигрывать звук, генерировать алерт, а также отправлять уведомления на email и push-сообщения на мобильные устройства. Чтобы снизить вероятность ложных пробоев, рекомендуется размещать отложенные ордера с учётом значительного сдвига от указанной цены. Это позволяет более точно входить на рынок и минимизировать ненужные потери, обеспечивая более эффективное управление торговыми позициями.

Читать далее...

В данной статье рассматриваются методы тонкой настройки модели GPT-2 и реализация настройки LoRA с использованием библиотеки peft. Обсуждается сравнительный анализ моделей, обученных разными методами, в зависимости от различных рыночных условий. Это помогает в выявлении наиболее эффективной модели для применения в торговых системах, особенно при учёте различных валютных пар и условий рынка.

Приведена информация о настройках рабочего окружения: Ubuntu 22.04.5 LTS, Python 3.10.14, и необходимых библиотеках, таких как torch, numpy, и другие. Настройка среды позволяет избежать ошибок, связанных с отсутствующими зависимостями.

Далее рассматривается класс LoraConfig и его параметры, такие как измерение внимания (ранг), параметры адаптеров, инициализация весов и другие. Подробно описан процесс использования функций get_peft_model() и класса PeftModel для адаптации и проверки модели GPT-2.
...

Читать далее...

Разработка утилиты позволяет работу по выбранному символу без учета Magic. При трейлинге стратегический элемент подставляет Magic в операцию выбранной позиции. Настройки трейлинга могут быть выполнены для каждой секунды ('bar #0 (at every tick)') или лишь при начале нового бара ('bar #1 (on a new bar)'), где новый бар определяется в рамках заданного таймфрейма 'Working timeframe'.

Функционал предусматривает два режима: 'Allowed only BUY positions', где идентифицируются самая высокая и самая низкая BUY позиции, и 'Allowed only SELL positions', где аналогично находятся SELL позиции. Для двух выбранных позиций вычисляется неттинговая цена, и по отношению к ней производится трейлинг стоп-лосса. В случае, если в заданном направлении только одна позиция, стоп-лосс сбрасывается.

Читать далее...

Отладка в MQL5 — это обязательный этап создания алгоритмических торговых систем, который позволяет выявлять и устранять ошибки в коде. Статья рассматривает техники отладки, такие как использование MetaEditor для подсветки синтаксиса и индикации ошибок, установка точек останова, пошаговое выполнение кода, а также применение функции Print() для воспроизведения логов. Отладка помогает улучшить понимание торговых алгоритмов и оптимизирует их эффективность. Ознакомление с документацией MQL5, регулярное тестирование и адаптация к ошибкам через опыт сообщества и справочники — ключ к успешной разработке в MQL5.

Читать далее...

Фреймворк Mamba4Cast предлагает инновационный подход к прогнозированию временных рядов в трейдинге. Особенность заключается в быстрой готовности моделей к работе благодаря Zero-Shot Forecasting, что исключает длительную настройку. Линейная сложность SSM-модулей обеспечивает мгновенную обработку данных, минимизируя задержки. Система предварительной обработки данных нормализует и контекстуализирует входные данные, улучшая эффективность прогноза. Универсальный эмбеддинг учитывает как текущие значения, так и временной контекст, обеспечивая устойчивость модели. Mamba4Cast оптимизирует ресурсы и работает без мощных кластеров, делая её доступной для трейдеров с ограниченной инфраструктурой.

Читать далее...

Изучая волатильность Forex, статья рассматривает алгоритмическую торговлю через статистические модели и технический анализ. Описываются стратегии, от случайных к более сложным, такие как линейные тренды и случайное блуждание. Внимание уделено управлению рисками и адаптации стратегий, подчеркивая важность выбора подходящей модели в зависимости от рыночных условий. Рассмотрение алгоритмов, таких как метод разборчивой невесты для оптимизации, иллюстрирует, как точные подходы могут улучшить прогнозирование. Использование эмпирического распределения и фигурных чисел демонстрирует инновационные методы анализа. Подобные подходы обеспечивают трейдерам возможность принимать более обоснованные решения.

Читать далее...

Создание интерактивной панели управления в MQL5 может значительно упростить торговый процесс. Панель будет состоять из ключевых элементов, таких как кнопки Trade, Close и Information, каждая из которых выполняет определенные функции.

Панель управления MQL5 будет базироваться на ясной структуре, обеспечивающей удобный доступ к важной информации и возможностям торговли. Подробное описание каждого элемента и их сборка помогут интегрировать их в MetaTrader 5.

Важно использовать последние версии MQL5 и MetaTrader 5 для совместимости. В статье рассматриваются установка необходимых библиотек, создание и настройка кнопок интерфейса и их функциональность.

Читать далее...

В подокно выводятся два индикатора MA Color N Bars, где каждый отображается в виде прямых цветных линий. Главное отличие этих индикаторов заключается в параметре '... trend N Bars'. Именно этот параметр позволяет одному из индикаторов более точно отражать области флета на графике. Индикатор с высоким значением '... trend N Bars' предоставляет повышенную точность в данных зонах. Такая конфигурация способствует улучшенному анализу трендовых и флетовых участков рынка, предлагая наглядное представление изменения направления движения с учетом большого периода тренда.

Читать далее...

API, или приложение программного интерфейса, является важным компонентом программного обеспечения, позволяющим системам взаимодействовать и обмениваться данными. RestAPI, возникший в 2000-х благодаря Рою Филдингу, внес значительные изменения в коммуникацию между системами за счет использования простых и эффективных архитектурных принципов. RestAPI предоставляет разработчикам универсальный, легкий инструмент взаимодействия, предлагающий простоту и интегрируемость по сравнению с более сложными протоколами, такими как SOAP. Использование RestAPI обеспечивает гибкость и масшабируемость, делая его предпочтительным выбором в современных веб-приложениях.

Читать далее...

Создан скрипт для отображения детальной информации о брокере, счете и характеристиках торгового инструмента. Скрипт основан на примерах из MQL4, включая разделы о среде и инструментальной информации. Также учтены идеи из скрипта «Информация о рынке» от Сергея Механика. Этот скрипт выводит данные, такие как имя брокера, тип счета, размер кредитного плеча, а также полную спецификацию торговых инструментов. Полезен для проверки актуальности данных о символах в торговой платформе. Сравнение скрипта с настройками из «Спецификации контракта» подчеркивает его точность и детализацию, что важно для уверенного принятия торговых решений.

Читать далее...

Алгоритм Brain Storm Optimization (BSO) показал свою значимость в мире оптимизации, особенно в контексте кластеризации данных. Использование фаз генерации и оценки идей позволяет находить оптимальные решения, обходя препятствия в пространстве поиска. Реализация BSO агентов показала эффективность в различных тестах, включая функции с множеством параметров.

Несмотря на успехи, тесты выявили, что BSO требует тщательной настройки параметров для улучшения эффективности. Если методы K-Means и K-Means++ были недостаточно результативны, стоит рассмотреть другие подходы к кластеризации для более глубокого анализа. На данный момент система продемонстрировала достойные результаты, но требует дальнейших улучшений и экспериментов.

Читать далее...

Библиотека предоставляет возможности для расшифровки GZIP архивов из *.gz файлов или сайтов, использующих этот формат. Она подтверждает свою работоспособность на файлах объемом до 0.5 ГБ. Функциональность включает автоматическую проверку формата архива по флагу в 4-м байте, позволяя определить, является ли это сжатым файлом или данными с сайта. Входные данные должны передаваться в виде массива типа uchar, получаемого, например, через FileReadArray() или WebRequest(). Для распаковки используется CryptDecode(CRYPT_ARCH_ZIP, tmp, key, tx).

Класс GZIP упрощает процесс, проверяя три первых символа данных, чтобы определить их сжатие в формате GZIP. После этого доступны разные перегрузки метода unGZIP, оптимизированные по быстродействию и памяти. При распаковке результат помещается в массив uchar tx, который далее анализируется с помощью парсеров CSV или JSON. Избегайте избыточного использо...

Читать далее...

Исследование оптимальных таймфреймов для минимизации ошибок в торговых моделях MetaTrader 5 выявило значительное снижение ошибок на месячном и часовом таймфреймах. Для достижения этой задачи нами применены тесты значимости и динамическое выравнивание временных рядов, что позволило создать новую нейронную сеть с параметрической оптимизацией. Весь процесс позволил экспортировать модель в ONNX и интегрировать торговые алгоритмы на MQL5 с гибридным использованием ИИ и технического анализа. Полученные результаты дают основу для разработки более точных стратегий, адаптируемых под серьёзное изменение рыночных условий.

Читать далее...

MetaTrader 5 усиливает возможности трейдеров и разработчиков, внедряя машинное обучение и визуализацию данных для улучшенного анализа и принятия решений. Использование технических индикаторов, как полосы Боллинджера, скользящие средние и создание моделей на основе Deep Q-Network, позволяет автоматизировать торговлю и распознавать рыночные тренды и аномалии. Платформа обеспечивает интеграцию с Python для реализации стратегий на основе исторических данных XAUUSD, что способствует более обоснованным и эффективным торговым решениям и автоматическому исполнению сделок без эмоциональной предвзятости.

Читать далее...

В последние годы нейросети и глубокое обучение сделали значительные шаги в анализе финансовых рынков. Но есть возможность для более продвинутого уровня: использование марковских процессов в прогнозировании. Это подход соединяет элегантность математики с практическим машинным обучением. Финансовые рынки рассматриваются как системы переходов между дискретными состояниями, основанные на вероятностных моделях. Марковские цепи, в основе которых лежит работа Андрея Маркова, позволяют моделировать сложные процессы, опираясь на вероятностные правила. Исследование данных и прогнозирование с использованием матриц переходных вероятностей открывают новые горизонты в понимании рыночной динамики.

Читать далее...

Стратегия трейдинга, предполагающая открытие коротких позиций при достижении ценой high за последние n баров с целью достижения среднего значения за n баров, а также длинных позиций при достижении ценой low за n баров, оказалась вводящей в заблуждение при ее тестировании. Использование одноминутных OHLC-данных демонстрирует нестабильные результаты и требует обширной проверки. Подобные стратегии могут быть чувствительными к историческим данным и без должного тестирования могут привести к неправильным выводам. При разработке торговых алгоритмов важно учитывать как временные рамки, так и особенности симуляции, чтобы избежать ложных результатов.

Читать далее...