|
nein
Erfahrung
|
2
Produkte
|
2
Demoversionen
|
|
0
Jobs
|
0
Signale
|
0
Abonnenten
|
ArfimaPro - Erkennung von Marktregimen in Echtzeit Die meisten Strategien scheitern daran, dass sie in Märkten, die sich im Mittelwert umkehren, dem Trend folgen und in Märkten, die sich im Trend bewegen, den Mittelwert umkehren. ArfimaPro löst dieses Problem durch die Messung der Long-Memory-Struktur des Marktes in Echtzeit unter Verwendung des Geweke-Porter-Hudak (GPH)-Schätzers des fraktionalen Differenzierungsparameters d - der ARFIMA-Schlüsselstatistik. Wesentliche Merkmale GPH
A GPH‑based estimator for d, the key ARFIMA parameter, is added to MicroStructure_Foundation.mqh. GPHEstimator() computes d via log‑periodogram regression, while PopulateARFIMAAnalysis() stores d with an R² confidence score and validates the theoretical relationship H = d + 0.5. An empirical study on 72 US100 M1 sessions confirms pooled d = −0.006, consistent with the random walk boundary established in Part 2.
Part 2 focuses on practical long-memory detection for intraday data. Three complementary Hurst estimators are implemented and combined into a confidence‑weighted composite, with confidence tied to valid regression scales. The final H and confidence populate the shared analysis struct, enabling indicators to act only when H departs from the neutral 0.40–0.60 band and to select trend‑following above 0.60 or mean‑reversion below 0.40.
NAS100 Kompressionskreuz. H1 MACD mit Regime- und Volatilitätsfiltern Ein systematischer trendfolgender Expert Advisor für NAS100 und US_TECH100 CFD. Eingaben werden durch Nulldurchgänge des MACD-Histogramms auf dem H1-Zeitrahmen ausgelöst. Drei strukturelle Filter bestimmen, ob jedes Signal aufgenommen wird. Alle in dieser Auflistung dargestellten Ergebnisse sind simuliert. Die Performance in der Vergangenheit ist kein Indikator für zukünftige Ergebnisse. Die Zahlen stellen eine
This article builds the foundation layer of a twelve-part MQL5 market microstructure toolkit. It implements guarded math helpers (SafeDivide, SafeLog, SafeSqrt, SafeExp, SafeTanh), robust data validation (ValidateSymbolV2, SafeCopyClose), trimmed statistical estimators (robust mean var), a linear regression slope, shared structs, and an FFT. You compile a single include file that hardens indicators and expert advisors against silent numerical failures and standardizes data flow for later parts.
GoertzelBrain combines Goertzel spectral analysis with an online‑trained neural network ensemble to convert cycle features into a directional confirmation signal. The indicator builds a compact feature vector from the dominant period, amplitude, confidence and their dynamics, plus local volatility, and outputs +1, −1 or 0. The article provides the full MQL5 implementation, explains the architecture and feature engineering, and shows how to use it as a directional filter.