Articles sur l'analyse des données et les statistiques dans MQL5

Cet article décrit l'application pratique de DirectX 11 et des outils MQL5 intégrés pour la création de visualisations 3D et d'interfaces interactives dans MetaTrader 5. L'accent est mis sur l'efficacité cognitive - la capacité des graphiques 3D et des scènes guidées à aider à comprendre les données d'optimisation, les clusters de liquidité et les scénarios de trading multidimensionnels. Les principes de base du pipeline DX, le travail avec les shaders, la liaison des événements de la souris et du clavier, ainsi que les limitations technologiques objectives sont abordés en détail. Cet article s'adresse aux développeurs MQL5 et aux traders algorithmiques prêts à transformer les indicateurs stratégiques en paysages analytiques 3D compréhensibles, où la visualisation accélère la prise de décision.

Dans cet article, nous démontrons comment utiliser l'API des symboles personnalisés de MetaTrader 5 pour transformer votre terminal en un outil de construction des données permettant de générer des graphiques Renko, Range et Volume Egal indépendants du temps et d'assembler des instruments synthétiques. Nous analyserons l'agrégation des ticks et la modification de l'historique pour les tests de résistance (élargissement du spread, modifications du niveau de stop) en tenant compte des limitations de la plateforme. Vous pourrez également vous entraîner à utiliser CiCustomSymbol et le routage des ordres vers un symbole réel via le wrapper CustomOrder grâce à des fragments de code prêts à l'emploi.

Cet article présente une approche systématique du trading d'actualités dans MetaTrader 5 utilisant le Calendrier Économique intégré : structure des données, fonctions API, règles de synchronisation temporelle et filtrage des événements. Des méthodes de mise en cache et de mise à jour incrémentale sans surcharge du serveur sont décrites. L'article propose également un mécanisme pour exporter l'historique vers une ressource .EX5 en vue de tests déterministes utilisant le même algorithme.

Cet article présente un socle minimal opérationnel pour la tenue d'un journal de trading en MQL5 en utilisant SQLite : un schéma des tables pour les transactions, les signaux et les événements, des index, des requêtes préparées et des transactions, ainsi que des requêtes SQL d’analyse standard. L'intégration avec le tableau de bord statistique de MetaTrader 5 et l'utilisation de la base de données via MetaEditor sont démontrées. Cette approche permet d'automatiser le journal, d'accélérer les calculs et d'effectuer des analyses sans complexifier le code de l’EA.

Cet article démontre comment l'intégration de Python et de MetaTrader 5 combine la flexibilité de la recherche et l'exécution des transactions dans un même flux de travail. Python est utilisé pour l'analyse des données, la sélection des variables et l'entraînement des modèles, et MetaTrader 5 est utilisé pour les tests et l’automatisation du trading. Cette approche simplifie la mise en pratique des solutions, accroît la reproductibilité et rend le développement des systèmes de trading plus rapide et plus structuré.

Comment appliquer les règles prédictives de l'analyse des données de vente au détail en supermarché au marché réel du Forex ? Quel est le lien entre les achats de biscuits, de lait et de pain et les transactions boursières ? Cet article présente une approche novatrice du trading algorithmique basée sur l'utilisation de règles d'association.

Quel est le lien entre la météo et le Forex ? La théorie économique classique a longtemps ignoré l'influence de facteurs tels que les conditions météorologiques sur le comportement du marché. Mais tout a changé. Essayons de trouver des liens entre les conditions météorologiques et la position des devises agricoles sur le marché.

Existe-t-il des schémas répétitifs et des régularités sur le marché du Forex ? J'ai décidé de créer mon propre système d'analyse de modèles en utilisant Python et MetaTrader 5. Une sorte de symbiose entre les mathématiques et la programmation pour conquérir le Forex.

Nous poursuivons la série d'articles sur le développement d'un robot de trading en Python et MQL5. Aujourd'hui, nous allons résoudre le problème de la sélection et de l'entraînement d'un modèle, de son test, de la mise en œuvre de la validation croisée, de la recherche en grille, ainsi que le problème de l'ensemble de modèles.

L'apprentissage automatique est devenu une méthode populaire pour l'élaboration de stratégies. Alors que l'accent a été mis sur la maximisation de la rentabilité et de la précision des prédictions, l'importance du traitement des données utilisées pour construire des modèles prédictifs n'a pas fait l'objet d'une grande attention. Dans cet article, nous envisageons d'utiliser le concept d'entropie pour évaluer l'adéquation des indicateurs à utiliser dans la construction de modèles prédictifs, comme indiqué dans le livre Testing and Tuning Market Trading Systems de Timothy Masters.

Dans cet article, nous allons créer un modèle de forêt aléatoire (random forest) en Python, entraîner le modèle et le sauvegarder en tant que pipeline ONNX avec un pré-traitement des données. Ensuite, nous utiliserons le modèle dans le terminal MetaTrader 5.

Dans cet article, j'étudierai et testerai l'algorithme d'optimisation le plus puissant : la recherche harmonique (HS), inspirée par le processus de recherche de l'harmonie sonore parfaite. Quel est donc l'algorithme qui domine aujourd'hui notre classement ?

Dans cet article, nous utiliserons l'algorithme de rachat pour mieux comprendre l'efficacité des systèmes de trading. Nous commencerons à travailler sur les principes généraux de l'amélioration de l'efficacité du trading à l'aide des mathématiques et de la logique, ainsi qu'à appliquer les méthodes les plus inhabituelles d'amélioration de l'efficacité en termes d'utilisation de n'importe quel système de trading.

Cet article est le premier d'une série consacrée aux figures (ou motifs, modèles, patterns) d'inversion dans le cadre du trading algorithmique. Nous commencerons par la famille de modèles la plus intéressante, qui trouve son origine dans les modèles Double Top et Double Bottom.