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
Die Grenzen des maschinellen Lernens überwinden (Teil 9): Korrelationsbasierte Lernen von Merkmalen im selbstüberwachten Finanzwesen

Die Grenzen des maschinellen Lernens überwinden (Teil 9): Korrelationsbasierte Lernen von Merkmalen im selbstüberwachten Finanzwesen

Selbstüberwachtes Lernen ist ein leistungsstarkes Paradigma des statistischen Lernens, das nach Überwachungssignalen sucht, die aus den Beobachtungen selbst generiert werden. Mit diesem Ansatz werden schwierige Probleme des unüberwachten Lernens in vertrautere überwachte Probleme umgewandelt. Diese Technologie hat Anwendungen für unser Ziel als Gemeinschaft von algorithmischen Händlern übersehen. Unsere Diskussion zielt daher darauf ab, dem Leser eine leicht verständliche Brücke in das offene Forschungsgebiet des selbstüberwachten Lernens zu schlagen und bietet praktische Anwendungen, die robuste und zuverlässige statistische Modelle der Finanzmärkte ohne Überanpassung an kleine Datensätze liefern.
preview
Wiederverwendung von ungültig gemachten Orderblöcken als Mitigation Blocks (SMC)

Wiederverwendung von ungültig gemachten Orderblöcken als Mitigation Blocks (SMC)

In diesem Artikel untersuchen wir, wie zuvor für ungültig erklärte Orderblöcke als Mitigation Blocks innerhalb von Smart Money Concepts (SMC) wiederverwendet werden können. Diese Zonen zeigen, wo institutionelle Händler nach einer fehlgeschlagenen Auftragssperre wieder in den Markt einsteigen, und bieten Bereiche mit hoher Wahrscheinlichkeit für eine Fortsetzung des Handels im vorherrschenden Trend.
preview
Neuronale Netze im Handel: Hybride Graphsequenzmodelle (GSM++)

Neuronale Netze im Handel: Hybride Graphsequenzmodelle (GSM++)

Hybride Graphsequenzmodelle (GSM++) kombinieren die Vorteile verschiedener Architekturen, um eine realitätsnahe Datenanalyse und optimierte Rechenkosten zu ermöglichen. Diese Modelle passen sich effektiv an dynamische Marktdaten an und verbessern die Darstellung und Verarbeitung von Finanzinformationen.
preview
Trend-Kriterien. Abschluss

Trend-Kriterien. Abschluss

In diesem Artikel werden wir uns mit den Besonderheiten der Anwendung einiger Trendkriterien in der Praxis befassen. Wir werden auch versuchen, mehrere neue Kriterien zu entwickeln. Der Schwerpunkt wird auf der Effizienz der Anwendung dieser Kriterien auf die Analyse von Marktdaten und den Handel liegen.
preview
Entwicklung eines Expert Advisors für mehrere Währungen (Teil 23): Ordnung in den Ablauf automatischer Projektoptimierungsstufe bringen (II)

Entwicklung eines Expert Advisors für mehrere Währungen (Teil 23): Ordnung in den Ablauf automatischer Projektoptimierungsstufe bringen (II)

Unser Ziel ist es, ein System zur automatischen periodischen Optimierung von Handelsstrategien zu schaffen, die in einem endgültigen EA verwendet werden. Im Laufe der Entwicklung wird das System immer komplexer, sodass es von Zeit zu Zeit in seiner Gesamtheit betrachtet werden muss, um Engpässe und suboptimale Lösungen zu ermitteln.
preview
Neuronale Netze im Handel: Zweidimensionale Verbindungsraummodelle (letzter Teil)

Neuronale Netze im Handel: Zweidimensionale Verbindungsraummodelle (letzter Teil)

Wir erforschen weiterhin den innovativen Chimera-Rahmen – ein zweidimensionales Zustandsraummodell, das neuronale Netzwerktechnologien zur Analyse mehrdimensionaler Zeitreihen nutzt. Diese Methode bietet eine hohe Vorhersagegenauigkeit bei geringen Rechenkosten.
preview
Data Science und ML (Teil 48): Sind Transformer für das Trading wirklich relevant?

Data Science und ML (Teil 48): Sind Transformer für das Trading wirklich relevant?

Von ChatGPT über Gemini bis hin zu zahlreichen KI-Tools zur Text-, Bild- und Videogenerierung – Transformer haben die KI-Welt tiefgreifend verändert. Aber sind sie auch auf den Finanzbereich (Handel) anwendbar? Finden wir es heraus.
preview
Automatisierung von Handelsstrategien in MQL5 (Teil 47): Nick Rypock Trailing Reverse (NRTR) mit Hedging-Funktionen

Automatisierung von Handelsstrategien in MQL5 (Teil 47): Nick Rypock Trailing Reverse (NRTR) mit Hedging-Funktionen

In diesem Artikel entwickeln wir ein Nick Rypock Trailing Reverse (NRTR) Handelssystem in MQL5, das Channel-Indikatoren für Umkehrsignale verwendet und trendfolgende Einstiege mit Hedging-Unterstützung für Long- und Short-Positionen ermöglicht. Wir integrieren Risikomanagement-Funktionen wie automatische Berechnung der Lot-Größen auf der Basis von Kontoeigenkapital (equity) oder Kontostand (balance), feste oder dynamische Stop-Loss- und Take-Profit-Niveaus unter Verwendung von ATR-Multiplikatoren und Positionslimits.
preview
Neuronale Netze leicht gemacht (Teil 97): Modelle mit MSFformer trainieren

Neuronale Netze leicht gemacht (Teil 97): Modelle mit MSFformer trainieren

Bei der Erforschung verschiedener Modellarchitekturen wird dem Prozess des Modelltrainings oft nicht genügend Aufmerksamkeit geschenkt. In diesem Artikel möchte ich diese Lücke schließen.
preview
Neuronale Netze im Handel: Integration der Chaostheorie in die Zeitreihenprognose (Attraos)

Neuronale Netze im Handel: Integration der Chaostheorie in die Zeitreihenprognose (Attraos)

Das Attraos-Framework integriert die Chaostheorie in die langfristige Zeitreihenprognose und behandelt sie als Projektionen mehrdimensionaler chaotischer dynamischer Systeme. Unter Ausnutzung der Attraktorinvarianz nutzt das Modell die Phasenraumrekonstruktion und das dynamische Speicher-Modul mit mehreren Auflösungsebenen, um historische Strukturen zu erhalten.
preview
Entwicklung eines Multi-Currency Expert Advisors (Teil 26): Informer für Handelsinstrumente

Entwicklung eines Multi-Currency Expert Advisors (Teil 26): Informer für Handelsinstrumente

Bevor wir mit der Entwicklung von Mehrwährungs-EAs fortfahren, wollen wir versuchen, ein neues Projekt mit der entwickelten Bibliothek zu erstellen. In diesem Beispiel wird gezeigt, wie man die Speicherung von Quellcode am besten organisiert und wie das neue Code-Repository von MetaQuotes uns dabei helfen kann.
preview
Verstärkte Gewinnarchitektur: Mehrschichtiger Kontoschutz

Verstärkte Gewinnarchitektur: Mehrschichtiger Kontoschutz

In dieser Diskussion stellen wir ein strukturiertes, mehrschichtiges Verteidigungssystem vor, das darauf ausgelegt ist, aggressive Gewinnziele zu verfolgen und gleichzeitig das Risiko katastrophaler Verluste zu minimieren. Der Schwerpunkt liegt auf der Verbindung einer offensiven Handelslogik mit Schutzmaßnahmen auf jeder Ebene der Handelskette. Die Idee ist, einen EA zu entwickeln, der sich wie ein „risikobewusstes Raubtier“ verhält – fähig, hochwertige Gelegenheiten zu ergreifen,jedoch stets mit einem mehrschichtigen Schutz, um zu verhindern, dass man von plötzlichen Marktturbulenzen überrascht wird.
preview
Neuronale Netze im Handel: Ein multimodaler, werkzeuggestützter Agent für Finanzmärkte (FinAgent)

Neuronale Netze im Handel: Ein multimodaler, werkzeuggestützter Agent für Finanzmärkte (FinAgent)

Wir laden Sie ein, FinAgent kennenzulernen, ein multimodales Finanzhandelsagenten-Framework zur Analyse verschiedener Datentypen, die die Marktdynamik und historische Handelsmuster widerspiegeln.
preview
Statistische Arbitrage durch kointegrierte Aktien (Teil 5): Screening

Statistische Arbitrage durch kointegrierte Aktien (Teil 5): Screening

In diesem Artikel wird ein Verfahren zum Screening von Vermögenswerten für eine statistische Arbitragestrategie durch kointegrierte Aktien vorgeschlagen. Das System beginnt mit der regulären Filterung nach wirtschaftlichen Faktoren, wie z. B. Vermögensbereich und Branche, und endet mit einer Liste von Kriterien für ein Scoring-System. Für jeden statistischen Test, der beim Screening verwendet wurde, wurde eine entsprechende Python-Klasse entwickelt: Pearson-Korrelation, Engle-Granger-Kointegration, Johansen-Kointegration und ADF/KPSS-Stationarität. Diese Python-Klassen werden zusammen mit einer persönlichen Anmerkung des Autors über den Einsatz von KI-Assistenten für die Softwareentwicklung bereitgestellt.
preview
Arbitrage-Handel im Forex: Ein einfacher synthetischer Market-Maker-Bot für den Einstieg

Arbitrage-Handel im Forex: Ein einfacher synthetischer Market-Maker-Bot für den Einstieg

Heute werfen wir einen Blick auf meinen ersten Arbitrage-Roboter – einen Liquiditätsanbieter (wenn man ihn so nennen kann) für synthetische Vermögenswerte. Derzeit arbeitet dieser Bot erfolgreich als Modul in einem großen maschinellen Lernsystem, aber ich habe einen alten Forex-Arbitrage-Roboter aus der Cloud geholt, also lassen Sie uns einen Blick darauf werfen und darüber nachdenken, was wir heute damit machen können.
preview
Aufbau von KI-gestützten Handelssystemen in MQL5 (Teil 8): UI-Polnisch mit Animationen, zeitlichen Metriken und Tools für das Reaktionsmanagement

Aufbau von KI-gestützten Handelssystemen in MQL5 (Teil 8): UI-Polnisch mit Animationen, zeitlichen Metriken und Tools für das Reaktionsmanagement

In diesem Artikel erweitern wir das KI-gestützte Handelssystem in MQL5 um Verbesserungen der Nutzeroberfläche, einschließlich Ladeanimationen für die Vorbereitungs- und Denkphasen von Anfragen sowie Zeitmesswerte, die in den Antworten für ein besseres Feedback angezeigt werden. Wir fügen Tools zur Verwaltung von Antworten hinzu, wie z. B. Schaltflächen zum erneuten Abfragen der KI und Exportoptionen zum Speichern der letzten Antwort in einer Datei, um die Interaktion zu optimieren.
preview
Entwicklung eines Toolkits zur Preisaktionsanalyse (Teil 54): Filtern von Trends mit EMA und geglätteter Kursbewegung

Entwicklung eines Toolkits zur Preisaktionsanalyse (Teil 54): Filtern von Trends mit EMA und geglätteter Kursbewegung

In diesem Artikel wird eine Methode untersucht, die Heikin-Ashi-Glättung mit EMA20-Hoch- und -Tiefgrenzen und einem EMA50-Trendfilter kombiniert, um die Klarheit und das Timing des Handels zu verbessern. Es wird aufgezeigt, wie diese Tools Händlern dabei helfen können, echte Impulse zu erkennen, Rauschen herauszufiltern und sich besser auf volatilen Märkten oder in Trends zurechtzufinden.
preview
MQL5-Handelswerkzeuge (Teil 9): Entwicklung eines Ersteinrichtungsassistenten für Expert Advisors mit scrollbarem Leitfaden

MQL5-Handelswerkzeuge (Teil 9): Entwicklung eines Ersteinrichtungsassistenten für Expert Advisors mit scrollbarem Leitfaden

In diesem Artikel entwickeln wir einen MQL5-Erstanwender-Setup-Assistenten für Expert Advisors mit einem scrollbaren Leitfaden mit interaktivem Dashboard, dynamischer Textformatierung und visuellen Steuerelementen wie Schaltflächen und Kontrollkästchen, die es dem Anwender ermöglichen, Anweisungen zu navigieren und Handelsparameter effizient zu konfigurieren. Die Nutzer des Programms erhalten einen Einblick in die Funktionsweise des Programms und in die ersten Schritte, die sie unternehmen müssen, ähnlich wie bei einem Orientierungsmodell.
preview
Billard-Optimierungsalgorithmus (BOA)

Billard-Optimierungsalgorithmus (BOA)

Die BOA-Methode ist vom klassischen Billardspiel inspiriert und simuliert die Suche nach optimalen Lösungen als ein Spiel, bei dem die Kugeln versuchen, in die Taschen zu fallen, die die besten Ergebnisse darstellen. In diesem Artikel werden wir die Grundlagen von BOA, sein mathematisches Modell und seine Effizienz bei der Lösung verschiedener Optimierungsprobleme betrachten.
preview
Statistische Arbitrage durch kointegrierte Aktien (Teil 7): Punktesystem 2

Statistische Arbitrage durch kointegrierte Aktien (Teil 7): Punktesystem 2

In diesem Artikel werden zwei zusätzliche Bewertungskriterien für die Auswahl von Aktienkörben beschrieben, die im Rahmen der Strategien von der Rückkehr zum Mittelwert gehandelt werden sollen, genauer gesagt im Rahmen der kointegrationsbasierten statistischen Arbitrage. Er ergänzt einen früheren Artikel, in dem die Liquidität und die Stärke der Kointegrationsvektoren sowie die strategischen Kriterien des Zeitrahmens und des Rückblickzeitraums vorgestellt wurden, durch die Einbeziehung der Stabilität der Kointegrationsvektoren und der Zeit bis zur Rückkehr zum Mittelwert (Halbwertszeit). Der Artikel enthält die kommentierten Ergebnisse eines Backtests, bei dem die neuen Filter angewandt wurden, und die für die Reproduktion erforderlichen Dateien werden ebenfalls bereitgestellt.
preview
Statistische Arbitrage durch kointegrierte Aktien (Teil 8): Rolling-Windows-Eigenvektor-Vergleich für Portfolio-Rebalancing

Statistische Arbitrage durch kointegrierte Aktien (Teil 8): Rolling-Windows-Eigenvektor-Vergleich für Portfolio-Rebalancing

In diesem Artikel wird die Verwendung des Rolling-Windows-Eigenvektor-Vergleichs für die frühzeitige Diagnose von Ungleichgewichten und das Rebalancing des Portfolios in einer statistischen Arbitragestrategie der Rückkehr zum Mittelwert (Mean-Reversion) auf der Grundlage kointegrierter Aktien vorgeschlagen. Sie stellt diese Technik der traditionellen In-Sample/Out-of-Sample-ADF-Validierung gegenüber und zeigt, dass Eigenvektorverschiebungen die Notwendigkeit einer Neugewichtung signalisieren können, selbst wenn die IS/OOS-ADF immer noch eine stationäre Streuung anzeigt. Obwohl die Methode hauptsächlich für die Überwachung des Live-Handels gedacht ist, kommt der Artikel zu dem Schluss, dass der Eigenvektorvergleich auch in das Scoring-System integriert werden könnte – obwohl sein tatsächlicher Beitrag zur Leistung noch getestet werden muss.
preview
Neuronale Netze im Handel: Hierarchical Dual-Tower Transforme (letzter Teil)

Neuronale Netze im Handel: Hierarchical Dual-Tower Transforme (letzter Teil)

Wir setzen die Entwicklung des Modells von „Hidformer Hierarchical Dual-Tower Transformer“ fort, das für die Analyse und Vorhersage komplexer multivariater Zeitreihen entwickelt wurde. In diesem Artikel werden wir die Arbeit, die wir zuvor begonnen haben, zu einem logischen Abschluss bringen - wir werden das Modell an realen historischen Daten testen.
preview
Larry Williams‘ Geheimnisse des Marktes (Teil 8): Kombination von Volatilitäts-, Struktur- und Zeitfiltern

Larry Williams‘ Geheimnisse des Marktes (Teil 8): Kombination von Volatilitäts-, Struktur- und Zeitfiltern

Eine ausführliche Darstellung des Aufbaus eines von Larry Williams inspirierten Volatilitäts-Breakout Expert Advisors in MQL5, der Swing-Struktur, volatilitätsbasierten Eröffnungen, Filterung des Handelstages der Woche, Zeitfilter und flexiblem Risikomanagement kombiniert, mit einer vollständigen Implementierung und reproduzierbarem Testaufbau.
preview
Neuronale Netze im Handel: Speichererweitertes kontextbezogenes Lernen für Kryptowährungsmärkte (letzter Teil)

Neuronale Netze im Handel: Speichererweitertes kontextbezogenes Lernen für Kryptowährungsmärkte (letzter Teil)

Das MacroHFT-Framework für den Hochfrequenzhandel mit Kryptowährungen nutzt kontextbezogenes Verstärkungslernen und Speicher, um sich an dynamische Marktbedingungen anzupassen. Am Ende dieses Artikels werden wir die implementierten Ansätze an realen historischen Daten testen, um ihre Wirksamkeit zu bewerten.
preview
Selbstoptimierende Expert Advisors in MQL5 (Teil 15): Identifizierung linearer Systeme

Selbstoptimierende Expert Advisors in MQL5 (Teil 15): Identifizierung linearer Systeme

Es kann schwierig sein, Handelsstrategien zu verbessern, weil wir oft nicht ganz verstehen, was die Strategie falsch macht. In dieser Diskussion führen wir die lineare Systemidentifikation ein, ein Teilgebiet der Kontrolltheorie. Lineare Rückkopplungssysteme können aus Daten lernen, um die Fehler eines Systems zu erkennen und sein Verhalten auf die gewünschten Ergebnisse auszurichten. Auch wenn diese Methoden keine vollständig interpretierbaren Erklärungen liefern, sind sie doch weitaus wertvoller, als überhaupt kein Kontrollsystem zu haben. Lassen Sie uns die Identifizierung linearer Systeme untersuchen und beobachten, wie sie uns als algorithmische Händler helfen kann, die Kontrolle über unsere Handelsanwendungen zu behalten.
preview
Python-MetaTrader 5 Strategietester (Teil 04): Tester 101

Python-MetaTrader 5 Strategietester (Teil 04): Tester 101

In diesem faszinierenden Artikel bauen wir unseren allerersten Handelsroboter im Simulator auf und führen eine Strategietest-Aktion durch, die der Funktionsweise des MetaTrader 5-Strategietesters ähnelt. Anschließend vergleichen wir die Ergebnisse einer nutzerdefinierten Simulation mit unserem bevorzugten Terminal.
preview
Neuronale Netze im Handel: Verbesserung des Wirkungsgrads des Transformers durch Verringerung der Schärfe (SAMformer)

Neuronale Netze im Handel: Verbesserung des Wirkungsgrads des Transformers durch Verringerung der Schärfe (SAMformer)

Das Training von Transformer-Modellen erfordert große Datenmengen und ist oft schwierig, da die Modelle nicht gut auf kleine Datensätze verallgemeinert werden können. Der SAMformer-Rahmen hilft bei der Lösung dieses Problems, indem er schlechte lokale Minima vermeidet. Dadurch wird die Effizienz der Modelle auch bei begrenzten Trainingsdaten verbessert.
preview
Erstellen von nutzerdefinierten Indikatoren in MQL5 (Teil 3): Erweiterungen auf Multi-Messuhren mit Sektor- und Rundstilen

Erstellen von nutzerdefinierten Indikatoren in MQL5 (Teil 3): Erweiterungen auf Multi-Messuhren mit Sektor- und Rundstilen

In diesem Artikel erweitern wir den Indikator auf Basis von Messuhren in MQL5, um mehrere Oszillatoren zu unterstützen und dem Nutzer die Auswahl durch eine Enumeration für einzelne oder kombinierte Anzeigen zu ermöglichen. Wir führen sektorale und runde Messuhren-Stile über abgeleitete Klassen eines Basis-Messuhren-Systems ein und verbessern die Falldarstellung mit Bögen, Linien und Polygonen für ein verfeinertes visuelles Erscheinungsbild.
preview
Neuronale Netze im Handel: Zweidimensionale Verbindungsraummodelle (Chimera)

Neuronale Netze im Handel: Zweidimensionale Verbindungsraummodelle (Chimera)

In diesem Artikel wird das innovative Chimera-System vorgestellt: ein zweidimensionales Zustandsraummodell, das neuronale Netze zur Analyse multivariater Zeitreihen verwendet. Diese Methode bietet eine hohe Genauigkeit bei geringen Rechenkosten und übertrifft damit traditionelle Ansätze und Transformer-Architekturen.
preview
Neuronale Netze im Trading: Generalisierung von Zeitreihen ohne Abhängigkeit von spezifischen Daten (Kernmodule des Modells)

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.
preview
Entwicklung einer Handelsstrategie: Die Triple-Sinus-Mittelwertumkehrmethode

Entwicklung einer Handelsstrategie: Die Triple-Sinus-Mittelwertumkehrmethode

In diesem Artikel wird die Methode der Triple Sine Mean Reversion vorgestellt, eine Handelsstrategie, die auf einem neuen mathematischen Indikator basiert – dem Triple Sine Oscillator (TSO). Der TSO ist von der kubischen Sinusfunktion abgeleitet, die zwischen -1 und +1 oszilliert und sich daher zur Erkennung überkaufter und überverkaufter Marktbedingungen eignet. Insgesamt zeigt die Studie, wie mathematische Funktionen in praktische Handelsinstrumente umgewandelt werden können.
preview
Neuronale Netze im Handel: Verringerung des Speicherverbrauchs mit der Adam-mini-Optimierung

Neuronale Netze im Handel: Verringerung des Speicherverbrauchs mit der Adam-mini-Optimierung

Eine der Möglichkeiten zur Steigerung der Effizienz des Modelltrainings und des Konvergenzprozesses ist die Verbesserung der Optimierungsmethoden. Adam-mini ist eine adaptive Optimierungsmethode, die den grundlegenden Adam-Algorithmus verbessern soll.
preview
Python-MetaTrader 5 Strategietester (Teil 03): MetaTrader 5-ähnliche Handelsoperationen – Handhabung und Verwaltung

Python-MetaTrader 5 Strategietester (Teil 03): MetaTrader 5-ähnliche Handelsoperationen – Handhabung und Verwaltung

In diesem Artikel stellen wir Python-MetaTrader 5-ähnliche Wege vor, um Handelsoperationen wie das Öffnen, Schließen und Ändern von Aufträgen im Simulator zu handhaben. Um sicherzustellen, dass sich die Simulation wie MetaTrader 5 verhält, ist eine strenge Validierungsschicht für Handelsanfragen implementiert, die die Parameter des Symbolhandels und die typischen Brokerage-Einschränkungen berücksichtigt.
preview
Entwicklung eines Expert Advisors für mehrere Währungen (Teil 21): Vorbereitungen für ein wichtiges Experiment und Optimierung des Codes

Entwicklung eines Expert Advisors für mehrere Währungen (Teil 21): Vorbereitungen für ein wichtiges Experiment und Optimierung des Codes

Um weitere Fortschritte zu erzielen, wäre es gut zu sehen, ob wir die Ergebnisse verbessern können, indem wir die automatische Optimierung in regelmäßigen Abständen erneut durchführen und einen neuen EA erstellen. Der Stolperstein in vielen Debatten über den Einsatz der Parameteroptimierung ist die Frage, wie lange die erhaltenen Parameter für den Handel in der Zukunft verwendet werden können, während die Rentabilität und der Drawdown auf dem vorgegebenen Niveau bleiben. Und ist das überhaupt möglich?
preview
MQL5-Handelswerkzeuge (Teil 10): Aufbau eines Strategieverfolgungssystems mit visuellen Ebenen und Erfolgsmetriken

MQL5-Handelswerkzeuge (Teil 10): Aufbau eines Strategieverfolgungssystems mit visuellen Ebenen und Erfolgsmetriken

In diesem Artikel entwickeln wir ein MQL5-Strategie-Trackersystem, das das Kreuzen von gleitenden Durchschnitte erkennt, die von einem langfristigen MA gefiltert werden, Handelsgeschäfte mit konfigurierbaren TP-Levels und SL in Punkten simuliert oder ausführt und Ergebnisse wie TP/SL-Treffer zur Leistungsanalyse überwacht.
preview
Entwicklung einer Handelsstrategie: Verwendung eines volumenabhängigen Ansatzes

Entwicklung einer Handelsstrategie: Verwendung eines volumenabhängigen Ansatzes

In der Welt der technischen Analyse steht der Preis oft im Mittelpunkt. Händler zeichnen akribisch Unterstützung, Widerstand und Muster auf, ignorieren aber häufig die entscheidende Kraft, die diese Bewegungen antreibt: das Volumen. Dieser Artikel befasst sich mit einem neuartigen Ansatz zur Volumenanalyse: dem Volume Boundary Indikator. Diese Transformation, bei der ausgefeilte Glättungsfunktionen wie die Schmetterlings- und Triple-Sinuskurve zum Einsatz kommen, ermöglicht eine klarere Interpretation und die Entwicklung systematischer Handelsstrategien.
preview
Die Grenzen des maschinellen Lernens überwinden (Teil 7): Automatische Strategieauswahl

Die Grenzen des maschinellen Lernens überwinden (Teil 7): Automatische Strategieauswahl

Dieser Artikel zeigt, wie man mit MetaTrader 5 automatisch potenziell profitable Handelsstrategien identifizieren kann. White-Box-Lösungen, die auf unüberwachter Matrixfaktorisierung beruhen, sind schneller zu konfigurieren, leichter zu interpretieren und bieten eine klare Anleitung, welche Strategien beibehalten werden sollen. Black-Box-Lösungen sind zwar zeitaufwändiger, eignen sich aber besser für komplexe Marktbedingungen, die mit White-Box-Ansätzen nicht erfasst werden können. Diskutieren Sie mit uns, wie unsere Handelsstrategien uns helfen können, unter allen Umständen profitable Strategien zu identifizieren.
preview
Entwicklung eines Replay Systems (Teil 55): Steuermodul

Entwicklung eines Replay Systems (Teil 55): Steuermodul

In diesem Artikel werden wir einen Kontrollindikator implementieren, damit er in das von uns entwickelte Nachrichtensystem integriert werden kann. Obwohl es nicht sehr schwierig ist, gibt es einige Details, die bei der Initialisierung dieses Moduls beachtet werden müssen. Das hier vorgestellte Material dient ausschließlich zu Bildungszwecken. Es sollte auf keinen Fall als Anwendung für einen anderen Zweck als das Lernen und Beherrschen der gezeigten Konzepte betrachtet werden.
preview
Auf Markov-Ketten basierendes Matrix-Prognosemodell

Auf Markov-Ketten basierendes Matrix-Prognosemodell

Wir werden ein Matrix-Prognosemodell auf der Grundlage einer Markov-Kette erstellen. Was sind Markov-Ketten, und wie können wir eine Markov-Kette für den Devisenhandel nutzen?
preview
MetaTrader 5 Machine Learning Blueprint (Teil 6): Entwicklung eines produktionsgerechten Caching-Systems

MetaTrader 5 Machine Learning Blueprint (Teil 6): Entwicklung eines produktionsgerechten Caching-Systems

Sind Sie es leid, Fortschrittsbalken zu beobachten, anstatt Handelsstrategien zu testen? Die herkömmliche Zwischenspeicherung versagt bei Financial ML, sodass Sie mit verlorenen Berechnungen und frustrierenden Neustarts konfrontiert werden. Wir haben eine ausgeklügelte Caching-Architektur entwickelt, die den besonderen Herausforderungen von Finanzdaten gerecht wird: zeitliche Abhängigkeiten, komplexe Datenstrukturen und die ständige Gefahr einer Verzerrung durch Vorausschau. Unser dreischichtiges System sorgt für drastische Geschwindigkeitsverbesserungen, während es veraltete Ergebnisse automatisch ungültig macht und kostspielige Datenlecks verhindert. Warten Sie nicht länger auf Berechnungen, sondern beginnen Sie mit der Iteration in dem Tempo, das der Markt verlangt.