Система работы с MetaTrader 5 на базе алгоритмической модели торговли предлагает новый подход к анализу рынка через интеграцию нелинейной динамики и элементов классического теханализа. Вместо стандартных индикаторов, используется уравнение с дифференциальными уравнениями и адаптивными коэффициентами, чтобы уловить живую динамику рынка. Оптимизация модели проведена с помощью алгоритма Нелдера-Мида, что обеспечило точность и стабильность результатов. Этот подход позволяет объяснять более 99,6% рыночных флуктуаций и поддерживать точность прогноза на высоком уровне, минимизируя необходимость перегружать модель.

Читать далее...

Циклические модели, такие как гармонический осциллятор, предлагают полезные инструменты для прогнозирования движения цен. Основная идея заключается в выявлении и использовании повторяющихся циклов, которые формируются под влиянием различных факторов. Применение конечных разностей и настройка коэффициентов позволяют адаптировать модели к специфическим требованиям.

Усложнение модели, например путем добавления затуханий или внешних сил, может улучшить точность и устойчивость стратегий. Нелинейные осцилляторы, такие как осцилляторы Ван дер Поля и Дуффинга, обеспечивают моделирование сложных, хаотических движений.

Циклические модели могут значительно расширить арсенал инструментов трейдера, проведя более эффективное тестирование и оптимизацию параметров.

Читать далее...

Обмен ордерами и сделками между советниками повышает гибкость в управлении торговыми стратегиями. Используйте файлы GRat_OrderExport.mqh и GRat_OrderImport.mqh для реализации обмена торговыми операциями между советниками в одном терминале или на одном компьютере. Для экспорта подключите GRat_OrderExport.mqh, задав параметры в области входных данных. Вызовите ExportOrder() там, где применяется OrderSend() или методы CTrade. Это обеспечивает передачу данных о сделках.

Для импорта подключите GRat_OrderImport.mqh с настройкой параметров Common, VolumeFactor и PriceFactor в зависимости от потребности в импорте из одного или нескольких терминалов. Вызовите ImportOrder() для получения необходимых сделок, сохраненных в массиве aReq. При необходимости скорректируйте параметры ордеров, обеспечивая точное взаимодействие с коррелирующими инструментами.

Эти процедуры облегчают взаимодействие меж...

Читать далее...

Прогнозирование временных рядов — это метод, позволяющий на основе прошлых данных предсказывать будущие показатели, например, на рынке Forex. В статье обсуждаются различные подходы, от классических моделей до современных методов машинного обучения, таких как LightGBM. Основное внимание уделяется подготовке признаков, важности стационарности и обучению регрессоров и классификаторов. Используя LightGBM, можно прогнозировать не только ценовые тренды, но и торговые сигналы, что значительно расширяет возможности MetaTrader 5. Этот подход вносит значительную пользу как для опытных трейдеров, так и для разработчиков, стремящихся к точным прогнозам.

Читать далее...

Market Profile — инновационный инструмент анализа, предлагающий глубокое понимание динамики рынка через сочетание цены, объема и времени. Разработанный на базе кривой нормального распределения, этот метод помогает трейдерам определить ключевые уровни спроса и предложения, а также выявить, кто контролирует рынок в текущий момент. Версия Market Profile для MetaTrader 5 строит объемные профили по сессиям, раскрывая зоны, где цена задерживалась дольше всего. Это создает наглядные ключевые уровни для принятия торговых решений. Это мощное дополнение к торговой системе, которое улучшает оценку рыночной ситуации и принятие решений.

Читать далее...

Разработан экспериментальный стрелочный индикатор, который основывается на алгоритмах Стохастика и применяет прозрачные стрелки для визуализации. Основная идея заключается не в показателях стохастики как таковых, а в использовании прозрачности стрелок, что позволяет лучше наблюдать пересечения линий. Индикатор отображает стрелки различного цвета и размера при пересечении главной и сигнальной линии, а также при соприкосновении главной линии с заданным уровнем. Настройка параметров доступна для периодов K, D, S, метода сглаживания и выбора цены, а также уровней L и их визуальной непрозрачности через параметры Opacity1 и Opacity2.

Читать далее...

MetaTrader 5 предлагает широкий спектр уведомлений для оповещения трейдеров о важных событиях. Возможности платформы включают внутризначимые, email и push-уведомления, а также интеграцию с мессенджерами Telegram и WhatsApp. Такая интеграция расширяет возможности трейдеров, позволяя безопасно и быстро получать уведомления о торгах. Настроить MetaTrader 5 можно через Telegram-ботов или API-интерфейсы. Использование VPS-серверов обеспечивает стабильную работу, убирая риск перебоев соединения. Это позволяет следить за сигналами в реальном времени, что важно как для трейдеров, так и для разработчиков алгоритмов.

Читать далее...

Советники часто используются для автоматизации торговых стратегий на финансовых рынках. Один из примеров - советник, который закрывает все ордера, включая сделки и отложенные ордера, в определенное время каждый день. Это позволяет трейдерам минимизировать риски, связанные с ночными колебаниями или выходом важных новостей. Такой подход к управлению капиталом дает возможность оптимизировать торговые алгоритмы и придерживаться строго установленного плана. Для их корректной работы важно учитывать часовые пояса и изменение времени на летний и зимний периоды. Советники требуют тестирования перед запуском на реальный счет для оценки эффективности и надежности.

Читать далее...

В современном мире разработка методов оптимизации играет важную роль в решении задач в различных областях, включая машинное обучение и искусственный интеллект. Метаэвристические эволюционные алгоритмы, такие как Across Neighborhood Search (ANS), разработанный Guohua Wu в 2014 году, предлагают эффективные решения. ANS использует многоагентную модель, где каждый агент взаимодействует с соседями для исследования пространства решений, сочетая локальную и глобальную оптимизацию.

Алгоритм ANS отличается поиском в окрестностях с применением нормального распределения. В процессе используются коллекции лучших решений для направления алгоритма. Поддержание и постоянное обновление коллекций обеспечивает баланс между интенсификацией и диверсификацией поиска, хотя возможны проблемы с вырождением популяции в долгосрочной перспективе.

Тесты ANS на различных функциях показали высокую производительн...

Читать далее...

Разработан советник для тестирования гипотезы, что пробой экстремума предыдущего дня ценой стимулирует её дальнейшее движение в том же направлении. Начало каждого торгового дня сопровождается установкой отложенных ордеров на расстоянии Indent от high или low прошлого дня. Ордеры автоматически закрываются в конце сессии, если никакой из них не активировался. В случае активации одного из ордеров открывается соответствующая позиция: длинная или короткая, а второй ордер остается активен до конца текущей сессии. Если открытая позиция не закроется до конца дня и второй ордер не будет активирован, ордер удаляется, но на новый день отложенные ордера не ставятся. Это продолжается при наличии открытой позиции. Управление советником осуществляется через минимальные настройки входных параметров.

Читать далее...

В четвертой части серии об основах MQL5 мы рассматриваем структуры, классы, а также функции времени. Структуры, как составные типы данных, упрощают управление связанными элементами — полезно для представления финансовых инструментов. Для начинающих трейдеров и девелоперов каждая структура — это контейнер, объединяющий разные типы данных. Классы, как шаблоны, позволяют создавать объекты с уникальными свойствами и поведением, необходимыми для алгоритмов торговли. Функции времени помогают синхронизировать стратегии с рынком. Мы объясняем datetime — тип данных для работы с временем, важный для точных торговых решений.

Читать далее...

Индикатор "Roofing Filter", разработанный Джоном Элерсом, освещён в книге "Cycle Analytics for Traders" на страницах 80-82. Используется для определения краткосрочных трендов. Если линия индикатора пересекает сигнальную линию синего цвета снизу вверх, это сигнализирует о краткосрочном восходящем тренде. Пересечение сверху вниз указывает на краткосрочный нисходящий тренд. Для открытия покупки следует учитывать, когда линия индикатора становится зелёной, а для продажи — когда она приобретает красный цвет. Этот индикатор может быть полезным инструментом для трейдеров в краткосрочной торговле.

Читать далее...

Изучение применения нейронных сетей в торговых стратегиях открыло новые горизонты использования LSTM для прогнозирования временных рядов. Этот подход позволяет эффективно решать задачи, связанные с долгосрочными зависимостями, используя комплексную архитектуру с входными, забывательными и выходными воротами. Применение LSTM в платформе MetaTrader 5 поможет разработчикам и трейдерам не только предсказывать ценовые движения, но и создавать адаптивные торговые системы. Нормализация и токенизация данных обеспечивают точность моделирования и интеграцию с платформой MQL5. Этот инновационный подход устанавливает новый стандарт в алгоритмическом трейдинге и машинном обучении.

Читать далее...

Представлен инновационный мультиагентный фреймворк MASA для динамического управления рисками портфеля, сочетая обучение с подкреплением и альтернативные алгоритмы. Два агента взаимодействуют: первый оптимизирует доходность с алгоритмом TD3, второй минимизирует риски с помощью эволюционных методов. Интегрирован наблюдатель рынка, использующий нейронные сети для анализа трендов. Это обеспечивает обучающуюся и адаптивную систему, превосходящую традиционные подходы RL в турбулентных условиях рынка. Разработанная в среде MQL5, MASA обеспечивает баланс доходности и риска, применима для CSI 300, DJIA и S&P 500.

Читать далее...

Трейлинг стоп лосс позволяет автоматизировать управление рисками для вручную открытых позиций. Важно, чтобы у каждой открытой позиции был установлен начальный стоп лосс. Для корректной работы система должна находиться в рабочем состоянии; в спящем режиме компьютера советник не функционирует. Необходимо постоянное стабильное интернет-соединение.

Параметр Tral_Start устанавливает расстояние от текущей цены, начиная с которого позиция становится убыточной. Если после активации советника профит позиции положительный, стоп лосс перемещается на заданное расстояние. Tral_Step регулирует шаг перемещения стоп лосса, продолжая следовать за ценой в случае положительного движения. Советник адаптирует стоп лосс только у тех позиций, которые находятся в прибыли.

Читать далее...

Временные ряды играют критическую роль в аналитике и финансовых прогнозах. Использование глубокого обучения улучшает результаты моделирования за счет учёта нелинейных взаимосвязей и долгосрочных зависимостей. Однако остаются проблемы с интеграцией краткосрочных и долгосрочных характеристик. Решение представлено в модели MSFformer, основанной на пирамидальном внимании и механизме Skip-PAM для извлечения многоуровневых признаков. Метод включает Coarser-Scale Construction Module (CSCM) и специализированные сверточные блоки. Эксперименты демонстрируют эффективность и точность прогноза сложных данных. Реализация возможна средствами MQL5 через создание классов и алгоритмическое вычисление на основе OpenCL.

Читать далее...

Представляется индикатор, который определяет ближайшие ценовые уровни в заданном диапазоне. Пользователь может настроить измерение диапазона в пунктах или процентах.

Алгоритм работы индикатора:

1. Задание пользователем необходимого ценового диапазона в настройках.
2. Сканирование графика индикатором.
3. При достижении указанных границ разности между Максимумом и Минимумом цены в рамках наблюдаемого интервала выполнение прекращается.

В итоге на графике появляются уровни, соответствующие установленному диапазону цен. Инструмент может быть полезен для технического анализа и принятия решений в торговле.

Читать далее...

Преобразование двумерных графиков в трехмерное представление рынка предоставляет более глубокую информацию о движении цен, объемах и времени. Трехмерные бары визуализируют рыночную микроструктуру, показывая распределение объема, скорость накопления позиций и дисбалансы. Такой анализ предупреждает о сильных движениях задолго до их проявления на обычных графиках. Это важен шаг в преодолении задержек сигналов технического анализа.

Создание трехмерных баров в Python и MetaTrader 5 требует учета внутренней структуры рыночных данных. Формулы для расчетов включают тригонометрические преобразования и стандартные отклонения для волатильности. Реализация таких баров требует тщательной обработки объемных данных в реальном времени, что открывает новые горизонты для анализа и предсказания рыночных трендов.

Анализ исторических данных выявляет интересные паттерны, такие как желтые кластеры, указыв...

Читать далее...

Статья раскрывает использование сверточных нейронных сетей (CNN) в MetaTrader 5 для анализа финансовых данных. Описаны ключевые этапы CNN: заполнение, свертка, активация, субдискретизация и обратное распространение. Приведены практические примеры на MQL5, включая реализацию алгоритмической модели для сигналов в торговле. CNN, обычно применяемые для обработки изображений, адаптированы для анализа ценовых индикаторов, что позволяет трейдерам улучшать качество прогнозирования рыночных трендов. Статья демонстрирует создание пользовательского класса CNN в MQL5 для интеграции в торговые стратегии, позволяя эффективно классифицировать и анализировать многомерные данные.

Читать далее...

В мире машинного обучения алгоритм ADAM стал важным методом оптимизации весов нейронных сетей благодаря своей адаптивности. Первоначально представленный в 2014 году, ADAM сочетает в себе элементы AdaGrad и RMSProp, предлагая вычислительную эффективность и простоту реализации. В нашей новой работе мы расширили возможности этого алгоритма, трансформировав его в популяционный метод оптимизации. Усовершенствованная версия позволяет вычислять численные градиенты, сохраняя при этом преимущества оригинального алгоритма. В результате тестирования обновленный ADAM показал улучшенные результаты на ряде тестовых функций, что расширяет его применение в более сложных задачах с большими объемами данных.

Читать далее...