Функционал автоматического экспорта истории сделок после тестирования эксперта в стратегиях тестера представляет собой важное дополнение. История операций становится доступной в формате файла, который сохраняется в общей директории Common/Files или же в директории терминала MQL5/Files. Имя файла можно задать вручную или оставить генерацию автоматической. Генерированный файл предназначен для применения на других торговых серверах посредством советника Simple History Receiver, поддерживающего идентичную последовательность сделок.

Для базового использования: создавайте объект в глобальной области и вызывайте метод Export() в OnTester(). Для расширенного использования: добавляйте параметры имен и значений в функцию OnInit(), затем также вызывайте Export() в OnTester(). Настройка Export() может варьироваться в зависимости от конкретных задач.

Читать далее...

В статье рассматривается инновационный Fractal-based Algorithm (FBA) для оптимизации, вдохновленный фрактальной геометрией. Он использует концепцию самоподобия для адаптивного исследования пространства поиска, комбинируя глобальный и локальный поиск. Основное отличие FBA — итеративное разбиение пространства поиска на подпространства, выделяя перспективные зоны для углубленного анализа. Реализованная структура алгоритма позволяет улучшить точность и эффективность поиска оптимальных решений в многомерных задачах. Благодаря фрактальной модели, балансируется изучение пространства и разработка решений, предоставляя программистам полезный инструмент для сложных оптимизационных задач.

Читать далее...

Библиотека `hmmlearn` предлагает функционал для работы со скрытыми марковскими моделями (СММ) на Python, упрощая интеграцию с `scikit-learn`. Используется для анализа последовательностей, где присутствуют скрытые состояния, влияющие на наблюдаемые события. СММ часто применяются в распознавании речи, биоинформатике и анализе временных рядов. Основное достоинство СММ — способность моделировать сложные временные зависимости и скрытые процессы.

`hmmlearn` поддерживает модели с различными эмиссионными распределениями, включая `hmm.GaussianHMM` для непрерывных данных и `hmm.GMMHMM` для их смеси. Инициализация и оптимизация осуществляются с помощью алгоритма EM. Параметр `covariance_type` влияет на сложность и применимость модели к данным. Правильная настройка параметров и выбор типа ковариации определяют эффективность анализа временных рядов. Для многомерных финансовых данных рекомендуется...

Читать далее...

Фреймворк ACEFormer представляет собой модель для прогнозирования временных рядов, адаптированной к финансовым рынкам. Центральный элемент — алгоритм ACEEMD, устраняющий шумы и сохраняющий важные рыночные точки. Структура ACEFormer объединяет локализованное и глобальное внимание, улучшая точность прогнозов в условиях высокой волатильности. Ключевой модуль CNeuronMHProbAttention реализует вероятностное внимание, гарантируя структурную целостность и вычислительную эффективность модели. Организация прямого и обратного проходов базируется на распределении значимости запросов и адаптации архитектуры для устойчивости и быстрой сходимости. Модульная архитектура способствует гибкости и переиспользуемости.

Читать далее...

Разработка индикатора на базе CCIDualOnMA включает использование двух индикаторов CCI (Commodity Channel Index), которые сглаживаются с помощью скользящей средней (МА). Пересечение этих линий генерирует торговые сигналы. Сигнал 'CCIDualOnMA Up' появляется, когда обе линии находятся ниже нулевой отметки, и быстрый CCI пересекает медленный CCI снизу вверх. В противоположной ситуации, когда обе линии выше нуля и быстрый CCI пересекает медленный сверху вниз, формируется сигнал 'CCIDualOnMA Dn'. Визуализация индикатора облегчает интерпретацию сигналов и может быть полезна для принятия решений в торговле.

Читать далее...

Создание эффективных графических компонентов в MQL5 требует понимания парадигмы MVC. Это позволяет четко разделить логику приложения на модель, представление и контроллер, упрощая разработку и поддержание кода. Мы сосредоточили внимание на создании базовых классов для визуализации данных, включая управление цветами и прямоугольными областями, что является основой для остальных компонентов. Эти вспомогательные классы упрощают реализацию сложных элементов управления, таких как таблицы, что обеспечивает гибкость и расширяемость интерфейсов. Модель набора инструментов MQL5 требует внимательного подхода к управлению графическими элементами.

Сосредоточение внимания на вспомогательных классах и базовом классе рисования на холсте даёт возможность создавать универсальные и легко управляемые графические элементы. Такие классы позволяют контролировать внешний вид элементов, их размерность и пов...

Читать далее...

Объединение глубокого обучения с техническим анализом в алгоритмической торговле приводит к разработке инструмента Volatility Adjusted Momentum (VAM), чуткого к рыночной динамике. Он учитывает волатильность при оценке импульса, предоставляя более надежные сигналы. Комбинация модели LSTM и VAM реализуется в MetaTrader 5, позволяя трейдерам принимать обоснованные решения. LSTM анализирует сложные рыночные зависимости, улучшая точность прогнозов. Совместная работа этих технологий приводит к адаптивным торговым стратегиям, усиливающим управление рисками. Это исследование демонстрирует, как передовые методы машинного обучения дополняют традиционный анализ, повышая эффективность автоматической торговли.

Читать далее...

Советник функционирует на основе индикатора iCCI (Commodity Channel Index) и использует заданный таймфрейм для анализа сигналов. Поиск сигналов осуществляется на каждом тике, однако допускается только одна сделка на один бар. Закрытие сделок осуществляется противоположным сигналом, без использования тейк-профита, стоп-лосса или трейлинга.

Советник поддерживает два вида сигналов — вход в зону и выход из зоны. Для генерации сигнала используются значения индикатора на трёх барах: два перед пересечением и один после пересечения уровня.

Особенности советника включают возможность оптимизации по рабочему таймфрейму и постоянный стартовый лот. Внутренние параметры не выносятся в пользовательские настройки. Также доступно расширенное логирование всех операций через параметр "Print log".

Читать далее...

Исследование использования цепей Маркова и RSI для алгоритмического трейдинга показало, что финансовый рынок может иметь уникальные интерпретации индикатора RSI. Было собрано 300,000 строк данных M1, чтобы построить обучающую и тестовую выборки для анализа рыночных тенденций. Результаты подтвердили, что оптимальные зоны для торговли зависят от рынка, на котором производится анализ. Основной акцент сделан на создание адаптивных моделей, способных к самообучению и настройке на выбранный рынок. Результаты эксперимента показали, что простая марковская модель имеет точность 52%. Стратегия подтверждает важность учета уникальных характеристик каждого финансового инструмента.

Читать далее...

Количественный анализ трендов на Форекс преобразует хаотичные движения рынка в точные статистические данные, предоставляя трейдерам объективные преимущества. Основной алгоритм на Python и MetaTrader 5 анализирует тренды с помощью библиотеки pandas, избирая необходимые таймфреймы. Алгоритм идентификации находит локальные максимумы и минимумы, определяя тренды по их характеристикам. Метод скользящего окна обеспечивает эффективную обработку данных, настраивая чувствительность. Статистическая обработка с визуализациями трендов помогает устанавливать обоснованные торговые цели. Количественный анализ позволяет трейдерам разрабатывать адаптивные, статистически обоснованные торговые стратегии и оптимизировать параметры индикаторов.

Читать далее...

Введение методов управления темами в классы MQL5 позволяет улучшить пользовательский интерфейс в MetaTrader 5. Основное внимание уделяется динамическому обновлению темы в CDialog, CEdit и CButton, что упрощает создание гибких интерфейсов.

CDialog отвечает за диалоговые окна и панели, поддерживает действие пользователя и переключение между темными и светлыми темами. CButton и CEdit, обладая методами управления цветом, помогают в изменении внешнего вида компонентов интерфейса.

Алгоритмы управления темами настраивают панель администратора, создавая возможности для выбора цветовых схем. Это улучшает визуальное представление и функциональность.

Внедрение этих изменений требует внимательного тестирования и понимания, чтобы избежать негативного влияния на производительность системы.

Читать далее...

Индикатор CCIDualOnMA объединяет два индекса товарного канала (CCI) в одном окне, различающихся по скорости — быстрый и медленный. Сглаживание этих индикаторов CCI реализуется с применением скользящей средней MA. Быстрый CCI реагирует на изменения цены быстрее и отображает краткосрочные тренды, в то время как медленный CCI позволяет выявлять более долгосрочные тенденции. Сглаживание посредством MA повышает стабильность и точность сигнала, фильтруя рыночные шумы. Этот подход обеспечивает более целостное восприятие рыночной динамики за счет совмещения скорости реакции и устойчивости анализа.

Читать далее...

В недавней статье обсуждается реализация системы ордеров в MetaTrader 5. Основной акцент сделан на классе C_Manager и его ключевой методе DispatchMessage, который обрабатывает события, генерируемые платформой. Функция тщательно управляет событиями, такими как CHARTEVENT_KEYDOWN и CHARTEVENT_MOUSE_MOVE, чтобы оптимизировать обработку клавиш и движений мыши. Эта структура кода не только облегчает повторное использование и переносимость между проектами, но и минимизирует ошибки, улучшая отладку. Важно отметить, что использование рекурсии в коде требует осторожности, чтобы избежать бесконечных циклов, однако правильно спланированное, оно значительно упрощает сложные задачи алгоритмического программирования.

Читать далее...

Индикатор Gator Arrow обеспечивает визуализацию на основном графике посредством значков, обозначающих четыре ключевых сигнала. Когда индикатор находится в состоянии покоя, отображается сигнал "Dream". При переходе к активному состоянию появляется сигнал "Food". Время закрытия позиций BUY отмечено значком "StopBuy", а для позиций SELL – значком "StopSell".

Дополнительно возможно ручное добавление индикаторов Alligator и Gator для более детального анализа. Такой подход позволяет трейдерам более эффективно принимать решения, получая оперативную информацию о состоянии рынка. Интеграция этих сигналов предоставляет ясность и структурированный подход к управлению позициями.

Читать далее...

Архитектура Transformer показывает высокую эффективность в обработке временных рядов благодаря механизмам Self-Attention. Недавно предложенные алгоритмы, такие как U-shaped Transformer, улучшили производительность, преодолевая ограничения ванильного подхода. Этот метод включает в себя комплексное обучение, разбитое на два этапа: первичное обучение на большом объёме данных и последующая настройка для конкретных задач.

U-shaped Transformer использует сверточные и транслирующиеся слои для обработки патчей и передачи данных между энкодером и декодером. Метод оптимизации включает работу с патчами разного масштаба, что улучшает слияние высокочастотных и низкочастотных признаков. Эффективность модели повышается благодаря взвешенной случайной выборке и нормализации мини-партии.

Метод внедрения позиционного кодирования в MQL5 позволяет учитывать положения элементов в последовательности. Для...

Читать далее...

С 1 июля 2025 года минимальными версиями торговых платформ станут:

• MetaTrader 4 — билд 1440, выпущенный 21 февраля 2025 года
• MetaTrader 5 — билд 4755, выпущенный 13 декабря 2024 года

После указанной даты более старые версии десктопных терминалов не смогут подключаться к серверам брокеров.

За последние несколько месяцев для MetaTrader 5 было выпущено три обновления:

• Build 4620 — расширение поддержки OpenBLAS и исправление запросов тиковой истории.
• Build 4730 — расширение поддержки OpenBLAS и общая оптимизация работы десктопной и веб-версии.
• Build 4755 — исправление ошибки в тестере стратегий и общие улучшения.

В каждой версии MetaTrader 4 мы повышаем производительность платформы и исправляем ошибки.

Скачивайте последнюю версию платформы и пользуйтесь новыми функциями

Разработана новая версия индикатора с расширенными параметрами, добавляющими возможность настройки ширины и высоты графика, а также новыми методами задания символов. В случае, если параметры ширины и/или высоты заданы как значения, меньшие или равные нулю, система автоматически рассчитает оптимальные параметры отображения. Если пользователем указано имя несуществующего символа, индикатор будет использовать символ, соответствующий текущему контексту. Эта модификация позволяет более гибко управлять отображением пользовательского индикатора в объекте OBJ_CHART на последних N свечах, что демонстрируется в обновленном примере.

Читать далее...

В MQL5 работа с массивами значительно упрощена, сравнивая с другими языками программирования, такими как C и C++, где требуется использование указателей. Важным аспектом является передача массивов по ссылке, что делает код безопаснее и удобнее для программиста. Это упрощает модификацию массива внутри функций или процедур, снижая риск ошибок. Для безопасной работы с массивами, необходимо понимать принцип передачи по ссылке и избегать нежелательных изменений в данных. Практическое освоение этих концепций позволяет уверенно создавать более сложные алгоритмические решения в MQL5.

Читать далее...

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...