Yury Kirillov / Profil
- Information
10+ Jahre
Erfahrung
|
0
Produkte
|
0
Demoversionen
|
0
Jobs
|
0
Signale
|
0
Abonnenten
|
https://www.mql5.com/ru/forum/221552/page264#comment_6886667
Der Artikel basiert auf dem Buch 'The Mathematics of Money Management' von Ralph Vince. Es bietet eine Beschreibung der empirischen und parametrischen Methoden zur Ermittlung der optimalen Größe des Handelsvolumens. Der Artikel beinhaltet auch die Implementierung von Handelsmodulen für den MQL5 Wizard, die auf diesen Methoden basieren.
Register by reference https://my.govpsfx.com/registration.php?ib=3821
And place up five of your advisers!
Внимание! Бесплатный VPS!
Зарегистрируйтесь по ссылке https://my.govpsfx.com/registration.php?ib=3821
И разместите пять своих советников!
Der Artikel beschreibt die Art und Weise, wie man Strategien individuell testen und einen benutzerdefinierten Analysator für die Optimierungsdurchläufe erstellt. Nach dem Lesen werden Sie verstehen, wie die "Mathematische Berechnung" und der Mechanismus der sogenannten Frames funktionieren, wie Sie benutzerdefinierte Daten für Berechnungen vorbereiten und laden und effektive Algorithmen für ihre Komprimierung verwenden. Dieser Artikel wird auch für diejenigen interessant sein, die an Möglichkeiten interessiert sind, benutzerdefinierte Informationen innerhalb eines Experten zu speichern.
Der Artikel beschäftigt sich mit der Möglichkeit, mit einem Expert Advisor und den Standardelementen aus MQL5 die DiNapoli-Ebenen zu handeln. Es wird die Leistungsfähigkeit getestet und die Ergebnisse besprochen.
Dieser Beitrag möchte seine Leser mit dem Verfahren der empirischen Bandzerlegung, der „Empirical Mode Decomposition“ kurz: EMD, vertraut machen. Es handelt sich bei dieser um einen grundlegenden Bestandteil der Hilbert-Huang-Transformation zur Analyse von Daten aus nichtstationären und nichtlinearen Vorgängen. Dieser Artikel beinhaltet zudem eine mögliche Umsetzung dieses Verfahren in Programmform nebst einer Kurzdarstellung seiner Besonderheiten und einiger einfacher Anwendungsbeispiele.
In diesem Beitrag geht es um Zusammenstellung eines Programms zur Schätzung der Kerndichte einer Funktion mit unbekannter Wahrscheinlichkeitsverteilung Für die Ausführung dieser Aufgabe haben wir die Methode der Kerndichteschätzung (KDE) gewählt. Dieser Artikel bietet neben dem Code zur Umsetzung dieser Methode in Programmform auch Anwendungsbeispiele und Illustrationen.
In diesem Beitrag möchten wir Sie mit der Box-Cox-Transformation vertraut machen. Wir behandeln die Schwierigkeiten ihrer Verwendung und stellen einige Beispiele vor, um die Beurteilung der Effizienz der Transformation anhand von Zufallsfolgen und echten Kursnotierungen zu ermöglichen.
In diesem Beitrag wird versucht, einen bereits angelegten Indikator nachzubessern, außerdem wird kurz auf eine Methode zur Berechnung der Zuverlässigkeitsintervalle von Vorhersagen mittels Bootstrapping und Quantilen eingegangen. Als Ergebnis erhalten wir einen Vorhersageindikator und Skripte zur Berechnung der Vorhersagegenauigkeit.
Dieser Beitrag möchte dem Leser einige Modelle zur exponentiellen Glättung für kurzfristige Vorhersagen von Zeitreihen näher bringen. Darüber hinaus werden Fragen der Optimierung und Berechnung der Vorhersageergebnisse berührt sowie Beispiele für Programmskripte und Indikatoren vorgestellt. Dieser Artikel soll als erster Einstieg in die Grundsätze von Vorhersagen auf der Grundlage exponentieller Glättungsmodelle dienen.
In diesem Artikel wird eine Klasse vorgestellt, die die schnelle provisorische Ermittlung der Merkmale verschiedener Zeitreihen ermöglicht. Dabei werden die statistischen Parameter und die Autokorrelationsfunktion berechnet, eine Berechnung des jeweiligen Spektrums der Zeitreihen durchgeführt und ein Histogramm angelegt.
Die Schätzung der statistischen Parameter einer Sequenz ist sehr wichtig, weil die meisten mathematischen Modelle und Methoden auf unterschiedlichen Annahmen basieren, beispielsweise dem Normalverteilungsgesetz oder dem Streuungswert oder anderen Parametern. Beim Analysieren und Prognostizieren von Zeitreihen brauchen wir deshalb ein einfaches und bequemes Werkzeug, das es uns ermöglicht, die wichtigsten statistischen Parameter schnell und deutlich zu schätzen. Dieser Beitrag beschreibt kurz die einfachsten statistischen Parameter einer zufälligen Sequenz und mehrere Methoden für die visuelle Analyse. Er liefert die Umsetzung dieser Methoden in MQL5 und die Methoden der Visualisierung des Ergebnisses der Berechnung mithilfe der Anwendung Gnuplot.
Es ist heutzutage schwierig, einen Computer zu finden, auf dem kein Web-Browser installiert ist. Browser werden seit langer Zeit weiterentwickelt und ständig verbessert. In diesem Beitrag wird eine einfache und sichere Art der Erstellung von Diagrammen auf Basis von Informationen aus dem MetaTrader 5 Client Terminal besprochen, die im Browser angezeigt werden.
Der hier vorliegende Beitrag möchte seine Leser mit einer möglichen Variante der Verwendung der grafischen Objekte der Programmiersprache MQL5 vertraut machen. Es wird ein Indikator analysiert, der mithilfe grafischer Objekte ein Feld zur Steuerung eines einfachen Spektrumanalysators anlegt. Der Beitrag richtet sich an Leser mit Grundkenntnissen in MQL5.
Dieser Beitrag skizziert kurz die Ansichten des Verfassers zu Indikatoren für Neuzeichnung, Indikatoren für Multi-Zeitrahmen sowie die Darstellung von Quoten mittels japanischer Kerzen. Es geht im Folgenden nicht um Programmier-Spezifika, sondern eher um eine allgemeine Betrachtung.
In diesem Beitrag werden verschiedene Besonderheiten in der Darstellung von Quoten analysiert, die im MetaTrader Client-Terminal vorhanden sind. Dies ist ein allgemeines Thema, es geht hier also nicht um Programmierung.