Articoli sull'analisi dei dati e le statistiche in MQL5

Se specifici programmi di rete neurale per il trading sembrano costosi e complessi o, al contrario, troppo semplici, prova NeuroPro. È gratuito e contiene il set ottimale di funzionalità per i dilettanti. Questo articolo ti spiegherà come usarlo insieme a MetaTrader 5.

La breve durata dei contratti future complica la loro analisi tecnica. È difficile analizzare tecnicamente grafici brevi. Ad esempio, il numero di barre sul grafico giornaliero del future sull'indice azionario ucraino UX-9.13 è superiore a 100. Pertanto, il trader crea contratti a lungo termine sintetici. Questo articolo spiega come unire i contratti future con date diverse nel terminale MetaTrader 5.

La nuova versione del linguaggio di programmazione per lo sviluppo di strategie di trading, MQL [MQL5], fornisce funzionalità più potenti ed efficaci rispetto alla versione precedente [MQL4]. Il vantaggio risiede essenzialmente nelle funzionalità di programmazione orientata agli oggetti. Questo articolo esamina la possibilità di utilizzare tipi di dati personalizzati complessi, come nodi ed elenchi. Fornisce inoltre un esempio di utilizzo delle liste nella programmazione pratica in MQL5.

L'articolo introduce una struttura per un Expert Advisor che scambia più simboli e utilizza diversi sistemi di trading contemporaneamente. Se hai già identificato i parametri di input ottimali per tutti i tuoi EA e hai ottenuto buoni risultati di backtesting per ciascuno di essi separatamente, chiediti quali risultati otterresti se testassi tutti gli EA contemporaneamente, con tutte le tue strategie messe insieme.

Continuiamo la serie di articoli sulla programmazione MQL5. Questa volta vedremo come ottenere i risultati di ogni passaggio di ottimizzazione proprio durante l'ottimizzazione dei parametri di Expert Advisor. L'implementazione sarà eseguita in modo da garantire che se le condizioni specificate nei parametri esterni sono soddisfatte, i valori di passaggio corrispondenti verranno scritti in un file. Oltre ai valori di test, salveremo anche i parametri che hanno portato a tali risultati.

MQL5 fornisce ai programmatori un set molto completo di funzioni e API orientate agli oggetti grazie alle quali possono fare tutto ciò che vogliono all'interno dell'ambiente MetaTrader. Tuttavia, la tecnologia Web è uno strumento estremamente versatile al giorno d'oggi. Essa può venire in soccorso in alcune situazioni in cui è necessario fare qualcosa di molto specifico, oppure quando vuoi stupire i tuoi clienti con qualcosa di diverso o semplicemente quando non si ha abbastanza tempo per padroneggiare una parte specifica della libreria standard MT5. L'esercizio di oggi ti guida attraverso un esempio pratico su come puoi gestire il tuo tempo di sviluppo allo stesso tempo in cui crei anche un fantastico cocktail tecnologico.

È passato un anno dal lancio delle vendite nel Market MQL5. È stato un anno di duro lavoro, che ha trasformato il nuovo servizio nel più grande negozio di robot di trading e indicatori tecnici per la piattaforma MetaTrader 5.

Recentemente gli utenti MetaTrader 4 e MetaTrader 5 hanno ricevuto l'opportunità di diventare fornitori di segnali e di guadagnare ulteriori profitti. Ora puoi mostrare tuoi successi di trading sul tuo sito web, blog o pagina di social network utilizzando i nuovi widget. I vantaggi dell'utilizzo dei widget sono evidenti: aumentano la popolarità dei fornitori di segnali, stabiliscono la loro reputazione di trader di successo e attirano nuovi abbonati. Tutti i trader che inseriscono widget su altri siti Web possono godere di questi vantaggi.

Le emissioni degli indicatori sono un'area poco studiata della ricerca di mercato. Ciò è dovuto principalmente alla difficoltà di analisi causata dall'elaborazione di array molto grandi di dati variabili nel tempo. L'analisi grafica esistente è troppo dispendiosa in termini di risorse e ha quindi innescato lo sviluppo di un algoritmo parsimonioso che utilizza serie temporali di emissioni. Questo articolo dimostra come l'analisi visiva (immagine intuitiva) possa essere sostituita con lo studio delle caratteristiche integrali delle emissioni. Può essere di interesse sia per i trader che per gli sviluppatori di sistemi di trading automatizzati.

Un altro trimestre dell'anno è passato e abbiamo deciso di riassumere i suoi risultati per l’AppStore MetaTrader, il più grande negozio di robot di trading e indicatori tecnici per le piattaforme MetaTrader. Più di 500 sviluppatori hanno immesso oltre 1200 prodotti sul mercato entro la fine del trimestre segnalato.

Operando con successo per 1,5 anni, il Market MQL5 è diventato il più grande negozio di trader di strategie di trading e indicatori tecnici. Offre circa 800 applicazioni di trading fornite da 350 sviluppatori di tutto il mondo. Oltre 100.000 programmi di trading sono già stati acquistati e scaricati dai trader sui loro terminali MetaTrader 5.

Dalla sua fondazione, il negozio di robot di trading e indicatori tecnici del Market MQL5 ha già attratto più di 250 sviluppatori che hanno pubblicato 580 prodotti. Il primo trimestre del 2013 si è rivelato un discreto successo per alcuni venditori del Market MQL5 che sono riusciti a realizzare un bel profitto vendendo i loro prodotti.

Jeremy Scott, meglio conosciuto con il soprannome di Johnnypasado sulla MQL5.community, è diventato famoso offrendo prodotti nel nostro servizio Market MQL5. Jeremy ha già guadagnato diverse migliaia di dollari nel Market e non finisce qui. Abbiamo deciso di dare un'occhiata più da vicino al futuro milionario e ricevere alcuni consigli per i venditori del Market MQL5.

Un algoritmo di protezione statistica delle posizioni swap positive aperte da movimenti di prezzo indesiderati. Questo articolo presenta una variante della strategia di protezione del carry trade che consente di compensare il potenziale rischio del movimento del prezzo nella direzione opposta a quella della posizione aperta.

Questo articolo serve a far familiarizzare il lettore con il metodo di decomposizione empirica (EMD). È la parte fondamentale della trasformata di Hilbert-Huang ed è destinata all'analisi dei dati provenienti da processi non stazionari e non lineari. Questo articolo presenta anche una possibile implementazione software di questo metodo insieme a una breve considerazione delle sue peculiarità, oltre a fornire alcuni semplici esempi del suo utilizzo.

Il problema principale della statistica applicata è il problema dell'accettazione di ipotesi statistiche. È stato a lungo considerato impossibile da risolvere. La situazione è cambiata con l'emergere del metodo delle auto-coordinate. È uno strumento buono e potente per uno studio strutturale di un segnale che consente di vedere più di quanto è possibile utilizzando i metodi della moderna statistica applicata. L'articolo si concentra sull'uso pratico di questo metodo e illustra i programmi in MQL5. Tratta anche il problema dell'identificazione delle funzioni utilizzando come esempio la distribuzione introdotta da Hilhorst e Schehr.

L'articolo tratta la creazione di un programma che consenta di stimare la densità kernel della funzione di densità di probabilità incognita. Il metodo di stima kernel di densità è stato scelto per eseguire l'attività. L'articolo contiene i codici sorgente dell'implementazione del software del metodo, esempi del suo utilizzo e illustrazioni.

Ogni trader lavora utilizzando determinati calcoli statistici, anche se è un sostenitore dell'analisi fondamentale. Questo articolo ti guida attraverso i fondamenti della statistica, i suoi elementi di base e mostra l'importanza delle statistiche nel processo decisionale.

Il sito MQL5.com ricorda tutti voi abbastanza bene! Quanti dei tuoi thread sono epici, quanto sono popolari i tuoi articoli e quanto spesso vengono scaricati i tuoi programmi nella Code Base: questa è solo una piccola parte di ciò che viene ricordato su MQL5.com. I tuoi risultati sono disponibili nel tuo profilo, ma per quanto riguarda il quadro generale? In questo articolo mostreremo il quadro generale di tutti i risultati dei membri della MQL5.community.

L'articolo ha lo scopo di far conoscere ai suoi lettori la trasformazione di Box-Cox. Vengono affrontate le problematiche relative al suo utilizzo e vengono forniti alcuni esempi che permettono di valutare l'efficienza della trasformazione con sequenze casuali e quotazioni reali.

L'articolo fornisce una descrizione delle modalità di utilizzo dell'analisi di regressione multipla per lo sviluppo di sistemi di trading. Dimostra l'uso dell'analisi di regressione per l'automazione della ricerca strategica. Come esempio viene fornita un'equazione di regressione generata e integrata in un EA senza richiedere un'elevata competenza nella programmazione.

Questo articolo descrive il framework MQL5-RPC che abilita le chiamate di procedura remota da MQL5. Inizia con le basi XML-RPC, l'implementazione MQL5 e continua con due esempi di utilizzo reali. Il primo esempio utilizza un servizio web esterno e il secondo è un client per il semplice servizio XML-RPC ATC 2011 Analyzer. Se sei interessato a come implementare e analizzare diverse statistiche da ATC 2011 in tempo reale, questo articolo fa per te.

Ora sappiamo che la funzione di densità di probabilità (PDF) di un ciclo di mercato non ricorda un ciclo gaussiano, ma piuttosto un PDF di un'onda sinusoidale e che la maggior parte degli indicatori presuppone che il ciclo di mercato PDF sia gaussiano quindi abbiamo bisogno di un modo per "correggerlo". La soluzione è utilizzare la trasformata di Fisher. La trasformata di Fisher cambia il PDF di qualsiasi forma d'onda in una curva approssimativamente gaussiana. Questo articolo descrive la matematica dietro la trasformata di Fisher e la trasformata di Fisher inversa e la loro applicazione nel trading. Viene presentato e valutato un modulo di segnale di trading proprietario basato sulla trasformata di Fisher inversa.

In questo articolo, vorrei fare un esempio di come può essere il programma di un trader e di quali risultati si possono ottenere in 9 mesi, avendo iniziato a imparare MQL5 da zero. Questo esempio mostrerà anche come un tale programma può essere multifunzionale e informativo per un trader occupando il minimo spazio sul grafico dei prezzi. E saremo in grado di vedere quanto possono diventare colorati, luminosi e intuitivamente chiari per i pannelli informativi di trading degli utenti. Oltre a tante altre caratteristiche...

Questo articolo cerca di aggiornare l'indicatore creato in precedenza e tratta brevemente un metodo per stimare gli intervalli di confidenza delle previsioni utilizzando il bootstrap e i quantili. Di conseguenza, otterremo l'indicatore di previsione e gli script da utilizzare per la stima dell'accuratezza della previsione.

Quando si sviluppa un sistema di trading, di solito si pone il problema di selezionare la migliore combinazione di indicatori e dei loro segnali. L'analisi discriminante è uno dei metodi per trovare tali combinazioni. L'articolo fornisce un esempio di sviluppo di un EA per la raccolta dei dati di mercato e illustra l'uso dell'analisi discriminante per la costruzione di modelli prognostici per il mercato FOREX nel software Statistica.

L'analisi tecnica implementa ampiamente gli indicatori che mostrano le quotazioni di base "più chiaramente" e consentono ai trader di eseguire analisi e prevedere il movimento dei prezzi di mercato. È abbastanza ovvio che non ha senso utilizzare gli indicatori, tanto meno applicarli nella creazione di sistemi di trading, a meno che non si risolvano i problemi relativi alla trasformazione delle quotazioni iniziali e alla credibilità dei risultati ottenuti. In questo articolo mostriamo che ci sono serie ragioni per una tale conclusione.

L'articolo permette al lettore di familiarizzare con i modelli di livellamento esponenziale utilizzati per la previsione a breve termine delle serie temporali. Inoltre, tocca le questioni relative all'ottimizzazione e alla stima dei risultati di previsione e fornisce alcuni esempi di script e indicatori. Questo articolo sarà utile come prima conoscenza dei principi di previsione sulla base di modelli di livellamento esponenziale.

Questo articolo introduce una classe progettata per fornire una rapida stima preliminare delle caratteristiche di varie serie temporali. Mentre ciò avviene, vengono stimati i parametri statistici e la funzione di autocorrelazione, viene eseguita una stima spettrale delle serie temporali e viene costruito un istogramma.

Il client terminal MetaTrader 5 offre un'ampia gamma di opportunità per l'ottimizzazione dei parametri dell’Expert Advisor. Oltre ai criteri di ottimizzazione inclusi nel tester di strategia, gli sviluppatori hanno l'opportunità di creare i propri criteri. Questo porta a un numero quasi illimitato di possibilità di test e ottimizzazione degli Expert Advisor. L'articolo descrive i modi pratici per creare tali criteri, sia complessi che semplici.

Uno degli aspetti più interessanti delle feature map auto-organizzanti (mappe Kohonen) è che imparano a classificare i dati senza supervisione. Nella sua forma base, produce una mappa di similarità dei dati di input (clustering). Le mappe SOM (Self-Organizing Map) possono essere utilizzate per la classificazione e la visualizzazione di dati ad alta dimensionalità. In questo articolo considereremo alcune semplici applicazioni delle mappe Kohonen.

La stima dei parametri statistici di una sequenza è molto importante poiché la maggior parte dei modelli e metodi matematici si basa su ipotesi diverse. Ad esempio, normalità della legge di distribuzione o valore di dispersione o altri parametri. Pertanto, durante l'analisi e la previsione delle serie temporali abbiamo bisogno di uno strumento semplice e conveniente che consenta di stimare in modo rapido e chiaro i principali parametri statistici. L'articolo descrive brevemente i parametri statistici più semplici di una sequenza casuale e diversi metodi della sua analisi visiva. Offre l'implementazione di questi metodi in MQL5 e i metodi di visualizzazione del risultato dei calcoli utilizzando l'applicazione Gnuplot.

L'articolo affronta le distribuzioni di probabilità (normale, log-normale, binomiale, logistica, esponenziale, distribuzione di Cauchy, distribuzione t di Student, distribuzione di Laplace, distribuzione di Poisson, distribuzione iperbolica delle secanti, distribuzione Beta e Gamma) delle variabili casuali utilizzate nella statistica applicata. Dispone anche di classi per la gestione di queste distribuzioni.

Esiste una correlazione tra il comportamento dei prezzi passati e le sue tendenze future? Perché il prezzo ripete oggi il carattere del suo movimento del giorno precedente? Le statistiche possono essere utilizzate per prevedere le dinamiche dei prezzi? C'è una risposta ed è positiva. Se hai qualche dubbio, allora questo articolo fa al caso tuo. Ti spiegherò come creare un filtro funzionante per un sistema di trading con MQL5, rivelando un modello interessante nelle variazioni di prezzo.

Questo articolo è una continuazione logica del mio articolo Statistical Probability Distributions in MQL5 che espone le classi per lavorare con alcune distribuzioni statistiche teoriche. Ora che abbiamo una base teorica, suggerisco di procedere direttamente a set di dati reali e provare a fare un uso informativo di questa base.

Il prezzo di mercato è formato da un equilibrio stabile tra domanda e offerta che, a sua volta, dipende da una varietà di fattori economici, politici e psicologici. Le differenze di natura e le cause di influenza di questi fattori rendono difficile considerare direttamente tutti i componenti. Questo articolo espone un tentativo di prevedere il prezzo di mercato sulla base di un modello di regressione elaborato.

Random Walk sembra molto simile ai dati di mercato reali, ma ha alcune caratteristiche significative. In questo articolo considereremo le proprietà di Random Walk, simulato utilizzando il gioco del lancio della moneta. Per studiare le proprietà dei dati, viene sviluppato l'indicatore di tendenza.

Nel seguente articolo descriverò un processo di implementazione dell'indicatore Moving Mini-Max basato su un documento di Z.G.Silagadze "Moving Mini-max: a new indicator for technical analysis". L'idea dell'indicatore si basa sulla simulazione di fenomeni di tunneling quantistico proposta da G. Gamov nella teoria del decadimento alfa.

Questo articolo descrive in particolare i metodi econometrici di analisi, l'analisi di autocorrelazione e l'analisi della varianza condizionale. Qual è il vantaggio dell'approccio qui descritto? L'uso dei modelli GARCH non lineari consente di rappresentare formalmente la serie analizzata dal punto di vista matematico e di creare una previsione per un numero specificato di passaggi.

Questo articolo ha lo scopo di far conoscere ai suoi lettori una possibile variante dell'utilizzo di oggetti grafici del linguaggio MQL5. Analizza un indicatore, che implementa un pannello di gestione di un semplice analizzatore di spettro utilizzando gli oggetti grafici. L'articolo è pensato per i lettori che hanno acquisito le basi di MQL5.