Artikel über das Programmieren und Anwenden von Handelsrobotern in MQL5
Expert Advisors erfüllen unterschiedliche Funktionen auf der Plattform MetaTrader. Handelroboter können Finanzinstrumente rund um die Uhr verfolgen, Trades kopieren, Berichte erstellen und abschicken, sogar dem Händler eine speizielle auf seine Bestellung entwickelte grafische Benutzeroberfläche bieten.
In den Artikeln sind Programmierverfahren, mathematische Ideen für Datenverarbeitung, Ratschläge für Erstellung und Bestellung von Handelsrobotern.
Neuer Artikel
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuronale Netze im Trading: Adaptive periodische Segmentierung (Fazit)
Wir laden Sie ein, in die spannende Welt von LightGTS einzutauchen – einem schlanken und dennoch leistungsstarken Framework für die Prognose von Zeitreihen, bei dem adaptive Faltung und RoPE-Kodierung mit innovativen Aufmerksamkeitsmechanismen kombiniert werden. In unserem Artikel finden Sie eine detaillierte Beschreibung aller Komponenten – von der Erstellung von Patches bis hin zur komplexen Mixture of Experts im Decoder –, die zur Integration in MQL5-Projekte bereit sind. Entdecken Sie, wie LightGTS den automatisierten Handel auf ein ganz neues Niveau hebt!
Neuronale Netze im Trading: Eine intelligente Prognosepipeline (Sparse Mixture of Experts)
Wir laden Sie ein, die praktische Umsetzung eines Blocks mit spärlicher Expertenmischung für Zeitreihen in der OpenCL-Rechenumgebung zu erkunden. Dieser Artikel erläutert Schritt für Schritt, wie die maskierte Multi-Window-Faltung funktioniert und wie gradientenbasiertes Training bei mehreren Informationsströmen organisiert wird.
Neuronale Netze im Handel: Adaptive periodische Segmentierung (LightGTS)
Wir laden Sie ein, mehr über die innovative Technik des adaptiven Patchings zu erfahren – eine Methode zur flexiblen Segmentierung von Zeitreihen unter Berücksichtigung ihrer internen Periodizität. Außerdem werden wir uns mit einer effizienten Kodierungstechnik befassen, die wichtige semantische Merkmale bei der Arbeit mit Daten auf unterschiedlichen Skalen bewahrt. Diese Methoden eröffnen neue Möglichkeiten für die präzise Verarbeitung komplexer, multiskaliger Daten, wie sie für Finanzmärkte charakteristisch sind, und verbessern die Stabilität und Zuverlässigkeit von Prognosen erheblich.
Neuronale Netze im Trading: Adaptive periodische Segmentierung (Token-Generierung)
Wir laden Sie ein, sich auf eine spannende Reise durch die Welt der adaptiven Analyse von Finanzzeitreihen zu begeben und zu erfahren, wie Sie komplexe Spektralanalyse und flexible Faltung in konkrete Trading-Signale umsetzen können. Sie werden sehen, wie LightGTS dem Marktrhythmus lauscht, sich über eine variable Schrittweite des Fensters an dessen Veränderungen anpasst und wie OpenCL-beschleunigte Berechnungen den Weg zu profitablen Entscheidungen deutlich verkürzen können.
Neuronale Netze im Trading: Effektive Merkmalsextraktion für präzise Klassifikation (Objekterstellung)
Mantis ist ein vielseitiges Tool für die detaillierte Zeitreihenanalyse, das flexibel skaliert werden kann, um jedes Finanzszenario abzudecken. Erfahren Sie, wie eine Kombination aus Patching, lokalen Faltungen und Cross-Attention eine äußerst genaue Interpretation von Marktmustern ermöglicht.
Neuronale Netze im Handel: Generalisierung von Zeitreihen ohne Abhängigkeit von spezifischen Datensätzen (Fazit)
In diesem Artikel erfahren Sie, wie Mamba4Cast Theorie in einen funktionierenden Handelsalgorithmus umsetzt und die Grundlage für Ihre eigenen Experimente schafft. Lassen Sie sich diese Gelegenheit nicht entgehen, umfassendes Wissen und Inspiration für die Entwicklung Ihrer eigenen Strategie zu sammeln.
Neuronale Netze im Trading: Ein domänenübergreifendes Framework für die Zeitreihenprognose (TimeFound)
In diesem Artikel bauen wir Schritt für Schritt den Kern des intelligenten TimeFound-Modells auf und passen ihn an reale Aufgaben der Zeitreihenprognose an. Wenn Sie sich für die praktische Umsetzung von Patching-Algorithmen für neuronale Netze in MQL5 interessieren, sind Sie hier genau richtig.
Neuronale Netze im Trading: Ein domänenübergreifendes Framework zur Zeitreihenprognose (Fazit)
Der Artikel befasst sich mit der praktischen Implementierung des TimeFound-Modells für die Zeitreihenvorhersage. Es werden die wichtigsten Schritte bei der Umsetzung der zentralen Ansätze des Frameworks mithilfe von MQL5 untersucht.
Neuronale Netze im Trading: Eine intelligente Prognose-Pipeline (Time-MoE)
Wir laden Sie ein, das moderne Time-MoE-Framework kennenzulernen, das für Zeitreihenprognosen angepasst wurde. In diesem Artikel werden wir die wichtigsten Komponenten der Architektur Schritt für Schritt umsetzen und dabei Erläuterungen und praktische Beispiele geben. Mit diesem Ansatz können Sie nicht nur verstehen, wie das Modell funktioniert, sondern diese Prinzipien auch auf reale Handelsszenarien anwenden.
Neuronale Netze im Trading: Effektive Merkmalsextraktion zur präzisen Klassifizierung (letzter Teil)
Das Mantis-Framework transformiert komplexe Zeitreihen in informative Token und dient als zuverlässige Grundlage für einen intelligenten Handelsagenten, der in Echtzeit agieren kann.
Neuronale Netze im Trading: Effektive Merkmalsextraktion für präzise Klassifizierung (Mantis)
Lernen Sie Mantis kennen – ein leichtgewichtiges Foundation-Model für die Zeitreihenklassifizierung auf Basis einer Transformer-Architektur mit kontrastivem Vortraining und einem hybriden Attention-Mechanismus, der eine rekordverdächtige Genauigkeit und hohe Skalierbarkeit ermöglicht.
Neuronale Netze im Trading: Generalisierung von Zeitreihen ohne Abhängigkeit von spezifischen Daten (Kernmodule des Modells)
Wir setzen unsere Bekanntschaft mit dem Mamba4Cast-Framework fort. Heute werden wir uns mit der praktischen Umsetzung der vorgeschlagenen Ansätze befassen. Mamba4Cast wurde nicht für eine lange Anpassungsphase bei jeder neuen Zeitreihe entwickelt, sondern für den sofortigen Einsatz. Dank des Konzepts des Zero-Shot-Forecastings kann das Modell hochwertige Prognosen auf realen Daten ohne zusätzliches Training oder Hyperparameter-Tuning erstellen.
Quantenneuronales Netzwerk in MQL5 (Teil III): Ein virtueller Quantenprozessor auf Basis von Qubits
Der Artikel konzentriert sich auf die Erstellung eines Handelssystems mit einem echten Quantensimulator anstelle von mathematischen Analogien. Das System verwendet 3 virtuelle Qubits, Quantengatter und Superpositionsprinzipien zur Marktanalyse. Es ist als Handels-EA für MetaTrader 5 in MQL5 implementiert. Die wichtigste Errungenschaft ist der Übergang von der Simulation zu echten Quantenprinzipien der Finanzinformationsverarbeitung.
Quantenneuronales Netz in MQL5 (Teil I): Erstellen der Include-Datei
Der Artikel stellt einen neuen Ansatz zur Erstellung von Handelssystemen auf der Grundlage quantenmechanischer Prinzipien und künstlicher Intelligenz vor. Der Autor beschreibt die Entwicklung eines einzigartigen neuronalen Netzes, das über klassisches maschinelles Lernen hinausgeht, indem es Quantenmechanik mit modernen KI-Architekturen kombiniert.
Optionshandel ohne Optionen (Teil 2): Einsatz im Live-Handel
Der Artikel betrachtet einfache Optionsstrategien und deren Implementierung in MQL5. Wir werden einen grundlegenden EA entwickeln, der modernisiert und komplexer gestaltet wird.
Neuronale Netze im Trading: Verallgemeinerung von Zeitreihen ohne datenspezifische Abhängigkeit (Mamba4Cast)
In diesem Artikel stellen wir das Mamba4Cast-Framework vor und betrachten eine seiner Schlüsselkomponenten genauer: die zeitstempelbasierte Positionskodierung. Der Artikel zeigt, wie das Time-Embedding unter Berücksichtigung der Kalenderstruktur der Daten gebildet wird.
Neuronale Netze im Trading: Zeitreihenprognose mittels adaptiver Modenzerlegung (Abschließender Teil)
Der Artikel erörtert die Anpassung und praktische Implementierung des ACEFormer-Frameworks mittels MQL5 im algorithmischen Handel. Er präsentiert wichtige architektonische Entscheidungen, Trainingsmerkmale und Testergebnisse des Modells auf realen Daten.
Neuronale Netze im Trading: Zeitreihenprognose mittels adaptiver Modenzerlegung (ACEFormer)
Wir laden Sie ein, die ACEFormer-Architektur zu erkunden – eine moderne Lösung, die die Effektivität probabilistischer Aufmerksamkeit mit adaptiver Zeitreihenzerlegung kombiniert. Dieser Artikel richtet sich an alle, die ein Gleichgewicht zwischen Berechnungseffizienz und Prognosegenauigkeit auf den Finanzmärkten suchen.
Neuronale Netze im Trading: LSTM-Optimierung für die multivariate Zeitreihenprognose (letzter Teil)
Wir setzen die Implementierung des DA-CG-LSTM-Frameworks fort, das innovative Methoden für die Zeitreihenanalyse und -prognose bietet. Die Verwendung von CG-LSTM und eines dualen Aufmerksamkeitsmechanismus ermöglicht eine genauere Erkennung sowohl langfristiger als auch kurzfristiger Abhängigkeiten in Daten, was besonders für die Arbeit mit Finanzmärkten nützlich ist.
Neuronale Netze im Trading: LSTM-Optimierung zur Prognose multivariater Zeitreihen (DA-CG-LSTM)
Dieser Artikel stellt den DA-CG-LSTM-Algorithmus vor, der neue Ansätze für die Zeitreihenanalyse und -prognose bietet. Er erklärt, wie innovative Aufmerksamkeitsmechanismen und Modellflexibilität die Prognosegenauigkeit verbessern können.
Neuronale Netze im Trading: Actor–Director–Critic (Letzter Teil)
Das Framework von Actor–Director–Critic ist eine Weiterentwicklung der klassischen Agenten-Lernarchitektur. Der Artikel präsentiert praktische Erfahrungen mit seiner Implementierung und Anpassung an die Bedingungen der Finanzmärkte.
Neuronale Netze im Trading: Akteur–Direktor–Kritiker
Wir laden Sie ein, das Framework Akteur-Direktor-Kritiker zu erkunden, das hierarchisches Lernen und eine Multi-Komponenten-Architektur zur Erstellung adaptiver Handelsstrategien kombiniert. In diesem Artikel betrachten wir detailliert, wie der Einsatz des Direktors zur Klassifizierung der Aktionen des Akteurs dazu beiträgt, Handelsentscheidungen effektiv zu optimieren und die Robustheit von Modellen unter Finanzmarktbedingungen zu verbessern.
Neuronale Netze im Trading: Skill-Hierarchie für das Verhalten adaptiver Agenten (letzter Teil)
Der Artikel erörtert die praktische Implementierung des HiSSD-Frameworks bei algorithmischen Handelsaufgaben. Er erklärt, wie die Skill-Hierarchie und die adaptive Architektur genutzt werden können, um stabile Handelsstrategien aufzubauen.
Benutzerdefinierte Symbole in MQL5: Erstellung eines 3D-Bar-Symbols
Der Artikel bietet eine detaillierte Anleitung zur Erstellung des innovativen Indikators 3DBarCustomSymbol.mq5, der benutzerdefinierte Symbole in MetaTrader 5 generiert, die Kurs, Zeit, Volumen und Volatilität in einer einzigen dreidimensionalen Darstellung kombinieren. Die mathematischen Grundlagen, die Systemarchitektur, praktische Aspekte der Implementierung und die Anwendung in Handelsstrategien werden behandelt.
Neuronale Netze im Trading: Hierarchische Entdeckung von Skills für adaptives Agentenverhalten (HiSSD)
In diesem Artikel untersuchen wir das HiSSD-Framework, das hierarchisches Lernen und Multi-Agenten-Ansätze kombiniert, um adaptive Systeme zu schaffen. Wir untersuchen im Detail, wie diese innovative Methodik dabei hilft, verborgene Muster in Finanzmärkten aufzudecken und Handelsstrategien in dezentralen Umgebungen zu optimieren.
Untersuchung von Regressionsmodellen für kausale Inferenz und algorithmischen Handel
Der Artikel untersucht die Möglichkeit, Regressionsmodelle im algorithmischen Handel einzusetzen. Regressionsmodelle ermöglichen im Gegensatz zur binären Klassifizierung die Erstellung flexiblerer Handelsstrategien durch die Quantifizierung vorhergesagter Kursänderungen.
Neuronale Netze im Trading: Anomalieerkennung im Frequenzbereich (letzter Teil)
Wir arbeiten weiter an der Implementierung des Frameworks CATCH, das die Fourier-Transformation und Frequenz-Patching-Mechanismen kombiniert und so eine genaue Erkennung von Marktanomalien gewährleistet. In diesem Artikel schließen wir die Implementierung unserer eigenen Vision der vorgeschlagenen Ansätze ab und testen die neuen Modelle an realen historischen Daten.
Entwicklung eines Toolkits zur Price-Action-Analyse (Teil 64): Manuell gezeichnete Trendlinien mit der automatisierten Überwachung synchronisieren
Die Überwachung manuell eingezeichneter Trendlinien erfordert eine ständige Beobachtung des Charts, wodurch wichtige Kursinteraktionen übersehen werden können. In diesem Artikel wird ein Expert Advisor zur Überwachung von Trendlinien vorgestellt, der manuell gezeichnete Trendlinien mit einer automatisierten Überwachungslogik in MQL5 synchronisiert und Warnmeldungen ausgibt, wenn sich der Kurs einer überwachten Linie nähert, diese berührt oder durchbricht.
Graphentheorie: Tiefensuche (DFS) zur Traversierung von Marktstrukturen im Handel
In diesem Artikel wird die Tiefensuche auf die Marktstruktur angewendet, indem Swing-Hochs und -Tiefs als Knoten eines Graphen modelliert und ein struktureller Pfad so tief wie möglich verfolgt wird, solange die Bedingungen gültig bleiben. Wenn ein maßgebliches Swing-Niveau gebrochen wird, führt der Algorithmus ein Backtracking durch und untersucht einen alternativen Zweig. Die Leser erhalten einen praktischen Rahmen, um die strukturelle Marktrichtung zu formalisieren und zu prüfen, ob der aktuelle Verlauf mit Zielen wie Liquiditätspools oder Angebots- und Nachfragezonen übereinstimmt.
Paketbasierter Ansatz mit KnitPkg für die MQL5-Entwicklung
Um maximale Zuverlässigkeit und Produktivität bei mit MQL erstellten MetaTrader-Produkten zu gewährleisten, empfiehlt dieser Artikel einen Entwicklungsansatz, der auf wiederverwendbaren Paketen basiert, die von KnitPkg, einem Projektmanager für MQL5/MQL4, verwaltet werden. Ein Paket kann als Baustein für andere Pakete oder als Grundlage für fertige Artefakte dienen, die direkt auf der MetaTrader-Plattform ausgeführt werden, wie beispielsweise EAs, Indikatoren und vieles mehr.
Entwicklung eines dynamischen Multi-Pair-EA (Teil 7): Paarübergreifende Korrelationsabbildung für die Handelsfilterung in Echtzeit
In diesem Abschnitt werden wir eine Echtzeit-Korrelationsmatrix in einen Expert Advisor für mehrere Symbole integrieren, um redundante oder risikobehaftete Trades zu vermeiden. Durch die dynamische Messung der Wechselbeziehungen zwischen Symbolen filtert der EA Einstiegssignale heraus, die im Widerspruch zur bestehenden Exposition stehen, wodurch die Ausgewogenheit des Portfolios verbessert, das systemische Risiko verringert und die Qualität der Trades insgesamt verbessert wird.
MQL5-Handelswerkzeuge (Teil 24): Verbesserte Tiefenwahrnehmung mit 3D-Kurven, Pan-Modus und ViewCube-Navigation
In diesem Artikel erweitern wir das Tool zur grafischen Darstellung der 3D-Binomialverteilung in MQL5, indem wir eine segmentierte 3D-Kurve für eine bessere Tiefenwahrnehmung der Wahrscheinlichkeitsmassenfunktion (Probability Mass Function, PMF) hinzufügen, einen Pan-Modus zur Verschiebung des Betrachtungsfokus integrieren und einen interaktiven ViewCube (Ansichtswürfel) mit Hover-Zonen und Animationen für schnelle Orientierungswechsel implementieren. Wir integrieren anklickbare Unterbereiche für Flächen, Kanten und Ecken in den ViewCube, um Kameraübergänge zu Standardansichten zu animieren, wobei umschaltbare 2D-/3D-Modi, Echtzeit-Aktualisierungen und anpassbare Parameter für eine immersive probabilistische Analyse im Handel beibehalten werden.
PD-Arrays meistern: Optimierung des Handels mit Ungleichgewichten in PD-Arrays
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.
MQL5-Handelswerkzeuge (Teil 23): Kameragesteuerte 3D-Diagramme mit DirectX-Unterstützung für Einblicke in die Verteilungen
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.
Trading-Disziplin im Code verankern (Teil 3): Durchsetzung symbolbezogener Handelsgrenzen mit einer Whitelist in MQL5
In diesem Artikel wird ein MQL5-Framework beschrieben, das den Handel auf eine genehmigte Auswahl von Symbolen beschränkt. Die Lösung kombiniert eine gemeinsam genutzte Bibliothek, ein Konfigurations-Dashboard und einen Expert Advisor zur Durchsetzung, der jeden Handel anhand einer Whitelist überprüft und blockierte Versuche protokolliert. Sie enthält voll funktionsfähige Code-Beispiele, eine klare Erläuterung der strukturellen Entwurfsentscheidungen sowie Validierungstests, die eine zuverlässige Symbolfilterung, eine kontrollierte Marktpräsenz und eine transparente Überwachung der Regelumsetzung bestätigen.
MQL5-Handelswerkzeuge (Teil 22): Grafische Darstellung des Histogramms und der Wahrscheinlichkeitsfunktion (PMF) von der Binomialverteilung
In diesem Artikel wird ein interaktives MQL5-Diagramm zur Binomialverteilung erstellt, das ein Histogramm der simulierten Ergebnisse mit der theoretischen Wahrscheinlichkeitsfunktion (PMF) kombiniert. Es bietet Funktionen für Mittelwert, Standardabweichung, Schiefe, Kurtosis, Perzentile und Konfidenzintervalle, sowie konfigurierbare Farbschemata und Beschriftungen und unterstützt das Ziehen, die Größenänderung und Live-Parameteränderungen. Nutzen Sie es, um bei der Validierung von Handelsstrategien erwartete Gewinn-Trades, wahrscheinliche Drawdown-Phasen und Konfidenzbereiche zu bewerten.
Verwendung des MQL5-Wirtschaftskalenders zur Nachrichtenfilterung (Teil 2): Verwaltung von Stopps offener Positionen während Nachrichtenereignissen
In Teil 2 erweitern wir den Nachrichtenfilter, um bestehende Positionen während Nachrichtenereignissen zu schützen. Anstatt Trades zu schließen, entfernen wir die Werte von Stop-Loss und Take-Profit vorübergehend und speichern sie sicher im Speicher. Wenn das Nachrichtenfenster endet, werden die Stopps deterministisch unter Einhaltung der Mindestabstände des Brokers wiederhergestellt und angepasst, falls der Kurs die ursprünglichen Niveaus bereits überschritten hat. Das Ergebnis ist ein Mechanismus, der die Handelslogik wahrt, ohne die Einstiegslogik zu beeinträchtigen, und dafür sorgt, dass der EA auch bei Volatilität die Kontrolle behält.
Larry Williams’ Marktgeheimnisse (Teil 13): Automatisierung von Hidden-Smash-Day-Umkehrmustern
Der Artikel beschreibt die Erstellung eines transparenten MQL5-Expert-Advisors für die Hidden-Smash-Day-Reversals von Larry Williams. Signale werden nur bei neuen Bars generiert: Eine Setup-Bar wird validiert und anschließend bestätigt, wenn die nächste Sitzung jenseits des Extremums schließt. Das Risiko wird über ATR oder strukturelle Stopps mit einem festgelegten Risiko-Ertrags-Verhältnis gesteuert; die Positionsgröße kann fest oder vom Kontostand abhängig sein, und Richtungsfilter sowie eine Ein-Positions-Regel gewährleisten reproduzierbare Tests.
Entwicklung eines Toolkits zur Price-Action-Analyse (Teil 62): Entwicklung eines adaptiven Systems in MQL5 zur Erkennung paralleler Kanäle und den Ausbrüchen.
Dieser Artikel stellt ein adaptives System zur Erkennung paralleler Kanäle und den Ausbrüchen daraus in MQL5 vor. Darin wird erläutert, wie Swing-Punkte ermittelt, Kanäle konstruiert und dynamisch neu berechnet werden und wie Ausbrüche durch persistente Signale bestätigt und visualisiert werden. Das Framework vereint Trendliniengeometrie, ATR-basierte Filterung und Retest-Validierung, um eine zuverlässige Kursanalyse in Echtzeit für professionelle Chartanalysen und Handelsentscheidungen zu ermöglichen.
Trading-Disziplin in Code umsetzen (Teil 2): Entwicklung eines MQL5-Systems zur Durchsetzung eines täglichen Handelslimits für alle Trades in MQL5
Wir haben ein System entwickelt, das ein tägliches Handelslimit durchsetzt, damit Sie Ihre Handelsregeln einhalten können. Es überwacht alle über das Konto ausgeführten Trades und greift automatisch ein, sobald das festgelegte Limit erreicht ist, wodurch weitere Aktivitäten verhindert werden. Durch die direkte Integration der Kontrollmechanismen in die Plattform stellt das System sicher, dass die Disziplin auch bei steigendem Marktdruck gewahrt bleibt.