Artikel über Datenanalyse und Statistik in MQL5

In diesem Artikel verbessern wir das Canvas-basierte Kurs-Dashboard in MQL5, indem wir ein pixelgenaues, scrollbares Textpanel für Bedienhinweise hinzufügen und die Einschränkungen des nativen Scrollens mithilfe von benutzerdefiniertem Anti-Aliasing sowie einer abgerundeten, sich bei Hover verbreiternden Scrollleiste umgehen. Das Textpanel unterstützt themenabhängige Hintergründe mit einstellbarer Transparenz, dynamischen Zeilenumbruch für Inhalte wie Anleitungen und Kontaktinformationen sowie eine interaktive Navigation über Schaltflächen zum Hoch- und Herunterscrollen, Ziehen von Schiebereglern und Scrollen mit dem Mausrad innerhalb des Textpanels.

In diesem Artikel werden wir sehen, wie man eine Datenbank visualisiert und daraus ihre Struktur versteht. Dies geschieht durch die Analyse ihrer internen Struktur. Auch wenn dies auf den ersten Blick unnötig erscheinen mag, ist es durchaus gerechtfertigt, wenn wir wirklich Datenbankadministratoren werden wollen. Schließlich verdienen manche Menschen ihren Lebensunterhalt damit, Datenbanken zu pflegen und zu entwerfen.

Dieser Artikel stellt einen MetaTrader 5-kompatiblen Backtesting-Workflow vor, der sich auf verschiedene Symbole und Zeitrahmen hinweg skaliert. Wir nutzen den HistoryManager, um die Datenerfassung zu parallelisieren, Kursbalken und Ticks aus allen Zeitrahmen zu synchronisieren und symbolisolierte OnTick-Handler in Threads auszuführen. Sie erfahren, wie sich Modellierungsmodi auf Geschwindigkeit und Genauigkeit auswirken, wann Sie sich auf Terminaldaten verlassen können, wie Sie den I/O-Aufwand durch ereignisgesteuerte Aktualisierungen reduzieren und wie Sie einen vollständigen Multiwährungs-Trading-Roboter erstellen.

Die Abstimmung von Liquiditätsstrukturen höherer Zeitrahmen mit Umkehrmustern niedrigerer Zeitrahmen kann sowohl die Wahrscheinlichkeit als auch die Richtung der nächsten Preisbewegung stark beeinflussen. Durch die Integration struktureller Liquiditätszonen aus höheren Zeitrahmen mit präzisen Umkehrbestätigungen auf niedrigeren Zeitrahmen können Trader das Einstiegs-Timing und die Qualität ihrer Trades insgesamt verbessern. Dieser Artikel zeigt, wie man liquiditätsbasierte Handelsstrategien durch strukturelle Bestätigung auf höheren Zeitrahmen verstärkt – und wie man diesen Ansatz effektiv mit MQL5 umsetzt.

Der Artikel behandelt den nichtparametrischen statistischen Test HSIC (Hilbert-Schmidt Independence Criterion), mit dem sich lineare und nichtlineare Abhängigkeiten in Daten ermitteln lassen. Es werden zwei Implementierungen zur Berechnung von HSIC in der Sprache MQL5 vorgestellt: der exakte Permutationstest und die Gamma-Approximation. Die Leistungsfähigkeit der Methode wird an synthetischen Daten demonstriert, die eine nichtlineare Beziehung zwischen Merkmalen und der Zielvariablen modellieren.

Erfahren Sie, wie der „Boom & Crash Interceptor EA“ Ihre Charts in ein proaktives Warnsystem verwandelt – indem er explosive Kursbewegungen durch blitzschnelle Scans, Prüfungen auf Volatilitätsschübe, Trendbestätigungen und Pivot-Zone-Filter erkennt. Mit den klar erkennbaren Pfeilen, grün für „Boom“ und rot für „Crash“, die Sie bei jeder Entscheidung leiten, filtert dieses Tool das Marktrauschen heraus und ermöglicht es Ihnen, von Kurssprüngen zu profitieren wie nie zuvor. Tauchen Sie ein und erfahren Sie, wie es funktioniert und warum es zu Ihrem nächsten entscheidenden Vorteil werden kann.

Die biogeografische Optimierung (BBO) ist ein elegantes Verfahren zur globalen Optimierung, das von den natürlichen Prozessen der Artenmigration zwischen Inseln eines Archipels inspiriert ist. Der Algorithmus basiert auf einer einfachen, aber wirkungsvollen Idee: Hochwertige Lösungen geben ihre Eigenschaften aktiv weiter, während minderwertige Lösungen aktiv neue Merkmale übernehmen, wodurch ein natürlicher Informationsfluss von den besten zu den schlechtesten Lösungen entsteht. Ein einzigartiger adaptiver Mutationsoperator sorgt für ein hervorragendes Gleichgewicht zwischen Exploration und Exploitation. BBO zeigt bei einer Vielzahl von Aufgaben eine hohe Effizienz.

Der Artikel versucht, Finanzzeitreihen unter dem Gesichtspunkt selbstähnlicher fraktaler Strukturen zu untersuchen. Da es zahlreiche Analogien gibt, die die Möglichkeit bestätigen, Marktkurse als selbstähnliche Fraktale zu betrachten, können wir uns Gedanken über die Prognosehorizonte solcher Strukturen machen.

In diesem Artikel wird gezeigt, wie man einen MQL5-Indikator erstellt, der eine CSV-Datei mit der Handelshistorie ausliest, die Werte für „Profit($)“ und die Gesamtzahl der Trades extrahiert und die Entwicklung des kumulierten Saldos berechnet. Wir zeichnen die Kurve in einem separaten Indikatorfenster ein, passen die Y-Achse automatisch an und zeichnen horizontale und vertikale Achsen zur Orientierung ein. Der Indikator wird zeitgesteuert aktualisiert und nur dann neu gezeichnet, wenn neue Trades auftreten. Optionale Beschriftungen zeigen den Gewinn und Verlust pro Trade an, um die Performance und Drawdowns direkt im Chart beurteilen zu können.

In diesem Artikel befassen wir uns mit konformen Vorhersagen und der MAPIE-Bibliothek, die diese implementiert. Dieser Ansatz gehört zu den modernsten im Bereich des maschinellen Lernens und ermöglicht es uns, uns auf das Risikomanagement für bestehende, vielfältige Modelle des maschinellen Lernens zu konzentrieren. Konforme Vorhersagen sind an sich kein Verfahren zur Erkennung von Mustern in Daten. Sie geben lediglich das Konfidenzniveau bestehender Modelle bei der Vorhersage konkreter Beispiele an und ermöglichen die Filterung zuverlässiger Vorhersagen.

Dieser Artikel befasst sich mit einer auf Barrierefreiheit ausgerichteten Erweiterung, die über die standardmäßigen Terminal-Warnmeldungen hinausgeht und mithilfe der MQL5-Ressourcenverwaltung kontextbezogenes Sprachfeedback bereitstellt. Anstelle von allgemeinen Signaltönen vermittelt der Indikator, was geschehen ist und warum, sodass Trader die Marktgeschehnisse nachvollziehen können, ohne sich ausschließlich auf visuelle Beobachtungen verlassen zu müssen. Dieser Ansatz ist besonders für sehbehinderte Trader von großem Nutzen, kommt aber auch vielbeschäftigten Nutzern oder Nutzern, die mehrere Aufgaben gleichzeitig erledigen und eine freihändige Bedienung bevorzugen.

In diesem Artikel erweitern wir den hybriden Marktprofil-Indikator Time Price Opportunity (TPO) in MQL5 durch die Einbindung von Volumendaten, um volumenbasierte Kontrollpunkte, Wertbereiche und den volumengewichteten Durchschnittspreis mit anpassbaren Hervorhebungsoptionen zu berechnen. Das System bietet erweiterte Funktionen wie die Erkennung der Initial Balance, Projektionslinien wichtiger Kursniveaus, Split-Profile sowie alternative TPO-Symbole wie Quadrate oder Kreise, um die visuelle Analyse über mehrere Zeitrahmen hinweg zu verbessern.

Der Artikel befasst sich mit der Klassifikation mittels Gauß-Prozessen. Wir beginnen mit dem Studium der theoretischen Grundlagen und gehen dann zur praktischen Entwicklung der GP-Bibliothek in MQL5 über.

Der Artikel stellt eine vollständige Python-MQL5-Integration für den Multi-Agenten-Handel vor: MT5-Datenerfassung, Berechnung von Indikatoren, Entscheidungen pro Agent und ein gewichteter Konsens, der zu einer einzigen Handelsaktion führt. Die Signale werden im JSON-Format gespeichert, über Flask bereitgestellt und von einem MQL5-Expert Advisor zur Ausführung mit Positionsgrößenbestimmung und aus dem ATR abgeleiteten SL/TP verarbeitet. Flask-Routen ermöglichen eine sichere Steuerung des Lebenszyklus und eine Statusüberwachung.

Ein detaillierter Leitfaden zur Erstellung eines Heatmap-Indikators für MetaTrader 5, der die zeitliche Verteilung der Kurse visualisiert. Der Artikel erläutert die mathematischen Grundlagen der Zeitdichteanalyse, bei der jedes Kursniveau von Rot (minimale Verweildauer) bis Blau (maximale Verweildauer) eingefärbt wird.

Die Auswertung der Bilanzdaten der Zentralbanken vermittelt ein Bild der globalen Liquidität am Devisenmarkt und der Leitwährungen. Wir fassen Daten der Fed, der EZB, der BOJ und der PBoC zu einem zusammengesetzten Index zusammen und nutzen maschinelles Lernen, um verborgene Muster aufzudecken. Dieser Ansatz wandelt Rohdaten durch die Kombination von Fundamentalanalyse und technischer Analyse in konkrete Handelssignale um.

In diesem Artikel entwickeln wir einen benutzerdefinierten Indikator in MQL5 für hybride Time Price Opportunity (TPO)-Marktprofile, der mehrere Zeitrahmen wie Intraday, täglich, wöchentlich, monatlich sowie feste Zeitintervalle mit Zeitzonenanpassungen unterstützt. Der Indikator unterteilt die Kurse in ein Raster, erfasst Sitzungsdaten wie Höchst-, Tiefst-, Eröffnungs- und Schlusskurse und berechnet wichtige Kennzahlen wie den Point of Control und den Wertebereich auf der Grundlage von TPO-Zählwerten. Der Indikator stellt Profile visuell im Chart dar, wobei die Farben für TPO-Buchstaben, Single Prints, Wertebereiche, POC und Abschlussmarkierungen individuell angepasst werden können, was eine detaillierte Analyse von Handelssitzungen ermöglicht.

In diesem Artikel zeige ich, wie man einen Indikator verwendet, um offene Positionen auf dem Handelsserver auf die einfachste und praktischste Weise zu verfolgen. Ich mache dies Schritt für Schritt, um zu zeigen, dass man nicht unbedingt all dies in einen Expert Advisor verschieben muss. Viele von Ihnen haben sich wahrscheinlich aus dem einen oder anderen Grund daran gewöhnt, dies zu tun. Tatsächlich ist das nicht wirklich gerechtfertigt, denn im Laufe der Entwicklung dieser Implementierung wird deutlich werden, dass man für diesen Zweck verschiedene Arten von Indikatoren erstellen oder implementieren kann.

Dieser Artikel erklärt, warum Standard-Walk-Forward und k-fache Cross-Validation Ergebnisse bei Finanzdaten systematisch zu positiv erscheinen lassen, und zeigt dann, wie dies behoben werden kann. V-in-V erzwingt strikte Datenpartitionen und verankertes Walk-Forward über Zeitfenster hinweg, CPCV bereinigt Datenlecks mittels Purging und Embargo und aggregiert die Performance auf Pfadebene, und CSCV misst die Wahrscheinlichkeit von Backtest-Overfitting. Anwender erhalten einen kohärenten Rahmen zur Bewertung der Robustheit über verschiedene Marktregime hinweg und der Verlässlichkeit der Strategieauswahl.

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.

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.

Wir fügen dem MQL5-Canvas-Dashboard ein auf Supersampling basierendes Anti-Aliasing sowie hochauflösendes Rendering hinzu und skalieren anschließend auf die Zielgröße herunter. Der Artikel implementiert Füllungen und Rahmen in Form abgerundeter Rechtecke, Pfeile in Form abgerundeter Dreiecke sowie eine benutzerdefinierte Bildlaufleiste mit Theme-Unterstützung für die Statistik- und Textpanels. Mit diesen Tools können Sie in MetaTrader 5 glattere und besser lesbare UI-Komponenten erstellen.

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.

Der Artikel skizziert eine praktische Datenpipeline für die quantitative Analyse auf der Grundlage von Parquet-Speicherung, Hive-artigen Partitionen und DuckDB. Er beschreibt die Migration ausgewählter SQLite-Tabellen nach Parquet, die Strukturierung von Marktdaten nach Quelle, Symbol, Zeitrahmen und Datum sowie deren Abfrage mit SQL-Fensterfunktionen. Das Beispiel eines Goldenen Kreuzes veranschaulicht die symbolübergreifende Auswertung von künftigen Renditen. Begleitende Python-Skripte übernehmen den Datendownload, die Konvertierung und die Ausführung.

In diesem Abschnitt betrachten wir die Implementierung der wichtigsten Schnittstellen der Bibliothek für Gaußsche Prozesse in MQL5: IKernel, ILikelihood und IInference. Wir werden auch deren Funktionsweise an synthetischen Daten demonstrieren und Indikatoren für Klassifizierung und Regression implementieren und ihre Funktionsweise im Online-Modus demonstrieren – mit erneutem Training des Modells bei jeder neuen Bar.