Облака точек представляют собой простые и унифицированные структуры, избегающие сложностей сеток. Исследователи часто преобразуют их в 3D-воксельные сетки или наборы изображений для дальнейших вычислений. Такое преобразование увеличивает объем данных и может приводить к артефактам квантования, что искажает природные инвариантности данных.

PointNet предлагает обходное решение, обрабатывая облака точек напрямую. В основе PointNet лежит идея применения симметричной функции MaxPooling для выбора информативных объектов в облаке точек и кодирования причины их выбора. Процесс симметризует вычисления, учитывая, что облака точек инвариантны к перестановкам.

PointNet классифицирует и сегментирует данные, обрабатывая каждую точку независимо через MLP и применяя MaxPooling для агрегирования информации. Модель PointNet способна захватывать локальные структуры и комбинаторные взаимодействия между...

Читать далее...

ONNX обеспечивает мощнейший инструмент для интеграции моделей машинного обучения в MetaTrader 5. Однако применение этой технологии требует решения ряда проблем, таких как масштабирование и нормализация данных, преобразование временных рядов и развертывание моделей. В статье рассмотрены методы предварительной обработки данных, сохранения масштабировщиков и подготовки данных для прогнозирования временных рядов. Для интеграции моделей LSTM предложен алгоритм, обеспечивающий одинаковую точность в Python и MQL5. Выполнение всех сезонных обработок и уменьшение размерности данных с помощью PCA также продемонстрировано, чтобы обеспечить надежность и точность торговых сигналов в реальном времени.

Читать далее...

Скрипт агрегирует общий доход и свопы для каждой пары, что удобно для хеджирующих счетов и стратегий, где осуществляется несколько входов на основе сигналов. Это позволяет трейдерам эффективно отслеживать финансовые результаты по каждой валютной паре, минимизируя затраты и оптимизируя торговые решения. Автоматизация данного процесса упрощает управление портфелем и улучшает аналитические возможности, предоставляя доступ к точным и актуальным данным. Использование данного инструмента способствует повышению точности и эффективности торговых операций.

Читать далее...

Метод главных компонент (PCA) — мощный инструмент для снижения размерности данных, важный как для трейдеров, так и для разработчиков в MetaTrader 5. Он позволяет сосредоточиться на наиболее значимых компонентах множества измерений, улучшая визуализацию и снижая вычислительные затраты. Основные методы обсуждаются: собственные векторы и сингулярное разложение (SVD). Оба подхода эффективно уменьшают размер матриц, выделяя главные компоненты, что способствует лучшему управлению данными и повышению производительности моделей. Применение PCA в MQL5 улучшает выбор активов и позволяет создавать более эффективные алгоритмические торговые стратегии.

Читать далее...

showSwap — это простой индикатор для отображения накопленного SWAP всех открытых ордеров. Индикатор разделяет данные для позиций Sell и Buy, а также предоставляет информацию об актуальных SWAP на рынке. В настройках можно указать магик инструмента (если значение 0, то учитываются все инструменты) и координаты панели индикатора на графике. Дополнительную информацию и инструкции можно найти на официальном сайте разработчика.

Читать далее...

Анализ свечей старшего таймфрейма предоставляет ценную информацию для трейдеров. Такой метод нужен для классификации свечей как бычьих или медвежьих. Сочетание с техническими индикаторами на коротких таймфреймах помогает точно определять точки входа. Система определения бычьих и медвежьих свечей создается с помощью кода MQL5, который устанавливает условие для выхода сигнала покупки или продажи только в соответствии с направлением текущего тренда.

При помощи свечей старших таймфреймов можно определить общую рыночную динамику. Например, бычья свеча на D1 указывает на преимущественное направление вверх, и об этом важно помнить при анализе индикаторов на менее значимых таймфреймах.

Создание стратегии пересечения скользящих средних требует четких правил и понимания рынка. Трейдеру нужно учитывать рыночную динамику и адаптироваться к изменениям, основываясь на коротких таймфреймах и общем...

Читать далее...

Скрипт предназначен для расчета автокорреляционной и частной автокорреляционной функций с последующим отображением результатов на графике. Предусмотрены следующие входные параметры:

- input int N = 100; // определяет длину окна данных для расчета, скрипт способен обрабатывать до 100 000 баров и более
- input int K = 16; // количество лагов, обычно достаточно до 40 лаков; скрипт поддерживает до 500
- input int start_pos = 0; // смещение окна данных; ноль обозначает, что данные (N) берутся с самого последнего загруженного бара
- input int duration = 10; // длительность отображения графика в секундах

Скрипт обеспечивает точное и быстрое вычисление необходимых величин, что может быть полезно для анализа временных рядов.

Читать далее...

Алгоритмы анализа наборов точек в евклидовом пространстве должны учитывать локальные особенности. Плотность и другие атрибуты точек могут сильно варьироваться. Метод PointNet обучает кодированию каждой точки в глобальную сигнатуру, игнорируя локальную структуру. Это стало проблемой для сверточных архитектур, полагающихся на локальные шаблоны.

Для решения этой задачи был предложен PointNet++, который использует локальные области, чтобы изучать мелкие геометрические структуры и объединять их в более крупные элементы. PointNet++ включает методы для разделения набора точек и локального обучения признаков с использованием PointNet как основного строительного блока.

В отличие от статических сверточных сетей, PointNet++ создает рецептивные поля на основе данных и метрики, что увеличивает эффективность модели. Эти методы адаптивно регулируются плотностью данных, учитывая плотные и разреженн...

Читать далее...

Стратегия "Среднесрочный трендовый трейдинг" направлена на определение среднесрочных трендов и точек входа с помощью скользящих средних и индикатора относительной силы (RSI).

Индикаторы:
1. 50-периодная простая скользящая средняя (длинная).
2. 20-периодная простая скользящая средняя (короткая).

Правила входа:
- Покупка: короткая скользящая средняя выше длинной при значении RSI выше уровня перепроданности.
- Продажа: короткая скользящая средняя ниже длинной при значении RSI ниже уровня перекупленности.

Управление позицией:
1. Размер позиции — фиксированный.
2. Стоп-лосс — ниже последнего минимума для покупок и выше последнего максимума для продаж.
3. Тейк-профит — вдвое больше стоп-лосса.
4. Применимость к любым таймфреймам, наилучшие результаты достигаются на M15.

Читать далее...

В сфере оптимизации частым источником вдохновения остаются биологические процессы. Алгоритм хемотаксиса, предложенный Бремерманом, объединяет инновации и биологические принципы. Этот метод моделирует реакцию бактерий на химические градиенты, что позволяет ему превосходить традиционные подходы в мультимодальных и дискретных задачах.

Исследования показали, что бактерии адаптируются к окружающей среде, используя информацию о варьирующих химических условиях. Алгоритмы оптимизации применяют эти принципы для достижения эффективных решений. Новые открытия уточнили модель хемотаксиса, что способствовало улучшению работы с нейронными сетями и адаптивными механизмами.

Алгоритм BCO включает элементы локального и глобального поиска. Обновление позиций бактерий происходит на основе случайных направлений и текущих условий. Новая версия алгоритма упрощает процесс, убирая сложные математические опе...

Читать далее...

Книга "Нейросети в алготрейдинге на MQL5" представляет машинное обучение и нейронные сети для алготрейдеров. Включает 7 глав, охватывающих основы и сложные архитектуры нейронных сетей, их интеграцию в MQL5. Подробно рассматриваются сверточные и рекуррентные модели, пакетная нормализация и Dropout. Книга содержит практическое руководство по обучению нейронных сетей и внедрению их в торговые стратегии. Читатели научатся создавать торговые советники и тестировать модели на новых данных. Отличное учебное пособие для улучшения торговых стратегий с использованием машинного обучения.

Читать далее...

Хотите улучшить свои торговые стратегии? В недавней статье обсуждаются алгоритмы, фильтрация данных и важность сезонности в трейдинге на рынке Форекс. В статье представлен советник, использующий фильтры нижних частот для сглаживания данных и выявления долгосрочных трендов. Применены ONNX-модели для предсказания ценовых движений с учетом сезонных факторов. Рассмотрены тесты производительности с различными параметрами фильтров и таймфреймами, показаны результаты, подчеркивающие эффективность данного подхода. Практические рекомендации помогут трейдерам создать более стабильные и прибыльные стратегии. Подробности можно найти на сайте.

Читать далее...

Библиотека для работы с клавиатурой предоставляет возможность управлять данными выбранной раскладки клавиатуры и состояниями различных клавиш. Она позволяет обрабатывать нажатия клавиш и их комбинации, а также управлять этим процессом через программный интерфейс.

Для использования библиотеки необходимо интегрировать её в текущий проект и настроить обработку событий клавиатуры в коде. Библиотека поддерживает работу с различными раскладками клавиатуры, что делает её универсальным инструментом для создания кроссплатформенных приложений.

Пример использования: библиотека может быть использована для создания кастомных горячих клавиш в приложении или для реализации специфических действий при нажатии различных клавиш пользователем. Соответствующий способ интеграции и настройки определяется особенностями конкретного проекта и используемой платформой.

Читать далее...

В предыдущей статье обсуждалось создание системы репликации для MetaTrader 5 с использованием индикатора Chart Trade. Для эффективной передачи исполняемых файлов рекомендовано использование MQL5 и MetaEditor. Следует учитывать ограничения MQL5 и MetaTrader 5, разработанные для визуализации рынка. Эти ограничения можно обойти, используя встроенные ресурсы. Настоятельно рекомендуется использовать отдельную установку MetaTrader 5 для разработки, чтобы избежать ошибок или уязвимостей. В новой модели индикатор усовершенствован для работы со встроенными ресурсами, что упрощает переносимость и управление файлами.

Читать далее...

В торговле фактор волатильности играет важную роль. Существует множество инструментов для его измерения. Правильный учет волатильности может значительно повысить эффективность торговой стратегии. В предлагаемом материале рассмотрен индикатор волатильности Чайкина (Chaikin Volatility, CHV).

Изучим, как извлекать пользу из индикатора Чайкина, как он рассчитывается и используется. На примере простых торговых стратегий (CHV Crossover и CHV and MA Crossover) будет показано создание и оптимизация торговой системы. Также рассмотрен процесс написания собственного индикатора CHV с использованием MQL5 для терминала MetaTrader 5.

Важно протестировать любую торговую систему перед применением в реальных условиях. Протестируем несколько стратегий на примере CHV, а также проверим, как дополнительные индикаторы могут улучшить результирующие показатели. Расчет ключевых показателей, таких как чистая ...

Читать далее...

Pointformer – инновационный метод для 3D-обнаружения объектов, оптимизированный для работы с облаками точек. Он использует архитектуру Transformer, применяя её уникальные возможности для обработки нерегулярных данных. Pointformer включает три модуля: Local Transformer для локальных особенностей, Local-Global Transformer для интеграции локальных и глобальных функций, и Global Transformer для контекстных представлений на уровне сцены. Эти модули обеспечивают высокую выразительность и эффективность обнаружения объектов. Метод эффективно устраняет проблемы с нерегулярностью облаков точек, улучшая производительность и точность. Идеально для разработчиков и трейдеров в MetaTrader 5.

Читать далее...

В серии статей описывается процесс разработки мультивалютного советника, который сочетает несколько торговых стратегий. Это дает возможность диверсификации рисков и повышения устойчивости результатов. В первой части обсуждается совместная работа различных стратегий в одном советнике. Отдельные стратегии могут сочетаться для более удобного управления.

Вторая часть посвящена переходу к виртуальным позициям, где стратегии работают только виртуально, а открытие реальных позиций возлагается на эксперта. Третья часть включает ревизию архитектуры для улучшения текущего решения на основании накопленного опыта.

Четвёртая часть добавляет работу с отложенными ордерами и механизм восстановления после перезапуска терминала. Пятая часть обеспечивает возможность торговли с переменным размером позиций, что особенно важно для работы на реальном счёте.

Шестая часть автоматизирует процесс создания не...

Читать далее...

Изучите революционный подход для прогнозирования временных рядов — метод SparseTSF! Авторы предлагают легкие, но мощные модели декомпозиции временных рядов, объединяющие периодические и тенденционные данные, упакованные в компактную модель с всего 1k параметрами. Суть метода — межпериодное разреженное прогнозирование, которое разделяет данные на подпоследовательности с постоянным интервалом, улучшая эффективность и снижение вычислительных затрат. Практическое применение: средства агрегирования данных и методы транспонирования, реализуемые в MQL5, позволяют оптимизировать алгоритмическую торговлю. Узнайте, как минимизировать ресурсы и добиться высокой точности в своих алгоритмах!

Читать далее...

Функции ChartXYToTimePrice и ChartTimePriceToXY обладают значительными недостатками. Например, ChartXYToTimePrice корректно работает только при входных параметрах X и Y, находящихся в видимой части окна графика. За пределами видимой области функция возвращает нулевые значения. В определенных случаях ChartTimePriceToXY также выдает некорректные результаты и обе функции работают медленно.

Решение заключается в представлении функций, корректно работающих во всех диапазонах вводимых параметров. Скрипт демонстрирует правильность их работы. В его основе лежит переконвертация координат X и Y в time и price, а затем обратное преобразование в X и Y. Если исходные координаты X и Y не совпадают с выходными, это указывает на проблемы в функциях. Скрипт фиксирует такие расхождения. В случае корректной работы скрипт завершает работу без вывода ошибок и в конце предоставляет результаты.

Читать далее...

Алгоритм COMBI является базовым методом группового учета аргументов (МГУА). Он работает с выборкой данных, деленной на обучающую и тестовую части. Обучающая подвыборка оценивает коэффициенты полинома, а тестовая выбирает оптимальную модель.

Ключевое отличие COMBI от многослойных итеративных алгоритмов (MIA) в сетевой структуре: один слой, количество узлов соответствует количеству входов. Каждый узел представляет собой модель-кандидат. COMBI оценивает все возможные комбинации переменных, обеспечивает линейную структуру модели.

Реализация COMBI на языке MQL5 основана на классе GmdhModel. Комбинаторный селективный алгоритм (MULTI) улучшает эффективность COMBI за счет многоуровневых процессов. MULTI выбирает лучшие модели на каждом уровне, добавляет переменные, избегая полного поиска.

Применение алгоритмов МГУА, например, для прогнозирования цен, демонстрирует их потенциал в финансов...

Читать далее...