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

Cet article est consacré à une nouvelle direction en perspective dans l’apprentissage automatique - l’apprentissage profond ou, pour être précis, les réseaux de neurones profonds. Il s’agit d’un bref examen des réseaux de neurones de deuxième génération, de l’architecture de leurs connexions et de leurs principaux types, méthodes et règles d’apprentissage et de leurs principaux inconvénients, suivi de l’histoire du développement des réseaux de neurones de troisième génération, de leurs principaux types, particularités et méthodes d’entraînement. Des expériences pratiques sur la construction et l’entraînement d’un réseau neuronal profond initié par les poids d’un autoencodeur empilé avec des données réelles sont menées. Toutes les étapes, de la sélection des données d’entrée à la dérivation métrique, sont discutées en détail.

Dans cet article, j'essaierai de vérifier l'hypothèse selon laquelle tout système ayant une compréhension, même limitée, du marché peut fonctionner à l'échelle mondiale. Je n'inventerai pas de théories ou de modèles, mais j'utiliserai uniquement des faits connus, que je traduirai progressivement dans le langage de l'analyse mathématique.

Dans cet article, nous poursuivrons l'étude des fractales et nous nous attacherons à résumer l'ensemble du matériel. Pour ce faire, j'essaierai de rassembler tous les développements antérieurs sous une forme compacte, pratique et compréhensible pour une application pratique dans le domaine du trading.

Il n'y a aucun mal à trouver le Graal de l'épreuve, il est cependant bien plus difficile de s'en débarrasser. Cet article traite de la sélection des paramètres de fonctionnement de l'Expert Advisor avec un traitement de groupe automatisé des résultats d'optimisation et de test lors d'une utilisation maximale des capacités de performance du terminal et d'une charge minimale de l'utilisateur final.

L'article démontre les capacités et le potentiel d'une méthode mathématique bien connue associée à une pensée visuelle et à des perspectives de marché « out of the box ». D'une part, il sert à attirer l'attention d'un large public car il peut amener les esprits créatifs à reconsidérer le paradigme de trading en tant que tel. Et d'autre part, il peut donner lieu à des développements alternatifs et à des implémentations de code de programme concernant un large éventail d'outils d'analyse et de prévision.

L'article familiarise le lecteur avec les modèles de lissage exponentiel utilisés dans la prévision à court terme des séries chronologiques. De plus, il aborde les questions liées à l'optimisation et à l'estimation des résultats prévisionnels et fournit quelques exemples de scripts et d'indicateurs. Cet article sera utile pour une première prise de connaissance des principes de prévision à partir de modèles de lissage exponentiel.

Cet article a pour but de familiariser le lecteur avec la méthode de décomposition empirique des modes (EMD). C’est la partie fondamentale de la transformée de Hilbert-Huang et est destinée à l’analyse des données issues des processus non stationnaires et non linéaires. Cet article présente également une mise en œuvre logicielle possible de cette méthode ainsi qu’un bref examen de ses particularités et donne quelques exemples simples de son utilisation.

Dans cet article, l'auteur parle de calculs évolutifs à l'aide d'un algorithme génétique personnellement élaboré . Il démontre le fonctionnement de l'algorithme, à l'aide d'exemples, et fournit des recommandations pratiques pour son utilisation.

Le terminal client MetaTrader 5 offre un large éventail de possibilités d’optimisation des paramètres de l’Expert Advisor. En plus des critères d’optimisation compris dans le testeur de stratégie, les développeurs sont offerts une opportunité de créer leurs propres critères. Cela conduit à un nombre presque illimité de possibilités de test et d’optimisation des Expert Advisors. L’article décrit des méthodes pratiques d’établir de tels critères - à la fois complexes et simples.

Cet article décrit une nouvelle approche de la couverture des positions et trace la ligne dans les débats entre les utilisateurs de MetaTrader 4 et MetaTrader 5 à ce sujet. C'est la suite de la première partie : « Trading bidirectionnel et couverture des positions dans MetaTrader 5 à l’aide du panneau HedgeTerminal, Partie 1 » Dans la deuxième partie, nous discutons de l'intégration des Expert Advisors personnalisés dans HedgeTerminalAPI, qui est une bibliothèque de visualisation spéciale conçue pour le trading bidirectionnel dans un environnement logiciel confortable fournissant des outils pour une gestion de position pratique.

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'article présente une structure pour un Expert Advisor qui trade plusieurs symboles et utilise plusieurs systèmes de trading simultanément. Si vous avez déjà identifié les paramètres d'entrée optimaux pour tous vos EA et obtenu de bons résultats de backtesting pour chacun d'eux séparément, demandez-vous quels résultats vous obtiendriez si vous testiez tous les EA simultanément, avec toutes vos stratégies réunies.

Si des programmes de réseau neuronal spécifiques au trading vous semblent coûteux et complexes ou, au contraire, trop simples, essayez NeuroPro. Il est gratuit et contient l'ensemble optimal de fonctionnalités pour les amateurs. Cet article vous expliquera comment l'utiliser en conjonction avec MetaTrader 5.

Nous savons maintenant que la fonction de densité de probabilité (PDF) d'un cycle de marché ne rappelle pas une gaussienne mais plutôt une PDF d'une onde sinusoïdale et la plupart des indicateurs supposent que la PDF du cycle de marché est gaussienne ; nous avons besoin d'un moyen de « corriger » cela. La solution consiste à utiliser la transformation de Fisher. La transformation de Fisher change la PDF de n'importe quelle forme d'onde en une forme approximativement gaussienne. Cet article décrit les mathématiques qui sous-tendent la transformation de Fisher et la transformation inverse de Fisher, ainsi que leur application au trading. Un module de signal de trading propriétaire basé sur la transformation inverse de Fisher est présenté et évalué.

Cet article est destiné aux développeurs qui seraient intéressés par l'utilisation de SQL dans leurs projets. Il explique les fonctionnalités et les avantages de SQLite. L'article ne nécessite pas de connaissance particulière des fonctions SQLite, mais une compréhension minimale de SQL serait bénéfique.

Marche Aléatoire ressemble beaucoup aux données réelles du marché, mais elle présente des caractéristiques importantes. Dans cet article, nous examinerons les propriétés de Marche Aléatoire, simulées à l’aide du jeu de lancer de pièces. Pour étudier les propriétés des données, l’indicateur de tendance est élaboré.

Cet article envisage d'utiliser le package Rattle pour la recherche automatique de modèles afin de prédire les positions longues et courtes des paires de devises sur le Forex. Cet article peut être utile à la fois pour les traders débutants et expérimentés.

L'article traite de la création d'un programme permettant d'estimer la densité à noyau de la fonction de densité de probabilité inconnue. La méthode d'estimation de la densité du noyau a été choisie pour exécuter la tâche. L'article contient les codes sources de la mise en œuvre logicielle de la méthode, des exemples d'utilisation et des illustrations.

Un algorithme de protection statistique des positions ouvertes de swap positif contre les mouvements de prix indésirables. Cet article présente une variante de la stratégie de protection du Carry Trade qui permet de compenser le risque potentiel du mouvement des prix dans la direction opposée à celle de la position ouverte.

Une année s'est écoulée depuis le lancement des ventes sur le MQL5 Market. Ce fut une année de travail acharné, qui a transformé le nouveau service en le plus grand magasin de robots de trading et d’indicateurs techniques pour la plate-forme MetaTrader 5.

Trouver des règles pour un système de trade et les programmer dans un Expert Advisor est la moitié du travail. D'une certaine manière, vous devez corriger le fonctionnement de l'Expert Advisor au fur et à mesure qu'il accumule les résultats du trading. Cet article décrit l'une des approches qui permet d'améliorer les performances d'un Expert Advisor à travers un feedback qui mesure la pente de la courbe d'équilibre.

Nous continuons la série d'articles sur la programmation MQL5. Cette fois, nous verrons comment obtenir les résultats de chaque passe d'optimisation lors de l'optimisation des paramètres de l'Expert Advisor. La mise en œuvre sera effectuée de manière à garantir que si les conditions spécifiées dans les paramètres externes sont remplies, les valeurs de passage correspondantes seront écrites dans un fichier. En plus des valeurs de test, nous enregistrerons également les paramètres qui ont conduit à de tels résultats.

Cet article considère l'hypothèse - l'une des idées de base de la statistique mathématique. Diverses hypothèses sont examinées et vérifiées à l'aide d'exemples utilisant des méthodes de statistiques mathématiques. Les données réelles sont généralisées à l'aide de méthodes non paramétriques. Le progiciel Statistica et la bibliothèque d'analyse numérique portée ALGLIB MQL5 sont utilisés pour le traitement des données.

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 ?