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

L'article étale un exemple de comment élaborer un programme MQL5 mettant en implémentant l'algorithme adaptatif de groupement appelé Growing neural gas (GNG). L'article est destiné aux utilisateurs qui ont étudié la documentation du langage et qui ont certaines compétences en programmation et des connaissances de base dans le domaine de la neuro-informatique.

Le site MQL5.com se souvient très bien de vous tous ! Combien de vos fils de discussion sont épiques, quelle est la popularité de vos articles et combien de fois vos programmes dans la base de code sont téléchargés - ce n'est qu'une petite partie de ce qui est retenu sur MQL5.com. Vos réalisations sont disponibles dans votre profil, mais qu'en est-il de l'image globale ? Dans cet article, nous allons montrer le tableau général des réalisations de tous les membres de la MQL5.community.

L'estimation des paramètres statistiques d'une séquence est très importante, car la plupart des modèles et méthodes mathématiques sont axés sur des hypothèses différentes. Par exemple, la normalité de la loi de distribution ou la valeur de dispersion, ou d'autres paramètres. Ainsi, lors de l'analyse et de la prévision de séries chronologiques, nous avons besoin d'un outil simple et pratique qui permette d'estimer rapidement et clairement les principaux paramètres statistiques. L'article décrit brièvement les paramètres statistiques les plus simples d'une séquence aléatoire et plusieurs méthodes de son analyse visuelle. Il propose l’implémentation de ces méthodes en MQL5 et les méthodes de visualisation du résultat des calculs à l'aide de l'application Gnuplot.

Depuis sa création, le magasin de robots de trading et d'indicateurs techniques MQL5 Market a déjà attiré plus de 250 développeurs qui ont publié 580 produits. Le premier trimestre de 2013 s'est avéré assez fructueux pour certains vendeurs du MQL5 Market qui ont réussi à faire de beaux profits en vendant leurs produits.

Cet article présente une classe conçue pour donner une estimation préliminaire rapide des caractéristiques de diverses séries chronologiques. Au fur et à mesure que cela se produit, les paramètres statistiques et la fonction d'auto-corrélation sont estimés, une estimation spectrale des séries chronologiques est effectuée et un histogramme est créé.

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.

Existe-t-il une corrélation entre le comportement passé des prix et ses tendances futures ? Pourquoi le prix répète-t-il aujourd'hui le caractère de son mouvement de la veille ? Les statistiques peuvent-elles être utilisées pour prévoir la dynamique des prix ? Il y a une réponse, et elle est positive. En cas de doute, cet article est fait pour vous. Je vais vous expliquer comment créer un filtre fonctionnel pour un système de trading dans MQL5, révélant une tendance intéressante dans les fluctuations de prix.

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.

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 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.