Tu Lin Jiang / Profil

Die objektorientierte Programmierung ermöglicht die Erstellung eines kompakteren Codes, der leicht zu lesen und zu ändern ist. Hier sehen wir uns das Beispiel für drei ONNX-Modelle an.

Es ist nun schon mehr als ein Jahr her, dass MQL5 OpenCL unterstützt. Allerdings haben noch nicht sehr viele Benutzer den wahren Wert von paralleler Datenverarbeitung (Parallel Computing) bezüglich Expert Advisors, Indikatoren oder Skripten erkannt. Dieser Artikel soll Ihnen dabei helfen, OpenCL auf Ihrem Computer zu installieren als auch einzurichten, so dass Sie diese Technologie in Ihrem MetaTrader-5-Handelsterminal verwenden können.

Dieser Artikel befasst sich mit einer Methode zur automatischen Generierung von auf einem neuronalen Netzwerk basierenden EAs mithilfe des MQL5-Assistenten und Hlaiman EA Generator. Er zeigt Ihnen, wie Sie ganz einfach mit neuronalen Netzwerken arbeiten können - und zwar ohne großartige Hintergrundinformationen zu besitzen oder einen eigenen Code zu schreiben.

Dieser Artikel bietet eine programmtechnische Realisation eines Modells der Bewegungsfortsetzung. Die Hauptidee besteht darin, zwei Wellen zu definieren - die Haupt- und die Korrekturwelle. Für Extrempunkte verwende ich sowohl Fraktale als auch "potenzielle" Fraktale - Extrempunkte, die sich noch nicht als Fraktale gebildet haben.

Im Artikel werden die Hauptprinzipien betrachtet, die in den Evolutionsalgorithmen versetzt sind, auch ihre Arten und die Besonderheiten. Auf dem Beispiel des einfachen Experten mit Hilfe der Experimente wird es vorgeführt, was unserem Handelnsystem die Anwendung der Optimierung geben kann. Wir betrachten die Programm-Pakete, die genetische, evolutionäre und andere Arten der Optimierung realisieren und führen die Anwendungsbeispiele bei einer Optimierung eines Prädiktor-Satzes und bei einer Optimierung des Handelnsystems hin.

Heutzutage hat sicherlich jeder Trader schon einmal etwas von einem neuronalen Netzwerk gehört - und weiß, wie cool es ist, diese zu benutzen. Die Mehrheit scheint zu glauben, dass es sich bei all jenen, die mit neuronalen Netzwerken operieren, um irgendwelche Übermenschen handeln würde. Mithilfe des vorliegenden Artikels verbinde ich die Absicht, Ihnen die Architektur eines neuronalen Netzwerks samt seiner Applikationen und praktischen Nutzanwendungen näherzubringen.

Dieser Artikel ist eine Fortsetzung des vorherigen: "Umkehrmuster: Testen des Musters Doppelspitze/Doppelboden". Nun werden wir uns ein weiteres, bekanntes Umkehrmuster namens Kopf und Schulter ansehen, die Handelseffizienz der beiden Muster vergleichen und sie zu einem einzigen Handelssystem kombinieren.

In diesem Beitrag widmen wir uns einer neuen und vielversprechenden Richtung des maschinellen Lernens: dem tiefen Lernen oder, genauer gesagt, tiefen neuronalen Netzwerken. Wir sehen uns kurz noch einmal die zweite Generation der neuronalen Netzwerke, die Architektur ihrer Verknüpfungen und die wichtigsten Typen, Methoden und Regeln des Einlernens sowie ihre wichtigsten Unzulänglichkeiten an und gehen dann zur Geschichte der Entwicklung der dritten Generation der neuronalen Netzwerke, ihren wichtigsten Typen, Besonderheiten und Einlernmethoden über. Wir führen praktische Experimente zum Aufbau und zum Einlernen eines tiefen neuronalen Netzwerks durch, eingeleitet durch die Gewichte eines gestackten Autoencoders mit realen Daten. Alle Phasen von der Auswahl der Eingabedaten bis zur Ableitung von Messwerten werden detailliert besprochen. Der letzte Teil des Beitrags liefert eine Softwareumsetzung eines tiefen neuronalen Netzwerks in einem Expert Advisor mit eingebautem Indikator auf Basis von MQL4/R.

Es ist für viele Strategien essentiell zu erkennen, ob ein Markt 'flach' ist oder nicht. Mithilfe des bekannten ADX zeigen wir, wie wir den Strategie-Tester nicht nur für die Optimierung dieses Indikators für unseren speziellen Zweck verwenden können, wir können auch entscheiden, ob dieser Indikator unserem Ziel gerecht wird und wir können die durchschnittliche Spanne eines Seitwärts-Marktes und eines Trend-Marktes ermitteln, welches wichtig für die Abschätzung von Stopps und Kurszielen werden könnte.

Mit dem virtuellen Handel können Sie einen anpassungsfähigen Expert Advisor kreieren, der das Einsetzen von virtuellen Trades im realen Markt automatisch ein- und ausschalten wird. Kombinieren Sie mehrere Strategien in einem einzigen Expert Advisor! Ihr Multi-System Expert Advisor wird automatisch eine Handelsstrategie wählen, mit der Sie, basierend auf der Rentabilität der virtuellen Trades, am besten im realen Markt handeln können. Diese Herangehensweise ermöglicht eine Reduzierung der Inanspruchnahme und eine Erhöhung der Rentabilität Ihrer Arbeit auf dem Markt. Experimentieren Sie und teilen Sie Ihre Ergebnisse mit anderen! Ich denke, viele Leute werden sich dafür interessieren, Ihr Portfolio von Strategien kennenzulernen.

Dies ist der dritte Artikel aus der Serie "MQL4 Sprache für Einsteiger" Jetzt werden wir erfahren, wie wir eingebaute Funktionen und Funktionen zur Arbeit mit technischen Indikatoren verwenden. Letztere werden bei der zukünftigen Entwicklung Ihrer eigenen Expert Advisors in Indikatoren von wesentlicher Bedeutung sein. Darüber hinaus werden wir an einem einfachen Beispiel sehen, wie wir Handelssignale für den Einstieg in den Markt verfolgen können, um zu verstehen, wie Indikatoren richtig angewendet werden. Und am Ende des Artikels werden Sie etwas Neues und Interessantes über die Sprache selbst erfahren.

Der Artikel ist für Anfänger gedacht, die "vielschichtige" Kuchen backen möchten.

Dies ist der vierte Artikel aus der Reihe "Die MQL4-Programmiersprache für Neueinsteiger". Heute werden wir lernen, individuelle Indikatoren zu erstellen. Wir werden uns mit der Klassifizierung von Indikatorfunktionen vertraut machen und erfahren, wie diese Funktionen den Indikator beeinflussen. Wir werden neue Funktionen und Optimierungsmöglichkeiten kennenlernen und schließlich unsere eigenen Indikatoren programmieren. Darüber hinaus werden wir Ihnen zum Schluss des Artikels einige Tipps zum Programmierstil an die Hand geben. Falls dies der erste Artikel aus der Reihe „für Neueinsteiger“ sein sollte, welchen Sie lesen, dann wäre es möglicherweise besser für Sie, zunächst die vorhergehenden Artikel aus dieser Reihe zu lesen. Darüber hinaus sollten Sie zunächst sicherstellen, dass Sie die bereits behandelten Themen gut verstanden haben, weil dieser Artikel nämlich die Grundlagen der Programmierung nicht erneut behandelt.

Die Prognose der Finanzzeitreihen ist ein erforderliches Element jeder Investitionstätigkeit. Das Konzept der Investition selbst - Geld jetzt einzusetzen, um in der Zukunft Gewinne zu erzielen -basiert auf dem Konzept der Vorhersage der Zukunft. Deshalb unterliegt die Prognose von Finanzzeitreihen den Aktivitäten der gesamten Anlageindustrie - alle organisierten Börsen und andere Handelssysteme.

Der Indikator zeigt Trendlinien, welche die jüngsten Ereignisse am Markt anzeigen. Der Indikator wurde unter Berücksichtigung der Empfehlungen und dem Ansatz von Thomas Demark bezüglich der technischen Analyse entwickelt. Der Indikator zeigt beides, sowohl die letzte Trendrichtung, als auch die nächste-zur-letzten entgegengesetzten Richtung des Trends.

Dieser Artikel wurde geschrieben, um Ihnen anhand eines Beispiels zu zeigen, wie Sie neurale Netzwerke über FANN2MQL verwenden: einem neuralen Netzwerk ein einfaches Muster lehren und testen, ob es Muster erkennen kann, die es nie zuvor gesehen hat.

Der Artikel enthält Überlegungen hinsichtlich der Errichtung einer DLL-Bibliothek - eines "Wrapper", der die Wechselwirkung zwischen MetaTrader 4 und dem mathematischen Desktop-Paket MATLAB ermöglicht. Er beschreibt "Fallen" und die Wege, um sie zu überwinden. Der Artikel ist für erfahrene C/C++ Programmierer vorgesehen, die den Borland C++ Builder 6 Compiler verwenden.

Die Artikel beschreibt die TD-Punkte und TD-Linien, entdeckt von Thomas DeMark. Ihre praktische Verwendung wird gezeigt. Darüber hinaus wird demonstriert, wie drei Indikatoren und zwei Expert Advisors nach dem Konzepten von Thomas DeMark geschrieben werden.

Dieser Artikel ist eine Fortsetzung des vorherigen Artikels über über tiefe Neuronale Netzwerke und Prädikatorauswahl. Wir besprechen hier die Eigenschaften der Neuronalen Netzwerke in Form des "Stacked RMB" (geschichtete Restricted Boltzmann Maschine) und deren Umsetzung durch das Paket "darch".