Artikel über das Programmieren in MQL4 und MQL5

Entwickeln Sie einen MQL5-Expert Advisor, der die Umkehrmuster nach Larry Williams’ Hidden-Smash-Day automatisiert. Er liest bestätigte Signale eines benutzerdefinierten Indikators aus, wendet Kontextfilter an (Supertrend-Ausrichtung und optionale Handelstag-Regeln) und steuert das Risiko mithilfe von Stop-Loss-Modellen, die auf der Smash-Bar-Struktur oder dem ATR sowie einer festen oder risikobasierten Positionsgröße basieren. Das Ergebnis ist ein reproduzierbares Framework, das für Tests und Erweiterungen bereit ist.

Der Artikel erweitert unser Copula-Toolkit um gemischte Copulas, die nativ in MQL5 implementiert sind. Wir konstruieren aus Clayton–Frank–Gumbel und Clayton–Student–t–Gumbel gemischte Copula-Modelle, schätzen diese mittels EM und ermöglichen eine Sparsitätskontrolle durch SCAD mit Kreuzvalidierung. Die bereitgestellten Skripte optimieren Hyperparameter, vergleichen Mischmodelle anhand von Informationskriterien und speichern bereits trainierte Modelle. Anwender können diese Komponenten nutzen, um asymmetrische Tail-Abhängigkeit zu erfassen und das ausgewählte Modell in Indikatoren oder Expert Advisors einzubinden.

Der Artikel zeigt, wie man SQLite (OLTP) mit DuckDB (OLAP) für die Datenverarbeitung im Bereich der statistischen Arbitrage kombinieren kann. Die spaltenorientierte Engine von DuckDB, ASOF JOIN und die Array-Funktionen beschleunigen Kernaufgaben wie die zeitliche Zuordnung von Kursen zu Trades sowie RWEC, wobei bei größeren Eingabedaten im Vergleich zu SQLite Geschwindigkeitssteigerungen von 2- bis 23-fach gemessen wurden. Das ermöglicht einfachere Abfragen und schnellere Analysen, während die Handelsausführung weiterhin in SQLite erfolgt.

Dieser Artikel zeigt, wie man die Marktstruktur in MQL5 als Graph darstellt, indem Swing-Highs/-Lows in Knoten mit Merkmalen umgewandelt und durch Kanten miteinander verbunden werden. Es wird ein Graph Neural Network trainiert, um potenzielle Liquiditätszonen zu bewerten, das Modell nach ONNX exportiert und für die Echtzeit-Inferenz in einem Expert Advisor verwendet. Die Leser lernen, wie man die Daten-Pipeline aufbaut, das Modell integriert, Zonen im Chart visualisiert und die Signale für eine regelbasierte Handelsausführung nutzt.

Bei Seitwärtsbewegungen des Kurses sehen sich Händler mit übermäßigen Signalen aus mehreren Kreuzungen gleitender Durchschnitte konfrontiert. Heute besprechen wir, wie ALGLIB ungefilterte Kursdaten vorverarbeitet, um gefilterte Crossover-Ebenen bzw. -Darstellungen zu erzeugen, die bei ihrem Auftreten auch Alarme oder Benachrichtigungen auslösen können. Nehmen Sie an dieser Diskussion teil, um zu erfahren, wie eine mathematische Bibliothek in MQL5-Programmen genutzt werden kann.

In diesem Artikel werden wir das vollenden, was im vorigen begonnen wurde: eine vollständig interaktive Möglichkeit, Objekte direkt im Chart in ihrer Größe zu verändern. Obwohl viele meinen, dass die Erstellung von so etwas wesentlich tiefere MQL5-Kenntnisse erfordern würde, werden Sie sehen, dass wir mit einfachen Konzepten und grundlegendem Wissen eine Möglichkeit implementieren können, direkt im Chart mit Objekten zu arbeiten. Dies führt zu einem sehr interessanten und durchaus überzeugenden Ergebnis.

In diesem Artikel werden wir uns drei der sechs Ereignisse ansehen, die MetaTrader 5 generieren kann, wenn eine Änderung an einem Objekt im Chart auftritt. Diese Ereignisse sind aus Sicht der Benutzerinteraktion sehr nützlich. Der Grund dafür ist, dass wir ohne das Verständnis dieser Ereignisse viel mehr Aufwand betreiben müssten, um eine bestimmte Chart-Konfiguration beizubehalten, wenn wir versuchen, Objekte für bestimmte Zwecke zu verwalten.

In diesem Artikel zeigen wir, wie man mithilfe von CCanvas aus der MQL5-Standardbibliothek ein Tool zur Visualisierung von Positionsdaten erstellt. Dieses Projekt vertieft Ihre Kenntnisse im Umgang mit Bibliotheksmodulen und bietet Händlern gleichzeitig ein praktisches Werkzeug, um offene Positionen direkt in einem Live-Chart zu visualisieren und mit ihnen zu interagieren. Nehmen Sie an der Diskussion teil, um mehr zu erfahren.

Der Artikel diskutiert den Algorithmus der Extremaloptimierung (EO), eine Optimierungsmethode, die vom Bak-Sneppen-Modell der selbstorganisierten Kritikalität inspiriert ist, bei dem Evolution durch die Eliminierung der schlechtesten Komponenten des Systems erfolgt. Die modifizierte Populationsversion des Algorithmus zeigt eine Abkehr von theoretischen Prinzipien zugunsten praktischer Effizienz, was zur Schaffung leistungsfähiger Optimierungswerkzeuge führt.

Viele Menschen neigen dazu, SQL zu unterschätzen oder es gar nicht zu verwenden, weil sie nicht vollständig verstehen, wie es tatsächlich funktioniert. Wenn wir Abfragen an eine SQL-Datenbank richten, suchen wir nicht immer nach einer universellen Antwort; in einigen Fällen benötigen wir eine sehr spezifische und praktische Antwort. Wenn eine Datenbank mit einer geeigneten Struktur und einem geeigneten Datenmodell erstellt wird, kann fast jede Art von Information darin integriert werden.

In diesem Artikel haben wir DirectX-3D in den MQL5-Viewer für die Binomialverteilung integriert. Damit ermöglichen wir umschaltbare 2D-/3D-Modi mit kameragesteuerter Drehung, Zoom und automatischer Anpassung für eine anschaulichere Analyse. Wir stellen 3D-Histogrammbalken, Bodenebenen und Achsen neben der Kurve der theoretischen Wahrscheinlichkeitsmassfunktion dar und behalten dabei 2D-Elemente wie Statistikpanel, Legenden sowie anpassbare Designs, Farbverläufe und Beschriftungen bei.

Dieser Artikel befasst sich mit einem spezialisierten, trendfolgenden EA, der deutlich machen soll, wie sich Setups, die sich aus Ungleichgewichten in Premium-/Discount-Bereichen (PD-Arrays) ergeben, definieren und nutzen lassen. In diesem Artikel wird ein EA ausführlich vorgestellt, der speziell für Trader entwickelt wurde, die PD-Arrays und Ungleichgewichte als Einstiegskriterien für ihre Trades und Handelsentscheidungen optimieren und nutzen möchten. Außerdem wird untersucht, wie sich Premium- und Discount-Zonen korrekt ermitteln und charakterisieren lassen und wie man sie jeweils validieren und nutzen kann, wenn sie unter den entsprechenden Marktbedingungen auftreten, um so die sich aus solchen Szenarien ergebenden Chancen bestmöglich zu nutzen.