Изучите, как ускорить обучение нейронных сетей с использованием алгоритма Левенберга-Марквардта, превосходящего по скорости традиционные методы, такие как градиентный спуск и его модификации. Этот алгоритм, основанный на втором порядке производных, идеально подходит для адаптации моделей к динамичным рыночным условиям. Применение его в MetaTrader 5 позволяет легко и быстро находить локальный минимум функции потерь. Для трейдеров и разработчиков алгоритм открывает новые горизонты в создании высокоэффективных торговых моделей, благодаря его выдающимся характеристикам и способности к быстрой сходимости, что значительно сокращает время и ресурсы на обучение модели.

Читать далее...

В статье объясняется использование скрытых марковских моделей (HMM) в анализе финансовых временных рядов. HMM — это инструмент для моделирования временных рядов с нечёткими состояниями, таких как тенденции рынка. Они учитывают прошлую динамику, минимизируя ложные сигналы. Статья рассматривает обучение HMM с помощью Python и библиотеки hmmlearn. HMM требуют оптимизации параметров, таких как начальные вероятности и матрица переходов, для максимального правдоподобия данных. Практическая часть включает создание HMM на Python и её интеграцию в MetaTrader 5, применяя MQL5, что позволяет расширить возможности алгоритмической торговли.

Читать далее...

Представлен индикатор, отображающий ценовой импульс валютной пары с использованием разметки уровня Фибоначчи. На экране выводятся две линии: розовая и голубая, указывающие направление для входа на рынок. При пробое цены нижней линии рекомендуется открывать продажи; при пробое верхней — покупки. Оптимальная работа индикатора наблюдается на таймфреймах от H1 и выше. Линии поддержки и сопротивления формируются на основе локальных экстремумов, которые рассчитываются за количество баров, задаваемое параметром iPeriod. Начало отсчёта для поиска экстремумов начинается с бара, номер которого задаётся параметром SignalBar.

Читать далее...

В статье рассматривается концепция Break of Structure (BoS), важная в анализе и разработке стратегий на Форекс. BoS сигнализирует о смене рыночного тренда и используется в стратегиях Smart Money (SMC). В рамках MetaTrader 5 возможно разработать советника на MQL5 для автоматизации торговли на основе BoS.

BoS определяется как значительное движение цены, преодолевающее предыдущее колебание. В статье обсуждаются бычий и медвежий типы BoS, а также их применение в торговых стратегиях с использованием различных таймфреймов и технических индикаторов.

Для реализации стратегии в MQL5 создается торговый робот, который анализирует рыночные данные для обнаружения BoS. Используются технические индикаторы и анализируемые точки колебания для улучшения трейдинга и управления рисками.

Читать далее...

Статья раскрывает подходы к реализации алгоритмических моделей на базе гиперболической геометрии. Используется фреймворк HypDiff, решающий проблему структурной анизотропии в графах через гиперболический гауссов шум. На платформе MQL5 показано, как интегрировать методы OpenCL для проектирования данных в гиперболическое пространство с целью улучшения точности анализа динамичных финансовых рынков. В этом процессе рассматривается создание динамической модели генерации центроидов, необходимой в условиях меняющегося рынка. Описаны ключевые элементы проектирования и инициализации объектов, упрощение вычислительных задач посредством сверточных слоев и структурирование данных для эффективного обучения.

Читать далее...

Представляется инструмент для анализа текущей ситуации по торговому символу. Он предоставляет информацию о времени последней котировки, актуальном времени торгового сервера, статусе рынка (открыт/закрыт) и состоянии интернет-соединения (норма или обрыв). Этот советник не является примером идеального кода или алгоритма, но способен выполнять основные функции мониторинга. Подобные инструменты полезны для первичного анализа и оценки состояния рыночных данных и связи, обеспечивая базовый уровень информации для трейдеров и аналитиков.

Читать далее...

В статье представлена инновационная модель для прогнозирования трендов цен на акции, основанная на двойном механизме внимания и извлечении признаков. Модель TPM эффективно сочетает методы машинного обучения для анализа финансовых временных рядов, используя архитектуру "Энкодер—Декодер" с добавленным механизмом внимания. Это позволяет идентифицировать наиболее релевантные признаки из объемных данных и улучшить точность прогнозов. В модели реализована интеграция краткосрочных и долгосрочных рыночных признаков для предсказания направления и продолжительности изменения цен. Предложенный метод открывает новые возможности для более точного анализа и моделирования динамики рынка.

Читать далее...

Hull Moving Average (HMA) представляет из себя усовершенствование стандартных скользящих средних, часто используемых для сглаживания цен. Обычные скользящие средние страдают от запаздывания относительно текущей цены, что снижает их эффективность в трендовых стратегиях. Ален Хал разработал HMA для уменьшения данного эффекта.

Формула HMA: 2*MA1 - MA2, где MA1 и MA2 - простые скользящие средние с периодами N и 2*N. Особенность этой формулы в том, что период HMA должен быть четным. Однако, это ограничение можно обойти, если при нечетном периоде вес центрального элемента равен нулю. Например, 5-периодная HMA получит весовые коэффициенты 3, 3, 0, -1, -1, что позволяет обобщить HMA.

Чтобы улучшить сглаживание, центральному элементу задается значение 1, внося изменения в расчет. Это оптимизирует работу индикатора. Индикация на графике демонстрирует его адаптивность и мгновенную реакцию на ...

Читать далее...

Статья посвящена инновационному подходу торговли на Forex через парный трейдинг, где используются рыночно-нейтральные стратегии. Особенность в отсутствии ярко выраженных стоп-лоссов обеспечивает эмоциональную стабильность трейдера. Описывается методика торговли спредами, где анализируется корреляция инструментов для минимизации рисков. Приводятся примеры использования индикаторов и расчётов для точной оценки спредов в MetaTrader 5. Рассматривается потенциал сезонного анализа и его важность в прогнозировании движений рынка, что значительно расширяет возможности для успешной торговли. Обращается внимание на корректный выбор символов и учёт волатильности для повышения эффективности стратегий.

Читать далее...

Индикатор RegressionParabolic предназначен для точного определения точек разворота тренда и установки стоп-приказов. Его основной элемент - линии, построенные на основе значений Parabolic SAR, длина которых автоматически зависит от заданного количества волн цены. Можно использовать несколько индикаторов на одном графике с различными таймфреймами. Встроенный модуль подсчитывает баланс бычьих и медвежьих тиковых объёмов в определённом канале. При касании ценой границ канала индикатор предлагает рекомендации для дальнейших действий: покупки, продажи или закрытие текущих позиций. Это позволяет трейдерам принимать обоснованные решения в изменяющихся рыночных условиях.

Читать далее...

Стили рисования в MQL5 предоставляют трейдерам возможности для более четкого и простого анализа графиков. Настройка цветов и толщин улучшает чтение данных. Мы исследовали DRAW_LINE для визуализации трендов, добавив буферы для динамичной смены цветов линий. Это способствует улучшению визуальных сигналов.

Состояние свечи D1 является важным элементом анализа. Для упрощения контроля мы добавили скрипт My_D1_Candlestatus.mq5, который отображает статус свечи прямо на графике. Это значительно облегчает процесс анализа, особенно на малых таймфреймах.

Реализация новой функции позволила улучшить графическое отображение трендов. Понимание MQL5 и его интеграции с Python/C++ дает возможность персонализировать инструменты анализа. Это способствует разработке индивидуальных стратегий и более осознанному принятию торговых решений.

Читать далее...

Представлен алгоритм Atomic Orbital Search (AOS) — новый метаэвристический метод оптимизации, основанный на принципах атомной орбитальной модели. Алгоритм, предложенный Махди Азизи в 2021 году, учитывает вероятностные распределения и динамику взаимодействий, чтобы эффективно исследовать пространство решений.

Алгоритм инициирует кандидатов решений случайным образом, моделируя их как электроны вокруг атомного ядра. Распределение по слоям электронов основано на логнормальном распределении. Электроны с низкой энергией соответствуют лучшим кандидатов. Моделируется поведение электронов, взаимодействующих с фотонами, в рамках поиска оптимальных решений.

Генерацию логнормального распределения поддерживает библиотека функций. Созданы структуры и методики на шаги перемещения решений. AOS — адаптивный метод, предоставляющий возможности внедрения квантовых принципов в задачи вычислительной опти...

Читать далее...

На основе заданного вопроса на форуме MQL5 разработан советник, который в автоматическом режиме отображает комментарии о процентах прибыли или убытка на торговом счёте. Это функциональный инструмент, помогающий трейдерам мониторить свои финансовые показатели без необходимости ручного расчёта. Он предлагает возможность быстро оценить состояние своего счёта и принимать более обоснованные решения на основе текущей динамики. Использование таких инструментов способствует улучшению управления рисками и оптимизации торговых стратегий. Подходит как для начинающих, так и для опытных трейдеров.

Читать далее...

Обратим внимание на важность быстрого тестирования стратегий в алгоритмической торговле. При использовании Python для тестирования на больших данных иногда требуется не только повышение скорости, но и использование знакомой среды разработки. В этом может помочь библиотека Numba, которая компилирует Python код в машинный. Она поддерживает NumPy и может сильно увеличить производительность, особенно в задачах с интенсивными вычислениями и циклом. Отметим, что Pandas и другие сторонние библиотеки могут представлять проблему при использовании Numba. В статье рассматриваются примеры оптимизации производительности. Это может радикально сократить время тестирования стратегий.

Numba, библиотека улучшает производительность Python, компилируя функции в машинный код. Оптимизация за счет JIT-компиляции важна в задачах анализа данных и ML. Кроме того, возможно ускорение и параллельные вычисления н...

Читать далее...

В новой версии кода для MT4 представлены обновления, направленные на улучшение производительности и оптимизацию алгоритмов. Основное внимание уделено снижению нагрузки на ресурсы системы при одновременном повышении точности расчетов. Внедрены новые функции, которые обеспечивают более гибкую настройку параметров и более эффективное управление ордерами. Совместимость с предыдущими версиями обеспечена, что упрощает переход для пользователей. Пользователи могут ожидать сокращения времени выполнения операций и улучшенной интеграции с внешними аналитическими сервисами. Обновление рекомендуется для всех, кто стремится увеличить эффективность своей торговой деятельности.

Читать далее...

Разработка библиотеки MQL5 помогает автоматизировать и упростить создание алгоритмических торговых систем на основе MetaTrader 5. Начните с создания функций в MetaEditor для управления позициями, например, добавьте код для обработки ошибок с помощью специальных структур данных MqlTradeRequest и MqlTradeResult. Эти библиотеки позволяют разработчикам оптимизировать и повторно использовать код, поддерживая модульную и эффективную архитектуру. Создание библиотек MQL5 способствует защищенности, легкости обновления и долгосрочной эффективности проектов, экономя время и усилия программистов, и упрощает управление позициями без переписывания одинаковых функций.

Читать далее...

Многомерное прогнозирование временных рядов имеет ключевое значение в различных отраслях, таких как финансы и здравоохранение. Для долгосрочного прогнозирования необходимо использовать модели, которые могут эффективно улавливать корреляции и зависимости во временных рядах. Современные исследования сосредоточены на применении архитектуры Transformer, известной своей способностью обрабатывать сложные взаимодействия. Однако часто она уступает линейным моделям, что вызывает вопросы о её эффективности.

Примечательный подход предлагает LSEAttention, который решает проблему коллапса внимания в Transformer. В реализации SoftMax они используют трюк Log-Sum-Exp, чтобы стабилизировать числовые вычисления и предотвратить ошибки, вызванные переполнением или занижением значений. Использование активации GELU в сравнении с традиционным ReLU обеспечивает более стабильные результаты благодаря плавной ...

Читать далее...

Советник Os_Pro 8 V.1 получил обновление, коснувшееся ключевых аспектов работы. Главное изменение заключается в изменении метода прибылей: теперь они считаются по каждой валютной паре отдельно. Это может повысить точность и эффективность расчетов. Программа не требует индикаторов и базируется на стратегии построения ценового коридора. Когда цена достигает границ коридора, открывается ордер на пробой в соответствующую сторону. Стратегия использует принцип Мартингейла: если цена разворачивается, лот нового ордера увеличивается. Важно соблюдать правила: начинать с минимального лота, выбирать явный тренд и активное время торговли. Если советник был перезагружен, при новом запуске ордера продолжатся с увеличенным лотом. Предусмотрены два режима работы: при достижении прибыли советник либо прекращает работу, либо создает новый коридор и продолжает торговлю. Оптимизация должна проводиться в ...

Читать далее...

В статье обсуждается разработка системы для анализа объёма торгов с применением архитектуры LSTM. Основной акцент делается на обработке данных и использовании признаков объёма в машинном обучении. Предложенный подход включает детектирование аномальных объёмов, их кластеризацию, и обучение модели через интеграцию Python и MetaTrader 5. Реализован комплексный тест и визуализация результатов, где особое внимание уделено обнаружению аномалий и их взаимосвязи с динамикой цен. В рамках LSTM архитектуры минимизирована сложность для предотвращения переобучения. Приведен алгоритм генерации торговых сигналов и управления рисками на реальных данных акций Сбербанка.

Читать далее...

В статье анализируется модифицированный алгоритм Atomic Orbital Search (AOS). Основное внимание уделяется переработке существующих методов для улучшения его эффективности и способности поиска в сложных пространствах решений. Предложена замена усредненного положения электронов на индивидуальные достижения, что снижает необходимость в случайных компонентах, уменьшая вычислительные затраты.

Модифицированный AOS (AOSm) демонстрирует на 55,63% улучшение по сравнению с оригиналом, значительно повышая точность сходимости к оптимальным решениям. Работа над данной версией предполагает анализ и интеграцию уникальных подходов для увеличения функциональности и эффективности алгоритма. Алгоритм занимает высокие позиции в рейтингах благодаря улучшенной стратегии поиска глобальных решений.

Читать далее...