Articoli sull'analisi dei dati e le statistiche in MQL5

In questo articolo esploreremo l'applicazione dei modelli di regressione del pacchetto Scikit-learn, cercheremo di convertirli nel formato ONNX e utilizzeremo i modelli risultanti all’interno di programmi MQL5. Inoltre, confronteremo l'accuratezza dei modelli originali con le loro versioni ONNX sia per la precisione float che per la double. Inoltre, esamineremo la rappresentazione ONNX dei modelli di regressione, con l'obiettivo di fornire una migliore comprensione della loro struttura interna e dei principi operativi.

Molte persone le amano, ma poche comprendono l'intero funzionamento delle Reti Neurali. In questo articolo cercherò di spiegare in parole povere tutto ciò che avviene dietro le porte chiuse di un percettrone multistrato feed-forward.

Quando si studia la logica del trading, la rappresentazione visiva sotto forma di grafici è di grande importanza. Alcuni linguaggi di programmazione popolari tra la comunità scientifica (come R e Python) dispongono della speciale funzione "plot" utilizzata per la visualizzazione. Permette di disegnare linee, distribuzioni di punti e istogrammi per visualizzare i modelli. In MQL5, è possibile fare lo stesso utilizzando la classe CGraphics.

C'è una necessità essenziale per i programmatori o gli sviluppatori di MQL5 di padroneggiare strumenti importanti e preziosi. Uno di questi strumenti è il Tester di Strategie; questo articolo è una guida pratica alla comprensione e all'utilizzo del tester di strategie di MQL5.

La sorprendente abilità delle piante infestanti di sopravvivere in un'ampia varietà di condizioni è diventata l'idea per un potente algoritmo di ottimizzazione. IWO è uno dei migliori algoritmi tra quelli esaminati precedentemente.

Gli alberi decisionali imitano il modo in cui gli esseri umani pensano nel classificare i dati. Vediamo come costruire alberi e utilizzarli per classificare e prevedere alcuni dati. L'obiettivo principale dell'algoritmo degli alberi decisionali è separare i dati con impurità in nodi puri o vicini.

La classificazione dei dati è una cosa cruciale per un algo trader e un programmatore. In questo articolo, ci concentreremo su uno degli algoritmi logistici di classificazione che possono aiutarci a identificare i Sì o i No, gli alti e bassi, gli acquisti e le vendite.

In questo articolo creeremo un modello matematico per la simulazione dei prezzi multivaluta e completeremo lo studio del principio di diversificazione come parte della ricerca dei meccanismi per aumentare l'efficienza del trading, iniziata nel precedente articolo con calcoli teorici.

Come utilizzare i dati economici della Banca Mondiale per le previsioni? Cosa succede quando si combinano modelli di intelligenza artificiale ed economia?

Alan Andrews è uno dei più famosi "educatori" del mondo moderno nel campo del trading. La sua "forchetta" è inclusa in quasi tutti i moderni programmi di analisi delle quotazioni. Ma la maggior parte dei trader non sfrutta nemmeno una frazione delle opportunità offerte da questo strumento. Inoltre, il corso di formazione originale di Andrews include una descrizione non solo della forchetta (anche se rimane lo strumento principale), ma anche di alcune altre costruzioni utili. L'articolo offre una panoramica dei meravigliosi metodi di analisi dei grafici insegnati da Andrews nel suo corso originale. Fate attenzione, ci saranno molte immagini.

Analizzeremo la questione di cosa sia l'analisi quantitativa e come viene utilizzata dai principali operatori. Creeremo uno degli algoritmi di analisi quantitativa nel linguaggio MQL5.

La grafica 3D offre strumenti eccellenti per l'analisi di enormi quantità di dati, poiché consente la visualizzazione di schemi nascosti. Questi compiti possono essere risolti direttamente in MQL5, mentre le funzioni DireсtX consentono di creare oggetti tridimensionali. In questo modo è possibile creare programmi di qualsiasi complessità, persino giochi in 3D per MetaTrader 5. Inizia ad imparare la grafica 3D disegnando semplici forme tridimensionali.

Oggi utilizzeremo nuovamente Chart Trade, ma questa volta si tratterà di un indicatore su grafico che può essere presente o meno sul grafico.

In questo articolo cercherò di utilizzare il nostro modello logistico per prevedere il crollo del mercato azionario basato sui fondamentali dell'economia statunitense, NETFLIX e APPLE sono i titoli su cui ci concentreremo. Utilizzando i precedenti crolli del mercato del 2019 e 2020 vediamo come funzionerà il nostro modello nelle attuali sventure e tenebre.

Questa volta i nostri modelli sono realizzati da matrici, il che ci permette flessibilità e consente di creare modelli potenti che possono gestire non solo cinque variabili indipendenti ma anche molte variabili finché restiamo entro i limiti di calcolo di un computer, questo articolo sarà una lettura interessante, questo è sicuro.

Continuiamo la nostra immersione nella teoria del caos nei mercati finanziari. Questa volta prenderò in considerazione la sua applicabilità all'analisi delle valute e di altri asset.

L'articolo esplora la possibilità di migliorare la previsione dei prezzi basata sull'analisi dei volumi di scambio, integrando i principi dell'analisi tecnica con l'architettura delle reti neurali LSTM. Particolare attenzione è dedicata all'individuazione e all'interpretazione dei volumi anomali, all'utilizzo del clustering, alla creazione di caratteristiche basate sui volumi e alla loro definizione nel contesto dell'apprendimento automatico.

In questo articolo mostrerò la prima parte dei miglioramenti che mi hanno permesso non solo di chiudere l'intera catena di automazione per il trading su MetaTrader 4 e 5, ma anche di fare qualcosa di molto più interessante. D'ora in poi, questa soluzione mi consente di automatizzare completamente sia la creazione di EA che l'ottimizzazione, nonché di minimizzare i costi di manodopera per trovare configurazioni di trading efficaci.

L'articolo descrive i principi, i metodi e le possibilità di utilizzo dell'Algoritmo Elettromagnetico in vari problemi di ottimizzazione. L'algoritmo EM è un efficiente strumento di ottimizzazione in grado di lavorare con grandi quantità di dati e funzioni multidimensionali.

L'algoritmo Saplings Sowing and Growing up (SSG) si ispira a uno degli organismi più resistenti del pianeta, che dimostra un'eccezionale capacità di sopravvivenza in un'ampia varietà di condizioni.

Le posizioni di pianeti e stelle influenzano i mercati finanziari? Armiamoci di statistiche e big data e intraprendiamo un viaggio emozionante nel mondo in cui stelle e grafici azionari si intersecano.