Entwicklungsgeschichte der MQL5.community

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.

In diesem Artikel werden wir uns ansehen, wie man bestimmte Probleme und Fragen lösen kann, die bei der Verwendung von Python-Code in anderen Programmen auftreten. Insbesondere werden wir ein häufiges Problem demonstrieren, das bei der Verwendung von Excel in Verbindung mit MetaTrader 5 auftritt, obwohl wir Python verwenden werden, um diese Interaktion zu erleichtern. Diese Umsetzung hat jedoch einen kleinen Nachteil. Dies trifft nicht in allen Fällen zu, sondern nur in bestimmten Situationen. Wenn es dazu kommt, muss man die Ursache verstehen. Im heutigen Artikel werden wir zunächst erklären, wie dieses Problem gelöst werden kann.

Die Marktregeln entwickeln sich ständig weiter, und viele einst verlässliche Grundsätze verlieren allmählich ihre Wirksamkeit. Was in der Vergangenheit funktioniert hat, funktioniert auf Dauer nicht mehr. Die heutige Diskussion konzentriert sich auf die Wahrscheinlichkeitsbereiche und darauf, wie diese zur Steuerung von Marktunregelmäßigkeiten genutzt werden können. Wir werden MQL5 nutzen, um einen Algorithmus zu entwickeln, der in der Lage ist, selbst unter den unruhigsten Marktbedingungen effektiv zu handeln. Nehmen Sie an dieser Diskussion teil und erfahren Sie mehr.

Dieser Artikel stellt einen sitzungsbasierten Analyseansatz vor, der zeitlich definierte Marktsitzungen mit dem Candle Pressure Index (CPI) kombiniert, um anhand von Schlusskursdaten und klar definierten Regeln das Annahme- und Ablehnungsverhalten an Sitzungsgrenzen zu klassifizieren.

In diesem Artikel werden der Chow-Test zur Aufdeckung von Strukturbrüchen in Paarbeziehungen und die Anwendung der kumulativen Summe der Quadrate – CUSUM – zur Überwachung und Früherkennung von Strukturbrüchen vorgestellt. In dem Artikel werden die Ankündigung der Partnerschaft zwischen Nvidia und Intel und die Ankündigung der US-Außenhandelszölle als Beispiele für die Umkehrung der Steigung bzw. die Verschiebung des Abschnitts verwendet. Für alle Tests werden Python-Skripte zur Verfügung gestellt.

In dieser Diskussion werden wir einen Indikator entwickeln, um Preiszonen zu identifizieren, die durch starke Marktaktivitäten entstehen, wie z. B. impulsive Bewegungen, Strukturverschiebungen und Liquiditätsereignisse. Diese Zonen stellen Bereiche dar, in denen der Markt aufgrund nicht ausgeführter Aufträge oder rascher Preisverschiebungen einen „Speicher“ verlassen hat. Durch die Markierung dieser Regionen auf dem Chart hebt der Indikator hervor, wo der Preis statistisch gesehen mit größerer Wahrscheinlichkeit in der Zukunft wieder auftauchen und reagieren wird.

In diesem Artikel erweitern wir das Dashboard für die Korrelationsmatrix in MQL5 um interaktive Funktionen wie das Ziehen des Panels, Minimieren/Maximieren, Hover-Effekte auf Schaltflächen und Zeitrahmen sowie die Behandlung von Mausereignissen für ein verbessertes Nutzungserlebnis. Wir ergänzen eine Sortierung der Symbole nach durchschnittlicher Korrelationsstärke in auf- und absteigender Reihenfolge, schalten zwischen der Matrixdarstellung der Korrelationen und den p-Werten um und integrieren einen Wechsel zwischen hellen und dunklen Farbschemen mit dynamischen Farbaktualisierungen.

Dieser Artikel befasst sich mit der Entwicklung einer algorithmischen Handelsstrategie für den EURUSD-Markt, die die Bollinger-Bänder und den Relative Strength Indicator (RSI) kombiniert. Die ersten regelbasierten Strategien lieferten zwar hochwertige Signale, litten aber unter einer geringen Handelsfrequenz und begrenzter Rentabilität. Mehrere Iterationen der Strategie wurden evaluiert, wobei sich herausstellte, dass unser Verständnis des Marktes unzureichend war, das Rauschen zunahm und die Leistung sich verschlechterte. Durch den angemessenen Einsatz statistischer Lernalgorithmen, die Verlagerung des Modellierungsziels auf technische Indikatoren, die Anwendung einer angemessenen Skalierung und die Kombination von maschinellen Lernprognosen mit klassischen Handelsregeln erzielte die endgültige Strategie eine deutlich verbesserte Rentabilität und Handelshäufigkeit bei gleichzeitig akzeptabler Signalqualität.

Dieser Artikel stellt das Design und die MetaTrader 5-Implementierung des Candle Pressure Index (CPI) vor – ein CLV-basiertes Overlay, das den Kauf- und Verkaufsdruck innerhalb einer Kerze direkt auf dem Preischart anzeigt. Die Diskussion konzentriert sich auf die Kerzenstruktur, die Druckklassifizierung, die Visualisierungsmechanismen und ein übergangsloses, übergangsorientiertes Warnsystem, das für ein konsistentes Verhalten über Zeitrahmen und Instrumente hinweg konzipiert ist.