Представлен индикатор, основанный на разнице двух баров Moving Average. В главное окно выводится основной Moving Average, а пересечения нуля отмечаются значками для более удобного наблюдения. Дополнительный индикатор "Difference of two bars MA" добавлен вручную в подокно для визуальной демонстрации. На иллюстрации продемонстрировано использование с горизонтальным смещением, установленным на уровне 30. Такой подход обеспечивает более структурированную визуализацию данных, помогая быстро идентифицировать ключевые моменты изменения тренда на графике.

Читать далее...

Анализ волновых колебаний позволяет разработать новые индикаторы для MetaTrader 5, такие как треугольные и пилообразные волны. Треугольные волны предлагают сглаживание цен, сохраняя структуру трендов, в то время как пилообразные волны лучше выявляют направленные движения, разделяя тренды на части. Создание сложных индикаторов с использованием данных волн помогает в точной идентификации рыночных циклов и трендов. Новые торговые стратегии, основанные на пересечении линий и осцилляторов, предлагают свежий взгляд на автоматизацию торговли, но требуют осторожного управления рисками и интеграции с другими методами анализа.

Читать далее...

Индикатор, способный отображать разницу показаний iMA (Moving Average, MA) между текущим и предыдущим барами, может быть полезным инструментом для анализа изменения цены. В отдельном подокне разница iMA предоставляет трейдерам визуальное представление о динамике тренда.

При использовании параметра 'MA: horizontal shift', например, со значением '20', индикатор смещает расчет MA на определенный период назад. Это позволяет видеть более сглаженное изменение и выявлять возможные развороты или продолжения тренда с опережением. Анализ таких данных может помочь в принятии обоснованных торговых решений, ориентированных на среднесрочные и долгосрочные стратегии. Постоянный мониторинг изменений iMA может способствовать улучшению точности прогнозов.

Читать далее...

Долгосрочное прогнозирование временных рядов является вызовом в сфере обработки данных. Методы на основе Transformer привлекают внимание, но из-за сложности их реализация ограничивается. Решение предложено в FEDformer, где повышена точность за счёт использования декомпозиции сезонных трендов и анализа Фурье. Эта модель снижает вычислительные затраты, используя частотные компоненты, включая высокочастотные, что помогает учесть важные события. FEDformer доказал свою эффективность в экспериментах, значительно улучшив точность прогнозирования. Подходы с использованием вейвлетов и базиса Фурье обеспечивают лучшее представление данных, адаптируя модель к различным типам временных рядов.

Читать далее...

Представлена утилита-советник, цель которой — управление количеством открытых позиций посредством закрытия самых старых. Механизм: осуществляется суммирование всех текущих позиций BUY и SELL, без учета Magic Number и символа. В случае, если количество позиций BUY превышает заданное значение ("Максимальное количество позиций 'BUY'"), инициируется процесс закрытия. Самые старые позиции BUY закрываются по одной, до приведения их числа в соответствие с установленными параметрами. Для позиций SELL применяется аналогичная схема работы, что позволяет эффективно управлять загрузкой торгового счета и минимизировать риски, связанные с накоплением лишних позиций.

Читать далее...

В статье объясняется подход к обучению Ограниченных машин Больцмана (RBM) с помощью трехслойного перцептрона в контексте MQL5. Традиционная RBM используется для выделения скрытых свойств данных через двухфазное семплирование: положительную и отрицательную фазы, но предлагается использовать трехслойную структуру, где входные данные одновременно служат целью. Это позволяет обучать модель через обратное распространение ошибки без учителя. Статья предлагает использовать класс ALGLIB для эффективного тестирования RBM, где цель обучения — получить весовые коэффициенты, которые точно отображают особенности входных данных в скрытом слое.

Читать далее...

Представлен список реализованных алгоритмов оптимизации для исследования и внедрения. Среди них: ANS (поиск по соседству), CLA (алгоритм блокировки кода), P_O_ES (еволюционные стратегии (P+O)), CTA (алгоритм хвоста кометы), SDSm (стохастический диффузионный поиск M), ESG (эволюция социальных групп), SIA (симулированное изотропное отжигание), ACS (искусственный кооперативный поиск), TSEA (эволюционный алгоритм черепашьего панциря), DE (дифференциальная эволюция), CRO (оптимизация химической реакции), BSA (алгоритм роения птиц), BSO (мозговой штурм оптимизации), WOAm (алгоритм благополучия китов M), AEFA (алгоритм искусственного электрического поля), ASBO (адаптивная оптимизация социального поведения), COAm (алгоритм кукушки M), Boids (алгоритм "рой"), GWO (оптимизация серого волка), BGA (двоичный генетический алгоритм).

Читать далее...

Разработан экспертный советник на MQL5, использующий искусственный интеллект для анализа FTSE 100 и гилтов. Новая стратегия сочетает в себе автоматизацию и теханализ для оптимального принятия инвестиционных решений. Линейная регрессия реализована с учётом нормализации и масштабирования данных для повышения точности прогноза. Решение позволяет исключить необходимость в настройке при смене таймфрейма. AI-подход обеспечивает самооптимизацию, минимизируя ресурсы пользователя и предлагая надёжное инвестирование. Эксперт предназначен для опытных трейдеров, стремящихся использовать алгоритмический анализ в своих стратегиях без погружения в сложные технические детали.

Читать далее...

В пятой части серии о интеграции MetaQuotes Language 5 с Telegram обсуждается улучшение взаимодействия между MetaTrader 5 и Telegram. В предыдущих частях была создана основа для коммуникации и отправки сообщений из MQL5 в Telegram.

Основная цель новой части – программирование советника для получения и обработки команд из Telegram в реальном времени. В статье подробно раскрывается процесс создания классов для извлечения данных из JSON, а также декодирование и интерпретация этих данных. Показаны основные шаги: от настройки среды до тестирования и интеграции готового решения.

Важно: статья ориентирована на разработчиков, работающих с MQL5, и требует глубоких знаний в программировании.

Читать далее...

Современные финансовые рынки полагаются на анализ временных рядов для выявления аномалий, таких как неожиданные скачки цен или резкие изменения ликвидности, которые могут быть признаками манипуляций. Выделяют точечные аномалии и аномалии подпоследовательностей. Эффективный анализ можно провести в частотной области, где различные аномалии проявляются в специфических диапазонах частот. Новый фреймворк CATCH использует преобразование Фурье для анализа данных в частотной области, обеспечивая точное моделирование поведения активов и выявление важнейших корреляций между различными рыночными инструментами. Комплексный подход CATCH помогает улучшить обобщающую способность модели и повысить точность обнаружения аномалий.

Читать далее...

Современные финансовые аналитики и торговые платформы предлагают новый уровень автоматизации и анализа с помощью расширенных индикаторов. Один из таких инструментов позволяет отслеживать формирование фракталов относительно линии Bollinger Bands. После выявления события пользователю предлагаются различные виды уведомлений: звуковой сигнал, предупреждение в окне, электронное письмо или push-уведомление. В сообщение включается время бара и тип фрактала: UP или DOWN. Пользователь может настроить частоту звуковых оповещений и их интервалы, а также включать или выключать отправку email и push-уведомлений. Этот индикатор повышает точность и оперативность принятия торговых решений, обеспечивая возможность гибкой настройки каждого параметра.

Читать далее...

Введение в стохастическое моделирование и оптимизацию управления подчеркивает важность решений в условиях неопределенности. Эти методы находят применение в различных секторах: финансах, инженерии, искусственном интеллекте. Стохастическое моделирование основывается на случайных переменных и стохастических процессах, позволяя описывать сложные системы. Методы, такие как Монте-Карло и цепи Маркова, используют для моделирования и прогнозирования поведения систем.

Оптимизация управления помогает в автоматизации и совершенствовании работы систем, от автопилотов до промышленных производств. Подходы, такие как линейно-квадратичные контроллеры и обучение с подкреплением, обеспечивают определение наилучших решений при ограниченной информации о будущем. Эти модели служат важными инструментами для обоснованных решений в сложных и динамичных средах.

Читать далее...

Своп-арбитраж на валютном рынке открывает новые горизонты для долгосрочной выгоды, предлагая до 10-15% годовых через различия в процентных ставках валютных пар. Эффективность этой стратегии обусловлена стабильностью своп-ставок и возможностью систематического накопления прибыли. Программный инструмент SwapArbitrageAnalyzer использует сложные математические модели для оптимизации портфеля, минимизируя риски благодаря анализу корреляций валют. Включение свопов в стандартные модели портфельной оптимизации создает мощное преимущество, обеспечивая высокий коэффициент Шарпа и доходность, что особо актуально в период рыночной нестабильности.

Читать далее...

В статье рассматривается использование машинного обучения для создания трендовых стратегий, отличающихся от стратегий возврата к среднему. В основе подхода лежит кластеризация данных для определения рыночных режимов. Основное внимание уделяется точной разметке сделок, где используется фильтр Савицкого-Голея для сглаживания краткосрочных колебаний. Представлены методы разметки, включая выбор различных фильтров и тестирование на валютной паре EURUSD. Обсуждаются сложности в обучении моделей, контроль рисков посредством коротких стоп-лоссов и необходимость новых инсайтов для трендовых стратегий. Обеспечивается экспорт моделей для использования в MetaTrader 5.

Читать далее...

При использовании индикатора важно учитывать корректные настройки в тестере стратегий. Режим "Каждый тик на основе реальных данных" обязателен для точной работы. Этот индикатор визуализирует значения спреда в подокне. Для настройки отображения на конкретный период воспользуйтесь параметрами 'Use Date From ... To', установив 'true', и задайте временные рамки в 'Date From' и 'Date To'. Учитывайте, что при большом интервале время загрузки тиковых данных увеличивается. Для удобства визуализации работы включите параметр 'Use Progress' на 'true', который позволяет следить за временем открытия бара в процессе работы индикатора. Имеется три буфера данных: максимальный спред, минимальный спред через CopyTicksRange и массив spread[] из Oncalculate.

Читать далее...

CATCH — это фреймворк для обнаружения аномалий в многомерных временных рядах, использующий частотный анализ. Преобразование Фурье переводит данные в спектральное представление, позволяя выявлять скрытые паттерны. Метод частотного патчинга анализирует спектр по фрагментам, учитывая как глобальные, так и локальные особенности. Адаптивный модуль с маскированным вниманием фокусируется на значимых корреляциях, улучшая устойчивость модели в изменчивой среде. Финальный этап — восстановление временного ряда с последующей обратной трансформацией для идентификации отклонений. Реализация начинается со слоя комплексных значений в MQL5, углубляясь в использование OpenCL для обработки внимания к комплексным величинам.

Читать далее...

Индикатор настроен для оповещения пользователей, когда показатель RSI превышает верхний предел 70 или опускается ниже нижнего уровня 30. Эти уровни могут быть адаптированы в параметрах, предоставляя пользователям возможность настроить поведение индикатора в зависимости от их торговых стратегий. Это особенно полезно для тех, кто полагается на ключевые сигналы перекупленности и перепроданности при принятии решений на рынке. Правильная настройка параметров может улучшить точность анализа и повысить эффективность торговли. Оптимизация уровня оповещения позволит трейдерам гибко реагировать на изменяющиеся условия рынка.

Читать далее...

Текст предоставляет детальное описание разработки и реализации алгоритма NOA2, который объединяет принципы алгоритма boids и адаптивного обучения на основе нейронных сетей. Основной особенностью является использование многослойной нейронной сети для каждого агента, что позволяет им адаптировать стратегии движения в поисковом пространстве в реальном времени.

Алгоритм сочетает в себе правила сближения, разделения и выравнивания из классического алгоритма boids с возможностями обучающихся агентов. Каждый агент сохраняет коллективное поведение и индивидуально адаптируется через нейронное управление, создавая баланс между исследованием и эксплуатацией. Архитектура включает в себя методы инициализации, передвижения и изучения, что улучшает производительность алгоритма в разнообразных средах оптимизации.

Читать далее...

В алгоритмической торговле критически важное значение имеет эффективная коммуникация между трейдерами и администраторами. В MQL5 реализованы функции быстрого обмена сообщениями для повышения оперативности. Разработана панель с кнопками управления, позволяющими сворачивать, развертывать и закрывать окно. Кроме того, добавлены кнопки быстрого обмена сообщениями, которые упрощают взаимодействие, уменьшая задержки при отправке стандартных сообщений. Эти улучшения повышают удобство и адаптивность интерфейса, позволяя трейдерам эффективно управлять своими операциями. Такие функциональные изменения делают интерфейс интуитивно понятным и снижают риск потери рыночных возможностей.

Читать далее...

На определённом таймфрейме проводится линия, берущая своё начало в 'Start Hour' и завершающаяся в 'End Hour'. Цена этой линии определяется на основе цены 'High' бара, соответствующего 'Start Hour'. Такой подход позволяет наглядно демонстрировать динамику цены в установленном временном интервале.

Существует ряд ограничений, которые необходимо учитывать. Таймфрейм графика не должен превышать заданный таймфрейм параметра 'Timeframe'. Кроме того, время графика не может быть больше 'D1'. В результате обеспечивается точное соответствие временным параметрам заданной стратегии, что повышает её эффективность в контексте анализа данных.

Читать далее...