Codes
Beispiele aus dem Buch „Neuronale Netze für den algorithmischen Handel mit MQL5“ für den MetaTrader 5
Das Buch „Neuronale Netze im algorithmischen Handel mit MQL5“ ist ein umfassender Leitfaden, der sowohl die theoretischen Grundlagen der künstlichen Intelligenz und der neuronalen Netze als auch die praktischen Aspekte ihrer Anwendung im Finanzhandel unter Verwendung der Programmiersprache MQL5
MQL5 Programming for Traders – Quellcodes aus dem Buch. Teil 7 für den MetaTrader 5
Der abschließende siebte Teil des Buches befasst sich mit den erweiterten Möglichkeiten der MQL5-API, die bei der Entwicklung von Programmen für MetaTrader 5 nützlich sind. Dazu gehören nutzerdefinierte Finanzsymbole, integrierte wirtschaftliche Kalenderereignisse und allgemeine Technologien wie
MQL5 Programming for Traders – Quellcodes aus dem Buch. Teil 6 für den MetaTrader 5
In Teil 6 von „MQL5 Programming for Traders“ werden wir eine Schlüsselkomponente der MQL5-Sprache untersuchen - die Automatisierung des Handels. Wir beginnen mit einer Beschreibung der grundlegenden Einheiten, wie z. B. der Spezifikationen für Finanzinstrumente und der Einstellungen für
MQL5 Programming for Traders – Quellcodes aus dem Buch. Teil 5 für den MetaTrader 5
In Teil 5 des Buches beschäftigen wir uns eingehender mit den APIs, die mit dem algorithmischen Handel verbunden sind, einschließlich der Analyse und Verarbeitung von Finanzdaten, der Visualisierung von Charts, der Automatisierung und der Nutzerinteraktion
MQL5 Programming for Traders – Quellcodes aus dem Buch. Teil 4 für den MetaTrader 5
Im vierten Teil des Buches werden wir uns auf die Beherrschung der integrierten Funktionen (MQL5-API) konzentrieren und uns nach und nach in spezialisierte Subsysteme vertiefen. Jedes MQL5-Programm kann eine Fülle von Technologien und Funktionalitäten nutzen. Daher ist es sinnvoll, mit den
MQL5 Programming for Traders – Quellcodes aus dem Buch. Teil 3 für den MetaTrader 5
Teil 3 "Objektorientierte Programmierung in MQL5" bietet ein Eintauchen in die Welt der objektorientierten Programmierung (OOP) in der Sprache MQL5. Die Softwareentwicklung ist oft mit der Komplexität der Verwaltung mehrerer Einheiten verbunden und erfordert fortschrittliche Technologien zur
MQL5 Programming for Traders – Quellcodes aus dem Buch. Teil für den MetaTrader 5
Teil 2 "Grundlagen der MQL5-Programmierung" ist eine Einführung in die wichtigsten Konzepte dieser Programmiersprache. Dieser Teil des Buches ist den Datentypen, Bezeichnern, Variablen, Ausdrücken und Operatoren gewidmet. Sie lernen, wie man verschiedene Anweisungen zu einer Programmlogik
MQL5 Programming for Traders – Quellcodes aus dem Buch. Teil 1 für den MetaTrader 5
Im ersten Kapitel des Buches werden die Sprache und die Entwicklungsumgebung von MQL5 vorgestellt. Eine der neuen Eigenschaften, die in der MQL5-Sprache im Vergleich zu MQL4 (MetaTrader 4-Sprache) eingeführt wurden, ist die Unterstützung der objektorientierten Programmierung (OOP), die sie C++
Zigzag R für den MetaTrader 4
An optimized version of the Zigzag indicator, which was included in the MT4 delivery of 2005 (and in MT3.83)
RegularExpressions in MQL4 für die Arbeit mit regulären Ausdrücken für den MetaTrader 4
Reguläre Ausdrücke stellen eine formale Sprache für eine schnelle und flexible Textbearbeitung dar. Jeder regulärer Ausdruck ist ein Muster (Maske), welches die Engine für reguläre Ausdrücke mit dem Ausgangstext vergleicht und versucht, Übereinstimmungen zu finden. Ein Muster besteht aus Literalen
Artikel
Working with ONNX models in float16 and float8 formats für MetaTrader 5
Data formats used to represent machine learning models play a crucial role in their effectiveness. In recent years, several new types of data have emerged, specifically designed for working with deep learning models. In this article, we will focus on two new data formats that have become widely
Regression models of the Scikit-learn Library and their export to ONNX für MetaTrader 5
In this article, we will explore the application of regression models from the Scikit-learn package, attempt to convert them into ONNX format, and use the resultant models within MQL5 programs. Additionally, we will compare the accuracy of the original models with their ONNX versions for both float
Der erste Einsatz des MetaTrader VPS: eine Schritt-für-Schritt-Anleitung für MetaTrader 5
Jeder, der Handelsroboter oder Signalabonnements verwendet, erkennt früher oder später die Notwendigkeit, einen zuverlässigen 24/7-Hosting-Server für seine Handelsplattform zu mieten. Wir empfehlen die Verwendung von MetaTrader VPS aus einer Reihe von Gründen. Sie können den Dienst bequem über Ihr
Klassifizierungsmodelle in der Bibliothek Scikit-Learn und ihr Export nach ONNX für MetaTrader 5
In diesem Artikel werden wir die Anwendung aller in der Bibliothek Scikit-Learn verfügbaren Klassifizierungsmodelle untersuchen, um die Klassifizierungsaufgabe im Iris-Datensatz von Fisher, zu lösen. Wir werden versuchen, diese Modelle in das ONNX-Format zu konvertieren und die resultierenden
ALGLIB Bibliothek für numerische Analysen in MQL5 für MetaTrader 5
Der Artikel wirft einen kurzen Blick auf die numerische Analysebibliothek ALGLIB 3.19, ihre Anwendungen und neue Algorithmen, die die Effizienz der Finanzdatenanalyse verbessern können
Bewertung von ONNX-Modellen anhand von Regressionsmetriken für MetaTrader 5
Bei der Regression geht es um die Prognose eines realen Wertes anhand eines unbekannten Beispiels. Die so genannten Regressionsmetriken werden verwendet, um die Genauigkeit der Vorhersagen des Regressionsmodells zu bewerten
Matrizen und Vektoren in MQL5: Die Aktivierungsfunktionen für MetaTrader 5
Hier wird nur einer der Aspekte des maschinellen Lernens beschrieben — die Aktivierungsfunktionen. In künstlichen neuronalen Netzen berechnet eine Neuronenaktivierungsfunktion einen Ausgangssignalwert auf der Grundlage der Werte eines Eingangssignals oder eines Satzes von Eingangssignalen. Wir
ONNX-Modelle in Klassen packen für MetaTrader 5
Die objektorientierte Programmierung ermöglicht die Erstellung eines kompakteren Codes, der leicht zu lesen und zu ändern ist. Hier sehen wir uns das Beispiel für drei ONNX-Modelle an
Ein Beispiel für die Zusammenstellung von ONNX-Modellen in MQL5 für MetaTrader 5
ONNX (Open Neural Network eXchange) ist ein offenes Format zur Darstellung neuronaler Netze. In diesem Artikel zeigen wir Ihnen, wie Sie zwei ONNX-Modelle gleichzeitig in einem Expert Advisor verwenden können
Wie man ONNX-Modelle in MQL5 verwendet für MetaTrader 5
ONNX (Open Neural Network Exchange) ist ein offenes Format, das zur Darstellung von Modellen des maschinellen Lernens entwickelt wurde. In diesem Artikel wird untersucht, wie ein CNN-LSTM-Modell zur Vorhersage von Finanzzeitreihen erstellt werden kann. Wir werden auch zeigen, wie man das erstellte
Forum
Diskussion zum Artikel "Anzeige historischer Positionen auf dem Chart als deren Gewinn/Verlust-Diagramm"
Neuer Artikel Anzeige historischer Positionen auf dem Chart als deren Gewinn/Verlust-Diagramm : In diesem Artikel werde ich die Möglichkeit erörtern, Informationen über geschlossene Positionen auf der Grundlage ihrer Handelshistorie zu erhalten. Außerdem werde ich einen einfachen Indikator
Diskussion zum Artikel "Farbpuffer in Multi-Symbol-Multi-Perioden-Indikatoren"
Neuer Artikel Farbpuffer in Multi-Symbol-Multi-Perioden-Indikatoren : In diesem Artikel werden wir die Struktur des Indikatorpuffers bei Multi-Symbol- und Multi-Perioden-Indikatoren untersuchen und die Darstellung farbiger Puffer dieser Indikatoren auf dem Chart organisieren. Ein einfarbiger
Diskussion zum Artikel "Implementierung des Augmented Dickey Fuller-Tests in MQL5"
Neuer Artikel Implementierung des Augmented Dickey Fuller-Tests in MQL5 : In diesem Artikel demonstrieren wir die Implementierung des Augmented Dickey-Fuller-Tests und wenden ihn zur Durchführung von Kointegrationstests mit der Engle-Granger-Methode an. Einfach ausgedrückt ist ein ADF-Test ein
Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen: Der Algorithmus Simulated Isotropic Annealing (SIA). Teil II"
Neuer Artikel Algorithmen zur Optimierung mit Populationen: Der Algorithmus Simulated Isotropic Annealing (SIA). Teil II : Der erste Teil war dem bekannten und beliebten Algorithmus des Simulated Annealing gewidmet. Wir haben ihre Vor- und Nachteile gründlich abgewogen. Der zweite Teil des Artikels
Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen: Umformen, Verschieben von Wahrscheinlichkeitsverteilungen und der Test auf Smart Cephalopod (SC)"
Neuer Artikel Algorithmen zur Optimierung mit Populationen: Umformen, Verschieben von Wahrscheinlichkeitsverteilungen und der Test auf Smart Cephalopod (SC) : Der Artikel untersucht die Auswirkungen einer Formveränderung von Wahrscheinlichkeitsverteilungen auf die Leistung von
Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen: der Algorithmus Simulated Annealing (SA). Teil I"
Neuer Artikel Algorithmen zur Optimierung mit Populationen: der Algorithmus Simulated Annealing (SA). Teil I : Der Algorithmus des Simulated Annealing ist eine Metaheuristik, die vom Metallglühprozess inspiriert ist. In diesem Artikel führen wir eine gründliche Analyse des Algorithmus durch und
Wartung der Website MQL5.com am 13. April
Am Samstag, den 13. April 2024, werden wir technische Wartungsarbeiten an der Website mql5.com durchführen. Die Wartungsarbeiten beginnen um 10:00 GMT+3 und werden voraussichtlich etwa 3 Stunden dauern. Während dieser Zeit werden die mql5.com Website und alle ihre Dienste nicht zugänglich sein. Wir
Diskussion zum Artikel "Quantitative Analyse in MQL5: Implementierung eines vielversprechenden Algorithmus"
Neuer Artikel Quantitative Analyse in MQL5: Implementierung eines vielversprechenden Algorithmus : Wir werden der Frage nachgehen, was eine quantitative Analyse ist und wie sie von den wichtigsten Akteuren eingesetzt wird. Wir werden einen der Algorithmen für die quantitative Analyse in der Sprache
Diskussion zum Artikel "Klassifizierungsmodelle in der Bibliothek Scikit-Learn und ihr Export nach ONNX"
Neuer Artikel Klassifizierungsmodelle in der Bibliothek Scikit-Learn und ihr Export nach ONNX : In diesem Artikel werden wir die Anwendung aller in der Bibliothek Scikit-Learn verfügbaren Klassifizierungsmodelle untersuchen, um die Klassifizierungsaufgabe im Iris-Datensatz von Fisher, zu lösen. Wir
Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen: Nelder-Mead- oder Simplex-Suchverfahren (NM)"
Neuer Artikel Algorithmen zur Optimierung mit Populationen: Nelder-Mead- oder Simplex-Suchverfahren (NM) : Der Artikel stellt eine vollständige Untersuchung der Nelder-Mead-Methode vor und erklärt, wie das Simplex (Funktionsparameterraum) bei jeder Iteration geändert und neu angeordnet wird, um eine