Creazione di un algoritmo di market making in MQL5
Come funzionano i market maker? Analizziamo questo problema e creiamo un algoritmo di market making rudimentale.
Tracciamento, debug e analisi strutturale del codice sorgente
L'intero complesso di problemi relativi alla creazione di una struttura di un codice eseguito e al suo tracciamento può essere risolto senza serie difficoltà. Questa possibilità è apparsa su MetaTrader 5 grazie alla nuova funzionalità del linguaggio MQL5: creazione automatica di variabili di tipo complesso di dati (strutture e classi) e loro eliminazione quando si esce dall'ambito locale. L'articolo contiene la descrizione della metodologia e dello strumento già pronto.
Risultati del Market MQL5 per il primo trimestre 2013
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.
Il Market MQL5 compie un anno
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.
Social Trading con le piattaforme di trading MetaTrader 4 e MetaTrader 5
Cos'è il social trading? È una cooperazione reciprocamente vantaggiosa di trader e investitori in cui i trader di successo consentono il monitoraggio del loro trading e i potenziali investitori sfruttano l'opportunità di monitorare le loro prestazioni e copiare le negoziazioni di coloro che sembrano più promettenti.
Ottimizzazione del portafoglio nel Forex: Integrazione tra VaR e teoria di Markowitz
Come funziona il trading di portafoglio sul Forex? Come si possono sintetizzare la teoria del portafoglio di Markowitz per l'ottimizzazione delle proporzioni del portafoglio e il modello VaR per l'ottimizzazione del rischio di portafoglio? Creiamo un codice in base alla teoria del portafoglio, che da un lato ci consentirà di ottenere un basso rischio e, dall'altro, una redditività accettabile a lungo termine.
Risultati del Market MQL5 per il secondo trimestre 2013
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.
Risultati dell’AppStore MetaTrader per il terzo trimestre del 2013
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.
Visualizzazione 3D senza librerie esterne: come MetaTrader 5 mostra i risultati dell'ottimizzazione tramite MQL5 + DX11
L'articolo descrive l'applicazione pratica di DirectX 11 e degli strumenti MQL5 integrati per la creazione di visualizzazioni 3D e interfacce interattive in MetaTrader 5. L'attenzione si concentra sull'efficienza cognitiva - la capacità dei grafici 3D e delle scene interattive strutturate per facilitare la comprensione dei dati di ottimizzazione, dei cluster di liquidità e degli scenari di trading multidimensionali. Vengono discussi in dettaglio i principi fondamentali della pipeline DX, il funzionamento degli shader, l'associazione degli eventi del mouse e della tastiera e i limiti tecnologici oggettivi. L'articolo è destinato agli sviluppatori MQL5 e ai trader algoritmici che sono pronti a trasformare le metriche delle strategie in paesaggi analitici 3D comprensibili, dove l'aspetto visivo accelera il processo decisionale.
Dalle matrici ai modelli: Come costruire una pipeline di machine learning in MQL5 ed esportarla nel formato ONNX
L'articolo descrive la configurazione di una pipeline di machine learning coordinata in MetaTrader 5 con separazione dei ruoli: Python addestra ed esporta il modello in ONNX, MQL5 riproduce la normalizzazione e la PCA tramite matrice/vettore ed esegue l'inferenza. Questo approccio rende stabili e verificabili i dati di input del modello, e lo strategy tester di MetaTrader 5 fornisce metriche per analizzare il comportamento del sistema.