В статье рассматривается интеграция сверточных (CNN) и рекуррентных нейронных сетей (RNN) для прогнозирования фондового рынка. CNN используется для извлечения признаков из данных, в то время как RNN, включая LSTM и GRU, обрабатывает временные зависимости. Созданные модели способны формировать торговые стратегии в MetaTrader 5. Хотя такие модели предъявляют высокие требования к вычислительным ресурсам, их применение может выявить скрытые паттерны, что особенно важно для точных рыночных прогнозов. Однако необходимо учитывать риск переобучения и тщательно балансировать сложность модели с задачами и ресурсами.

Читать далее...

В последние годы разработано множество оптимизационных алгоритмов, вдохновленных природой. Алгоритм оптимизации Camel Algorithm (CA), основанный на стратегии выживания верблюдов, появился в 2016-м. Его создатели, Mohammed Khalid Ibrahim и Ramzy Salim Ali, изучили особенности поведения животных в пустыне. Параметры алгоритма такие как температура, запасы воды и выносливость, отражают реальные условия. CA использует такие стратегии, как случайное блуждание и "эффект оазиса". В алгоритме реализации каждая верблюжья "группа" работает над поиском наилучшего решения в пространстве. При обнаружении оазисов запасы и выносливость восстанавливаются для дальнейшего поиска.

Читать далее...

Представляем индикатор, который помогает определить уровни для размещения отложенных ордеров 'Buy stop' и 'Sell stop'. При возникновении сигнала индикатор способен оповещать различными способами: проигрывать звук, генерировать алерт, а также отправлять уведомления на email и push-сообщения на мобильные устройства. Чтобы снизить вероятность ложных пробоев, рекомендуется размещать отложенные ордера с учётом значительного сдвига от указанной цены. Это позволяет более точно входить на рынок и минимизировать ненужные потери, обеспечивая более эффективное управление торговыми позициями.

Читать далее...

В данной статье рассматриваются методы тонкой настройки модели GPT-2 и реализация настройки LoRA с использованием библиотеки peft. Обсуждается сравнительный анализ моделей, обученных разными методами, в зависимости от различных рыночных условий. Это помогает в выявлении наиболее эффективной модели для применения в торговых системах, особенно при учёте различных валютных пар и условий рынка.

Приведена информация о настройках рабочего окружения: Ubuntu 22.04.5 LTS, Python 3.10.14, и необходимых библиотеках, таких как torch, numpy, и другие. Настройка среды позволяет избежать ошибок, связанных с отсутствующими зависимостями.

Далее рассматривается класс LoraConfig и его параметры, такие как измерение внимания (ранг), параметры адаптеров, инициализация весов и другие. Подробно описан процесс использования функций get_peft_model() и класса PeftModel для адаптации и проверки модели GPT-2.
...

Читать далее...

Разработка утилиты позволяет работу по выбранному символу без учета Magic. При трейлинге стратегический элемент подставляет Magic в операцию выбранной позиции. Настройки трейлинга могут быть выполнены для каждой секунды ('bar #0 (at every tick)') или лишь при начале нового бара ('bar #1 (on a new bar)'), где новый бар определяется в рамках заданного таймфрейма 'Working timeframe'.

Функционал предусматривает два режима: 'Allowed only BUY positions', где идентифицируются самая высокая и самая низкая BUY позиции, и 'Allowed only SELL positions', где аналогично находятся SELL позиции. Для двух выбранных позиций вычисляется неттинговая цена, и по отношению к ней производится трейлинг стоп-лосса. В случае, если в заданном направлении только одна позиция, стоп-лосс сбрасывается.

Читать далее...

Отладка в MQL5 — это обязательный этап создания алгоритмических торговых систем, который позволяет выявлять и устранять ошибки в коде. Статья рассматривает техники отладки, такие как использование MetaEditor для подсветки синтаксиса и индикации ошибок, установка точек останова, пошаговое выполнение кода, а также применение функции Print() для воспроизведения логов. Отладка помогает улучшить понимание торговых алгоритмов и оптимизирует их эффективность. Ознакомление с документацией MQL5, регулярное тестирование и адаптация к ошибкам через опыт сообщества и справочники — ключ к успешной разработке в MQL5.

Читать далее...

Фреймворк Mamba4Cast предлагает инновационный подход к прогнозированию временных рядов в трейдинге. Особенность заключается в быстрой готовности моделей к работе благодаря Zero-Shot Forecasting, что исключает длительную настройку. Линейная сложность SSM-модулей обеспечивает мгновенную обработку данных, минимизируя задержки. Система предварительной обработки данных нормализует и контекстуализирует входные данные, улучшая эффективность прогноза. Универсальный эмбеддинг учитывает как текущие значения, так и временной контекст, обеспечивая устойчивость модели. Mamba4Cast оптимизирует ресурсы и работает без мощных кластеров, делая её доступной для трейдеров с ограниченной инфраструктурой.

Читать далее...

Изучая волатильность Forex, статья рассматривает алгоритмическую торговлю через статистические модели и технический анализ. Описываются стратегии, от случайных к более сложным, такие как линейные тренды и случайное блуждание. Внимание уделено управлению рисками и адаптации стратегий, подчеркивая важность выбора подходящей модели в зависимости от рыночных условий. Рассмотрение алгоритмов, таких как метод разборчивой невесты для оптимизации, иллюстрирует, как точные подходы могут улучшить прогнозирование. Использование эмпирического распределения и фигурных чисел демонстрирует инновационные методы анализа. Подобные подходы обеспечивают трейдерам возможность принимать более обоснованные решения.

Читать далее...

Создание интерактивной панели управления в MQL5 может значительно упростить торговый процесс. Панель будет состоять из ключевых элементов, таких как кнопки Trade, Close и Information, каждая из которых выполняет определенные функции.

Панель управления MQL5 будет базироваться на ясной структуре, обеспечивающей удобный доступ к важной информации и возможностям торговли. Подробное описание каждого элемента и их сборка помогут интегрировать их в MetaTrader 5.

Важно использовать последние версии MQL5 и MetaTrader 5 для совместимости. В статье рассматриваются установка необходимых библиотек, создание и настройка кнопок интерфейса и их функциональность.

Читать далее...

В подокно выводятся два индикатора MA Color N Bars, где каждый отображается в виде прямых цветных линий. Главное отличие этих индикаторов заключается в параметре '... trend N Bars'. Именно этот параметр позволяет одному из индикаторов более точно отражать области флета на графике. Индикатор с высоким значением '... trend N Bars' предоставляет повышенную точность в данных зонах. Такая конфигурация способствует улучшенному анализу трендовых и флетовых участков рынка, предлагая наглядное представление изменения направления движения с учетом большого периода тренда.

Читать далее...

API, или приложение программного интерфейса, является важным компонентом программного обеспечения, позволяющим системам взаимодействовать и обмениваться данными. RestAPI, возникший в 2000-х благодаря Рою Филдингу, внес значительные изменения в коммуникацию между системами за счет использования простых и эффективных архитектурных принципов. RestAPI предоставляет разработчикам универсальный, легкий инструмент взаимодействия, предлагающий простоту и интегрируемость по сравнению с более сложными протоколами, такими как SOAP. Использование RestAPI обеспечивает гибкость и масшабируемость, делая его предпочтительным выбором в современных веб-приложениях.

Читать далее...

Создан скрипт для отображения детальной информации о брокере, счете и характеристиках торгового инструмента. Скрипт основан на примерах из MQL4, включая разделы о среде и инструментальной информации. Также учтены идеи из скрипта «Информация о рынке» от Сергея Механика. Этот скрипт выводит данные, такие как имя брокера, тип счета, размер кредитного плеча, а также полную спецификацию торговых инструментов. Полезен для проверки актуальности данных о символах в торговой платформе. Сравнение скрипта с настройками из «Спецификации контракта» подчеркивает его точность и детализацию, что важно для уверенного принятия торговых решений.

Читать далее...

Алгоритм Brain Storm Optimization (BSO) показал свою значимость в мире оптимизации, особенно в контексте кластеризации данных. Использование фаз генерации и оценки идей позволяет находить оптимальные решения, обходя препятствия в пространстве поиска. Реализация BSO агентов показала эффективность в различных тестах, включая функции с множеством параметров.

Несмотря на успехи, тесты выявили, что BSO требует тщательной настройки параметров для улучшения эффективности. Если методы K-Means и K-Means++ были недостаточно результативны, стоит рассмотреть другие подходы к кластеризации для более глубокого анализа. На данный момент система продемонстрировала достойные результаты, но требует дальнейших улучшений и экспериментов.

Читать далее...

Библиотека предоставляет возможности для расшифровки GZIP архивов из *.gz файлов или сайтов, использующих этот формат. Она подтверждает свою работоспособность на файлах объемом до 0.5 ГБ. Функциональность включает автоматическую проверку формата архива по флагу в 4-м байте, позволяя определить, является ли это сжатым файлом или данными с сайта. Входные данные должны передаваться в виде массива типа uchar, получаемого, например, через FileReadArray() или WebRequest(). Для распаковки используется CryptDecode(CRYPT_ARCH_ZIP, tmp, key, tx).

Класс GZIP упрощает процесс, проверяя три первых символа данных, чтобы определить их сжатие в формате GZIP. После этого доступны разные перегрузки метода unGZIP, оптимизированные по быстродействию и памяти. При распаковке результат помещается в массив uchar tx, который далее анализируется с помощью парсеров CSV или JSON. Избегайте избыточного использо...

Читать далее...

Исследование оптимальных таймфреймов для минимизации ошибок в торговых моделях MetaTrader 5 выявило значительное снижение ошибок на месячном и часовом таймфреймах. Для достижения этой задачи нами применены тесты значимости и динамическое выравнивание временных рядов, что позволило создать новую нейронную сеть с параметрической оптимизацией. Весь процесс позволил экспортировать модель в ONNX и интегрировать торговые алгоритмы на MQL5 с гибридным использованием ИИ и технического анализа. Полученные результаты дают основу для разработки более точных стратегий, адаптируемых под серьёзное изменение рыночных условий.

Читать далее...

MetaTrader 5 усиливает возможности трейдеров и разработчиков, внедряя машинное обучение и визуализацию данных для улучшенного анализа и принятия решений. Использование технических индикаторов, как полосы Боллинджера, скользящие средние и создание моделей на основе Deep Q-Network, позволяет автоматизировать торговлю и распознавать рыночные тренды и аномалии. Платформа обеспечивает интеграцию с Python для реализации стратегий на основе исторических данных XAUUSD, что способствует более обоснованным и эффективным торговым решениям и автоматическому исполнению сделок без эмоциональной предвзятости.

Читать далее...

В последние годы нейросети и глубокое обучение сделали значительные шаги в анализе финансовых рынков. Но есть возможность для более продвинутого уровня: использование марковских процессов в прогнозировании. Это подход соединяет элегантность математики с практическим машинным обучением. Финансовые рынки рассматриваются как системы переходов между дискретными состояниями, основанные на вероятностных моделях. Марковские цепи, в основе которых лежит работа Андрея Маркова, позволяют моделировать сложные процессы, опираясь на вероятностные правила. Исследование данных и прогнозирование с использованием матриц переходных вероятностей открывают новые горизонты в понимании рыночной динамики.

Читать далее...

Стратегия трейдинга, предполагающая открытие коротких позиций при достижении ценой high за последние n баров с целью достижения среднего значения за n баров, а также длинных позиций при достижении ценой low за n баров, оказалась вводящей в заблуждение при ее тестировании. Использование одноминутных OHLC-данных демонстрирует нестабильные результаты и требует обширной проверки. Подобные стратегии могут быть чувствительными к историческим данным и без должного тестирования могут привести к неправильным выводам. При разработке торговых алгоритмов важно учитывать как временные рамки, так и особенности симуляции, чтобы избежать ложных результатов.

Читать далее...

Для оптимизации работы торговых советников в тестере необходимо учитывать количество экземпляров и режим моделирования тиков. При большом числе экземпляров, таких как 16384, время выполнения одиночного прохода может вырасти, но остается в допустимых пределах. Чтобы сократить время, стоит использовать режим "OHLC на M1", если стратегия допускает такие упрощения. Это может значительно уменьшить затраты на тестирование.

Потребление памяти растет с увеличением числа экземпляров, но без резких скачков, за исключением отдельных случаев. При моделировании "Все тики на основе реальных тиков" ресурсы используются более интенсивно. Для улучшения производительности следует минимизировать вывод логов при тестировании и использовать функции, оптимизирующие расчеты на каждом баре.

Для эффективного тестирования можно внедрить функцию IsNewBar, которая будет отслеживать новый бар для заданных симво...

Читать далее...

Представлен индикатор "Горизонтальная сетка вверх" с настраиваемым шагом. Основной задачей этого инструмента является визуализация уровней, определяющих ключевые зоны ценового поведения. Регулируемый шаг позволяет адаптировать отображаемые сетки под конкретные потребности аналитика или стратегии. Этот индикатор упрощает процесс анализа графиков за счет наглядного представления линий, что способствует более легкому восприятию информации. Понимание уровней сопротивления и поддержки становится интуитивным и эффективным для дальнейшего принятия решений.

Читать далее...