Artikel über die Automatisierung von Handelssystemen in MQL5

icon

Lesen Sie Artikel über Handelssysteme, in denen unterschiedlichste Ideen vorgestellt sind. Sie erfahren, wie man   statistische Methoden und Muster auf japanischen Kerzen verwendet, wie man Signale filtern kann und wofür man Semaphor-Indikatoren braucht.

Mit dem Meister MQL5 lernen Sie, wie man einen Roboter ohne Programmieren zur schnellen Überprüfung von Handelsideen erstellen kann sowie was genetische Algorithmen sind.

Neuer Artikel
letzte | beste
preview
Automatisieren von Handelsstrategien in MQL5 (Teil 31): Erstellung eines Price Action 3 Drives Harmonic Pattern Systems

Automatisieren von Handelsstrategien in MQL5 (Teil 31): Erstellung eines Price Action 3 Drives Harmonic Pattern Systems

In diesem Artikel entwickeln wir ein 3 Drives Pattern System in MQL5, das steigende und fallende harmonische Muster der 3 Drives mit Umkehrpunkten und Fibonacci-Verhältnissen identifiziert und Handelsgeschäfte mit anpassbaren Einstiegs-, Stop-Loss- und Take-Profit-Levels basierend auf vom Nutzer ausgewählten Optionen ausführt. Wir verbessern den Einblick des Händlers mit visuellem Feedback durch Chart-Objekte.
preview
Erstellen von nutzerdefinierten Indikatoren in MQL5 (Teil 4): Smart WaveTrend Crossover mit zwei Oszillatoren

Erstellen von nutzerdefinierten Indikatoren in MQL5 (Teil 4): Smart WaveTrend Crossover mit zwei Oszillatoren

In diesem Artikel entwickeln wir einen nutzerdefinierten Indikator in MQL5 namens Smart WaveTrend Crossover, der zwei WaveTrend-Oszillatoren verwendet – einen für die Erzeugung der Signale über das Kreuzen und einen anderen für die Trendfilterung – mit anpassbaren Parametern für Kanal-, Durchschnitts- und gleitende Durchschnittslängen. Der Indikator stellt farbige Kerzen auf der Grundlage der Trendrichtung dar, zeigt Kauf- und Verkaufspfeilsignale bei Überkreuzungen an und enthält Optionen zur Aktivierung der Trendbestätigung und zur Anpassung visueller Elemente wie Farben und Offsets.
preview
Neuronale Netze leicht gemacht (Teil 90): Frequenzinterpolation von Zeitreihen (FITS)

Neuronale Netze leicht gemacht (Teil 90): Frequenzinterpolation von Zeitreihen (FITS)

Durch die Untersuchung der FEDformer-Methode haben wir die Tür zum Frequenzbereich der Zeitreihendarstellung geöffnet. In diesem neuen Artikel werden wir das begonnene Thema fortsetzen. Wir werden uns mit einer Methode befassen, mit der wir nicht nur eine Analyse durchführen, sondern auch spätere Zustände in einem bestimmten Bereich vorhersagen können.
preview
MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 60): Inferenzlernen (Wasserstein-VAE) mit gleitendem Durchschnitt und stochastischen Oszillatormustern

MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 60): Inferenzlernen (Wasserstein-VAE) mit gleitendem Durchschnitt und stochastischen Oszillatormustern

Wir schließen unsere Betrachtung der komplementären Paarung von MA und stochastischem Oszillator ab, indem wir untersuchen, welche Rolle das Inferenzlernen in einer Situation nach überwachtem Lernen und Verstärkungslernen spielen kann. Es gibt natürlich eine Vielzahl von Möglichkeiten, wie man in diesem Fall das Inferenzlernen angehen kann, unser Ansatz ist jedoch die Verwendung von Variationsautokodierern. Wir untersuchen dies in Python, bevor wir unser trainiertes Modell mit ONNX exportieren, um es in einem von einem Assistenten zusammengestellten Expert Advisor in MetaTrader zu verwenden.
preview
MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 84): Verwendung von Mustern des Stochastik-Oszillators und des FrAMA – Schlussfolgerung

MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 84): Verwendung von Mustern des Stochastik-Oszillators und des FrAMA – Schlussfolgerung

Der Stochastik-Oszillator und der Fractal Adaptive Moving Average sind ein Indikatorpaar, das aufgrund seiner Fähigkeit, sich gegenseitig zu ergänzen, in einem MQL5 Expert Advisor verwendet werden kann. Wir haben diese Paarung im letzten Artikel vorgestellt und wollen nun abschließend ihre 5 letzten Signalmuster betrachten. Dabei verwenden wir wie immer den MQL5-Assistenten, um deren Potenzial zu erkunden und zu testen.
preview
Larry Williams Marktgeheimnisse (Teil 4): Automatisieren von kurzfristigen hohen und tiefen Umkehrpunkten in MQL5

Larry Williams Marktgeheimnisse (Teil 4): Automatisieren von kurzfristigen hohen und tiefen Umkehrpunkten in MQL5

Meistern Sie die Automatisierung der kurzfristigen Umkehrmuster von Larry Williams mit MQL5. In diesem Leitfaden entwickeln wir einen vollständig konfigurierbaren Expert Advisor (EA), der nicht-zufällige Marktstrukturen ausnutzt. Wir zeigen Ihnen, wie Sie ein robustes Risikomanagement und eine flexible Ausstiegslogik integrieren und so eine solide Grundlage für die systematische Strategieentwicklung und die Backtests schaffen.
preview
Vom Einsteiger zum Experten: Entwicklung einer Liquiditätsstrategie

Vom Einsteiger zum Experten: Entwicklung einer Liquiditätsstrategie

Liquiditätszonen werden üblicherweise gehandelt, indem man darauf wartet, dass der Kurs zurückkehrt und die Zone von Interesse erneut testet, oft durch die Platzierung von Pending Orders innerhalb dieser Bereiche. In diesem Artikel setzen wir MQL5 ein, um dieses Konzept praktisch umzusetzen. Wir zeigen, wie solche Zonen programmatisch identifiziert werden können und wie das Risikomanagement systematisch angewendet werden kann. Nehmen Sie an der Diskussion teil, in der wir sowohl die Logik hinter dem liquiditätsbasierten Handel als auch seine praktische Umsetzung untersuchen.
preview
MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 72): Verwendung der Muster von MACD und OBV mit überwachtem Lernen

MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 72): Verwendung der Muster von MACD und OBV mit überwachtem Lernen

Wir knüpfen an unseren letzten Artikel an, in dem wir das Indikatorpaar MACD und OBV vorgestellt haben, und untersuchen, wie dieses Paar durch maschinelles Lernen verbessert werden kann. MACD und OBV ergänzen sich in Bezug auf Trend und Volumen. Unser Ansatz des maschinellen Lernens verwendet ein neuronales Faltungsnetzwerk, das bei der Feinabstimmung der Prognosen dieses Indikatorpaares den Exponential-Kernel bei der Dimensionierung seiner Kerne und Kanäle einsetzt. Wie immer wird dies in einer nutzerdefinierten Signalklassendatei durchgeführt, die mit dem MQL5-Assistenten arbeitet, um einen Expert Advisor zusammenzustellen.
preview
Neuronale Netze im Handel: Vereinheitlichtes Trajektoriengenerierungsmodell (UniTraj)

Neuronale Netze im Handel: Vereinheitlichtes Trajektoriengenerierungsmodell (UniTraj)

Das Verständnis des Agentenverhaltens ist in vielen verschiedenen Bereichen wichtig, aber die meisten Methoden konzentrieren sich nur auf eine der Aufgaben (Verstehen, Rauschunterdrückung oder Vorhersage), was ihre Effektivität in realen Szenarien verringert. In diesem Artikel werden wir uns mit einem Modell vertraut machen, das sich an die Lösung verschiedener Probleme anpassen lässt.
preview
Neuronale Netze im Handel: Hyperbolisches latentes Diffusionsmodell (letzter Teil)

Neuronale Netze im Handel: Hyperbolisches latentes Diffusionsmodell (letzter Teil)

Die Verwendung anisotroper Diffusionsprozesse zur Kodierung der Ausgangsdaten in einem hyperbolischen latenten Raum, wie sie im HypDIff-Rahmen vorgeschlagen wird, trägt dazu bei, die topologischen Merkmale der aktuellen Marktsituation zu erhalten und verbessert die Qualität der Analyse. Im vorigen Artikel haben wir damit begonnen, die vorgeschlagenen Ansätze mit MQL5 zu implementieren. Heute werden wir die begonnene Arbeit fortsetzen und zu ihrem logischen Abschluss bringen.
preview
Neuronale Netze im Handel: Ein hybrider Handelsrahmen mit prädiktiver Kodierung (StockFormer)

Neuronale Netze im Handel: Ein hybrider Handelsrahmen mit prädiktiver Kodierung (StockFormer)

In diesem Artikel wird das hybride Handelssystem StockFormer vorgestellt, das die Algorithmen von Predictive Coding und dem Reinforcement Learning (RL) kombiniert. Das Framework verwendet 3 Transformer-Zweige mit einem integrierten Diversified Multi-Head Attention (DMH-Attn)-Mechanismus, der das ursprüngliche Aufmerksamkeitsmodul mit einem mehrköpfigen Block des Vorwärtsdurchlaufs verbessert und es ermöglicht, diverse Zeitreihenmuster über verschiedene Teilräume hinweg zu erfassen.
preview
Analyse mehrerer Symbole mit Python und MQL5 (Teil 3): Dreieck der Wechselkurse

Analyse mehrerer Symbole mit Python und MQL5 (Teil 3): Dreieck der Wechselkurse

Händler sehen sich oft mit Drawdowns aufgrund falscher Signale konfrontiert, während das Warten auf eine Bestätigung zu verpassten Chancen führen kann. In diesem Artikel wird eine dreieckige Handelsstrategie vorgestellt, die den Silberpreis in Dollar (XAGUSD) und Euro (XAGEUR) zusammen mit dem EURUSD-Wechselkurs verwendet, um das Rauschen herauszufiltern. Durch die Nutzung marktübergreifender Beziehungen können Händler versteckte Stimmungen aufdecken und ihre Eingaben in Echtzeit verfeinern.
preview
MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 66): Verwendung von FrAMA-Mustern und des Force Index mit dem Punktprodukt-Kernel

MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 66): Verwendung von FrAMA-Mustern und des Force Index mit dem Punktprodukt-Kernel

Der FrAMA-Indikator und der Force Index Oscillator sind Trend- und Volumeninstrumente, die bei der Entwicklung eines Expert Advisors kombiniert werden können. Wir knüpfen an unseren letzten Artikel an, in dem dieses Paar vorgestellt wurde, und betrachten die Anwendbarkeit des maschinellen Lernens auf dieses Paar. Wir verwenden ein neuronales Faltungsnetzwerk, das den Punkt-Produkt-Kernel bei der Erstellung von Prognosen mit den Eingaben dieser Indikatoren verwendet. Dies geschieht in einer nutzerdefinierten Signalklassendatei, die mit dem MQL5-Assistenten arbeitet, um einen Expert Advisor zusammenzustellen.
preview
MQL5-Assistenz-Techniken, die Sie kennen sollten (Teil 75): Verwendung des Awesome Oszillators und des Envelopes

MQL5-Assistenz-Techniken, die Sie kennen sollten (Teil 75): Verwendung des Awesome Oszillators und des Envelopes

Der Awesome Oscillator von Bill Williams und der Envelopes-Kanal sind ein Paar, das komplementär in einem MQL5 Expert Advisor verwendet werden kann. Wir verwenden den Awesome Oscillator wegen seiner Fähigkeit, Trends zu erkennen, während der Envelope-Kanal zur Definition unserer Unterstützungs-/Widerstandsniveaus herangezogen wird. Bei der Erkundung dieser Indikatorpaarung verwenden wir den MQL5-Assistenten, um das Potenzial dieser beiden Indikatoren zu ermitteln und zu testen.
preview
MQL5-Handelswerkzeuge (Teil 6): Dynamisches holografisches Dashboard mit Impulsanimationen und Steuerelementen

MQL5-Handelswerkzeuge (Teil 6): Dynamisches holografisches Dashboard mit Impulsanimationen und Steuerelementen

In diesem Artikel erstellen wir ein dynamisches holografisches Dashboard in MQL5 zur Überwachung von Symbolen und Zeitrahmen mit RSI, Volatilitätswarnungen und Sortieroptionen. Wir fügen eine pulsierende Animationen, interaktive Schaltflächen und holografische Effekte hinzu, um das Tool visuell ansprechend und reaktionsschnell zu gestalten.
preview
Automatisieren von Handelsstrategien in MQL5 (Teil 28): Erstellen eines Price Action Bat Harmonic Patterns mit visuellem Feedback

Automatisieren von Handelsstrategien in MQL5 (Teil 28): Erstellen eines Price Action Bat Harmonic Patterns mit visuellem Feedback

In diesem Artikel entwickeln wir ein Bat-Pattern-System in MQL5, das Auf- und Abwärtsmuster von Bat-Harmonic unter Verwendung von Umkehrpunkten und Fibonacci-Verhältnissen identifiziert und Handelsgeschäfte mit präzisen Einstiegs-, Stop-Loss- und Take-Profit-Levels auslöst, ergänzt durch visuelles Feedback durch Chart-Objekte
preview
Vom Neuling zum Experten: Backend Operations Monitor mit MQL5

Vom Neuling zum Experten: Backend Operations Monitor mit MQL5

Die Verwendung einer vorgefertigten Lösung im Handel, ohne sich mit der internen Funktionsweise des Systems zu befassen, mag zwar beruhigend klingen, doch ist dies für Entwickler nicht immer der Fall. Irgendwann tritt ein Upgrade, eine Leistungsstörung oder ein unerwarteter Fehler auf, und es ist wichtig, genau zu wissen, woher das Problem kommt, um es schnell zu diagnostizieren und zu beheben. Die heutige Diskussion konzentriert sich auf die Aufdeckung dessen, was normalerweise hinter den Kulissen eines Expert Advisors passiert, und auf die Entwicklung einer nutzerdefinierten Klasse für die Anzeige und Protokollierung von Backend-Prozessen mit MQL5. Dies gibt sowohl Entwicklern als auch Händlern die Möglichkeit, Fehler schnell zu lokalisieren, das Verhalten zu überwachen und auf spezifische Diagnoseinformationen für jeden EA zuzugreifen.
preview
Handel mit dem MQL5 Wirtschaftskalender (Teil 8): Optimierung des nachrichtengesteuerten Backtests mit intelligenter Ereignisfilterung und gezielten Protokollen

Handel mit dem MQL5 Wirtschaftskalender (Teil 8): Optimierung des nachrichtengesteuerten Backtests mit intelligenter Ereignisfilterung und gezielten Protokollen

In diesem Artikel optimieren wir unseren Wirtschaftskalender mit intelligenter Ereignisfilterung und gezielter Protokollierung für ein schnelleres, klareres Backtests im Live- und Offline-Modus. Wir rationalisieren die Ereignisverarbeitung und konzentrieren die Protokolle auf kritische Handels- und Dashboard-Ereignisse, um die Strategievisualisierung zu verbessern. Diese Verbesserungen ermöglichen ein nahtloses Testen und Verfeinern von nachrichtengesteuerten Handelsstrategien.
preview
Erstellung einer Strategie der Rückkehr zum Mittelwert auf der Grundlage von maschinellem Lernen

Erstellung einer Strategie der Rückkehr zum Mittelwert auf der Grundlage von maschinellem Lernen

In diesem Artikel wird ein weiterer, origineller Ansatz für die Entwicklung von Handelssystemen auf der Grundlage von maschinellem Lernen vorgeschlagen, bei dem Clustering und Trade Labeling für die Strategien der Rückkehr zum Mittelwert eingesetzt werden.
preview
Aufbau des Kerzenmodells Trend Constraint (Teil 10): Strategisches Goldenes und Todeskreuz (EA)

Aufbau des Kerzenmodells Trend Constraint (Teil 10): Strategisches Goldenes und Todeskreuz (EA)

Wussten Sie, dass die Strategien des Goldenen Kreuzes und des Todeskreuzes, die auf dem Überkreuzen gleitender Durchschnitte basieren, zu den zuverlässigsten Indikatoren für die Erkennung langfristiger Markttrends gehören? Ein Goldenes Kreuz signalisiert einen Aufwärtstrend, wenn der kürzerer gleitender Durchschnitt über den längeren Durchschnitt kreuzt, während ein Todeskreuz einen Abwärtstrend anzeigt, wenn der kürzere Durchschnitt den längeren nach nuten kreuzt. Trotz ihrer Einfachheit und Wirksamkeit führt die manuelle Anwendung dieser Strategien häufig zu verpassten Gelegenheiten oder verzögerten Abschlüssen.
preview
Neuronale Netze im Handel: Leichtgewichtige Modelle für die Zeitreihenprognose

Neuronale Netze im Handel: Leichtgewichtige Modelle für die Zeitreihenprognose

Leichtgewichtige Modelle zur Zeitreihenprognose erzielen eine hohe Leistung mit einer minimalen Anzahl von Parametern. Dies wiederum reduziert den Rechenaufwand und beschleunigt die Entscheidungsfindung. Trotz ihrer Einfachheit erreichen solche Modelle eine mit komplexeren Modellen vergleichbare Prognosequalität.
preview
Handel mit dem MQL5 Wirtschaftskalender (Teil 6): Automatisierung des Handelseinstiegs mit der Analyse von Nachrichtenereignissen und Countdown-Timern

Handel mit dem MQL5 Wirtschaftskalender (Teil 6): Automatisierung des Handelseinstiegs mit der Analyse von Nachrichtenereignissen und Countdown-Timern

In diesem Artikel implementieren wir einen automatischen Handelseinstieg mit dem MQL5-Wirtschaftskalender, indem wir nutzerdefinierte Filter und Zeitverschiebungen anwenden, um qualifizierte Nachrichtenereignisse zu identifizieren. Wir vergleichen die prognostizierten und die vorherigen Werte, um zu entscheiden, ob ein KAUF oder VERKAUF eröffnet werden soll. Dynamische Countdown-Timer zeigen die verbleibende Zeit bis zur Veröffentlichung von Nachrichten an und werden nach einem Handel automatisch zurückgesetzt.
preview
Neuronale Netze im Handel: Räumlich-zeitliches neuronales Netz (STNN)

Neuronale Netze im Handel: Räumlich-zeitliches neuronales Netz (STNN)

In diesem Artikel werden wir über die Verwendung von Raum-Zeit-Transformationen zur effektiven Vorhersage bevorstehender Kursbewegungen sprechen. Um die numerische Vorhersagegenauigkeit in STNN zu verbessern, wird ein kontinuierlicher Aufmerksamkeitsmechanismus vorgeschlagen, der es dem Modell ermöglicht, wichtige Aspekte der Daten besser zu berücksichtigen.
preview
Risikomanagement (Teil 3): Aufbau der Hauptklasse für das Risikomanagement

Risikomanagement (Teil 3): Aufbau der Hauptklasse für das Risikomanagement

In diesem Artikel beginnen wir mit der Erstellung einer zentralen Risikomanagementklasse, die für die Kontrolle der Risiken im System entscheidend sein wird. Wir werden uns darauf konzentrieren, die Grundlagen zu schaffen und die grundlegenden Strukturen, Variablen und Funktionen zu definieren. Darüber hinaus werden wir die notwendigen Methoden zur Festlegung von Gewinn- und Verlustobergrenzen einführen und damit die Grundlage für das Risikomanagement schaffen.
preview
Datenwissenschaft und ML (Teil 46): Aktienmarktprognosen mit N-BEATS in Python

Datenwissenschaft und ML (Teil 46): Aktienmarktprognosen mit N-BEATS in Python

N-BEATS ist ein revolutionäres Deep-Learning-Modell, das für die Prognose von Zeitreihen entwickelt wurde. Es wurde veröffentlicht, um die klassischen Modelle für Zeitreihenprognosen wie ARIMA, PROPHET, VAR usw. zu übertreffen. In diesem Artikel werden wir dieses Modell erörtern und es für die Vorhersage des Aktienmarktes verwenden.
preview
Aufbau eines Handelssystems (Teil 3): Bestimmung des Mindestrisikoniveaus für realistische Gewinnziele

Aufbau eines Handelssystems (Teil 3): Bestimmung des Mindestrisikoniveaus für realistische Gewinnziele

Das oberste Ziel eines jeden Händlers ist die Rentabilität. Deshalb setzen sich viele Händler bestimmte Gewinnziele, die sie innerhalb einer bestimmten Handelsperiode erreichen wollen. In diesem Artikel werden wir Monte-Carlo-Simulationen verwenden, um den optimalen Risikoprozentsatz pro Handel zu bestimmen, der erforderlich ist, um die Handelsziele zu erreichen. Die Ergebnisse helfen den Händlern zu beurteilen, ob ihre Gewinnziele realistisch oder zu ehrgeizig sind. Schließlich werden wir erörtern, welche Parameter angepasst werden können, um einen praktischen Risikoprozentsatz pro Handel festzulegen, der mit den Handelszielen übereinstimmt.
preview
Entwicklung eines Expertenberaters für mehrere Währungen (Teil 14): Adaptive Volumenänderung im Risikomanager

Entwicklung eines Expertenberaters für mehrere Währungen (Teil 14): Adaptive Volumenänderung im Risikomanager

Der zuvor entwickelte Risikomanager enthielt nur grundlegende Funktionen. Versuchen wir, mögliche Wege zu seiner Entwicklung zu betrachten, die es uns ermöglichen, die Handelsergebnisse zu verbessern, ohne die Logik der Handelsstrategien zu beeinträchtigen.
preview
Neuronale Netze im Handel: Optimierung des Transformers für Zeitreihenprognosen (LSEAttention)

Neuronale Netze im Handel: Optimierung des Transformers für Zeitreihenprognosen (LSEAttention)

Der LSEAttention-Rahmen bietet Verbesserungen der Transformer-Architektur. Es wurde speziell für langfristige multivariate Zeitreihenprognosen entwickelt. Die von den Autoren der Methode vorgeschlagenen Ansätze können angewandt werden, um Probleme des Entropiekollapses und der Lerninstabilität zu lösen, die bei einem einfachen Transformer häufig auftreten.
preview
Neuronale Netze im Handel: Hybride Graphsequenzmodelle (letzter Teil)

Neuronale Netze im Handel: Hybride Graphsequenzmodelle (letzter Teil)

Wir erforschen weiterhin hybride Graphsequenzmodelle (GSM++), die die Vorteile verschiedener Architekturen vereinen und eine hohe Analysegenauigkeit sowie eine effiziente Verteilung der Rechenressourcen bieten. Diese Modelle erkennen verborgene Muster, verringern die Auswirkungen von Marktstörungen und verbessern die Prognosequalität.
preview
Entwicklung eines Expertenberaters für mehrere Währungen (Teil 24): Hinzufügen einer neuen Strategie (I)

Entwicklung eines Expertenberaters für mehrere Währungen (Teil 24): Hinzufügen einer neuen Strategie (I)

In diesem Artikel werden wir uns ansehen, wie man eine neue Strategie mit dem von uns erstellten Auto-Optimierungssystem verbindet. Schauen wir uns an, welche Art von EAs wir erstellen müssen und ob es möglich ist, ohne Änderung der EA-Bibliotheksdateien auszukommen oder die notwendigen Änderungen zu minimieren.
preview
MQL5-Assistent-Techniken, die Sie kennen sollten (Teil 61): Verwendung von ADX- und CCI-Mustern mit überwachtem Lernen

MQL5-Assistent-Techniken, die Sie kennen sollten (Teil 61): Verwendung von ADX- und CCI-Mustern mit überwachtem Lernen

Die Oszillatoren ADX und CCI sind Trendfolge- und Momentum-Indikatoren, die bei der Entwicklung eines Expert Advisors miteinander kombiniert werden können. Wir sehen uns an, wie dies durch die Verwendung aller 3 Haupttrainingsarten des maschinellen Lernens systematisiert werden kann. Die Wizard Assembled Expert Advisors ermöglichen es uns, die von diesen beiden Indikatoren dargestellten Muster zu bewerten, und wir beginnen damit, zu untersuchen, wie Supervised-Learning auf diese Muster angewendet werden kann.
preview
Statistische Arbitrage durch kointegrierte Aktien (Teil 3): Datenbank-Einrichtung

Statistische Arbitrage durch kointegrierte Aktien (Teil 3): Datenbank-Einrichtung

In diesem Artikel wird ein Beispiel für die Implementierung eines MQL5-Dienstes zur Aktualisierung einer neu erstellten Datenbank vorgestellt, die als Quelle für die Datenanalyse und für den Handel mit einem Korb kointegrierter Aktien dient. Der Grundgedanke des Datenbankentwurfs wird ausführlich erläutert und das Datenwörterbuch wird als Referenz dokumentiert. MQL5- und Python-Skripte werden für die Erstellung der Datenbank, die Initialisierung des Schemas und die Eingabe der Marktdaten bereitgestellt.
preview
Aufbau von KI-gestützten Handelssystemen in MQL5 (Teil 3): Upgrade auf eine scrollbare, auf den Einzelchat ausgerichtete Nutzeroberfläche

Aufbau von KI-gestützten Handelssystemen in MQL5 (Teil 3): Upgrade auf eine scrollbare, auf den Einzelchat ausgerichtete Nutzeroberfläche

In diesem Artikel aktualisieren wir das in ChatGPT integrierte Programm in MQL5 zu einer scrollbaren, auf einen einzelnen Chat ausgerichteten Nutzeroberfläche und verbessern die Anzeige des Gesprächsverlaufs mit Zeitstempeln und dynamischem Scrollen. Das System basiert auf JSON-Parsing, um Multi-Turn-Meldungen zu verwalten, und unterstützt anpassbare Modi der Schieberegler und Hover-Effekte für eine verbesserte Nutzerinteraktion.
preview
Der Algorithmus Atomic Orbital Search (AOS) Modifizierung

Der Algorithmus Atomic Orbital Search (AOS) Modifizierung

Im zweiten Teil des Artikels werden wir die Entwicklung einer modifizierten Version des AOS-Algorithmus (Atomic Orbital Search) fortsetzen und uns dabei auf bestimmte Operatoren konzentrieren, um seine Effizienz und Anpassungsfähigkeit zu verbessern. Nach einer Analyse der Grundlagen und der Mechanik des Algorithmus werden wir Ideen zur Verbesserung seiner Leistung und seiner Fähigkeit, komplexe Lösungsräume zu analysieren, diskutieren und neue Ansätze zur Erweiterung seiner Funktionalität als Optimierungswerkzeug vorschlagen.
preview
Entwicklung eines Replay Systems (Teil 50): Die Dinge werden kompliziert (II)

Entwicklung eines Replay Systems (Teil 50): Die Dinge werden kompliziert (II)

Wir werden das Problem der Chart-ID lösen und gleichzeitig dem Nutzer die Möglichkeit geben, eine persönliche Vorlage für die Analyse und Simulation des gewünschten Assets zu verwenden. Das hier vorgestellte Material dient ausschließlich didaktischen Zwecken und sollte in keiner Weise als Anwendung für einen anderen Zweck als das Studium und die Beherrschung der vorgestellten Konzepte betrachtet werden.
preview
Implementierung von praktischen Modulen aus anderen Sprachen in MQL5 (Teil 03): Zeitplan-Modul von Python, das OnTimer-Ereignis auf Steroiden

Implementierung von praktischen Modulen aus anderen Sprachen in MQL5 (Teil 03): Zeitplan-Modul von Python, das OnTimer-Ereignis auf Steroiden

Das Schedule-Modul in Python bietet eine einfache Möglichkeit, wiederkehrende Aufgaben zu planen. Während MQL5 kein eingebautes Äquivalent hat, werden wir in diesem Artikel eine ähnliche Bibliothek implementieren, um die Einrichtung von zeitgesteuerten Ereignissen in MetaTrader 5 zu erleichtern.
preview
Langfristige Handelsgeschäfte optimieren: Engulfing-Kerzenmuster und Liquiditätsstrategien

Langfristige Handelsgeschäfte optimieren: Engulfing-Kerzenmuster und Liquiditätsstrategien

Dies ist ein EA, der auf einem hohen Zeitrahmen basiert und langfristige Analysen, Handelsentscheidungen und Ausführungen auf der Grundlage von Analysen auf einem höheren Zeitrahmen von W1, D1 und MN vornimmt. Dieser Artikel befasst sich ausführlich mit einem EA, der speziell für langfristige Händler entwickelt wurde, die geduldig genug sind, um ihre Positionen während turbulenter Kursbewegungen im unteren Zeitrahmen zu halten, ohne ihre Ausrichtung häufig zu ändern, bis die Take-Profit-Ziele erreicht sind.
preview
Entwicklung eines Replay System (Teil 34): Auftragssystem (III)

Entwicklung eines Replay System (Teil 34): Auftragssystem (III)

In diesem Artikel werden wir die erste Phase der Konstruktion abschließen. Obwohl dieser Teil recht schnell erledigt ist, werde ich auf Details eingehen, die zuvor nicht besprochen wurden. Ich werde einige Punkte erklären, die viele nicht verstehen. Wissen Sie, warum Sie die Umschalttaste oder die Strg-Taste drücken müssen?
preview
Neuronale Netze im Handel: Hierarchisches Lernen der Merkmale von Punktwolken

Neuronale Netze im Handel: Hierarchisches Lernen der Merkmale von Punktwolken

Wir untersuchen weiterhin Algorithmen zur Extraktion von Merkmalen aus einer Punktwolke. In diesem Artikel werden wir uns mit den Mechanismen zur Steigerung der Effizienz der PointNet-Methode vertraut machen.
preview
Einführung in MQL5 (Teil 22): Aufbau eines Expert Advisors für das harmonische Muster 5-0

Einführung in MQL5 (Teil 22): Aufbau eines Expert Advisors für das harmonische Muster 5-0

Dieser Artikel erklärt, wie man das harmonische Muster 5-0 in MQL5 erkennt und handelt, es mit Hilfe von Fibonacci-Levels validiert und auf dem Chart anzeigt.