Articoli sull'analisi dei dati e le statistiche in MQL5

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.

L'articolo è dedicato all'applicazione pratica del concetto di logica fuzzy per l'analisi dei mercati finanziari. Proponiamo l'esempio dell'indicatore che genera segnali basati su due regole fuzzy basate sull'indicatore Envelopes. L'indicatore sviluppato utilizza diversi buffer di indicatori: 7 buffer per i calcoli, 5 buffer per la visualizzazione dei grafici e 2 buffer colore.

L'articolo mostra un esempio di come sviluppare un programma MQL5 che implementa l'algoritmo adattivo di clustering chiamato Growing neural gas (GNG). L'articolo è destinato agli utenti che hanno studiato la documentazione linguistica e hanno determinate capacità di programmazione e conoscenze di base nell'area della neuro informatica.

Trovare regole per un sistema di trading e programmarle in un Expert Advisor è una metà del lavoro. In qualche modo, è necessario correggere il funzionamento dell'Expert Advisor in quanto accumula i risultati del trading. Questo articolo descrive uno degli approcci che consente di migliorare le prestazioni di un Expert Advisor attraverso la creazione di un feedback che misura la pendenza della curva di bilanciamento.

La costruzione del grafico a candele giapponesi e l'analisi dei modelli di candele costituiscono un'area straordinaria dell’analisi tecnica. Il vantaggio dei modelli di candele è che rappresentano i dati in modo tale da poter tenere traccia delle dinamiche all'interno dei dati. In questo articolo analizziamo i tipi di candele, la classificazione dei modelli di candele e presentiamo un indicatore in grado di determinare queste ultime.

In questo articolo, l'autore parla di calcoli evolutivi con l'uso di un algoritmo genetico sviluppato personalmente. Dimostra il funzionamento dell'algoritmo, usando esempi e fornisce consigli pratici per il suo utilizzo.

In questo articolo, svilupperemo uno strumento per l'analisi dei report CFTC. Risolveremo il seguente problema: sviluppare un indicatore che consenta di utilizzare i dati del report CFTC direttamente dai file di dati forniti dalla Commissione senza un'elaborazione e una conversione intermedie. Inoltre, può essere utilizzato per i diversi scopi: tracciare i dati come indicatore, procedere con i dati negli altri indicatori, negli script per l'analisi automatizzata, negli Expert Advisor per l'uso nelle strategie di trading.

L'idea di filtrare il segnale digitale è stata ampiamente discussa negli argomenti del forum sulla costruzione di sistemi di trading. E sarebbe imprudente non creare un codice standard di filtri digitali in MQL5. In questo articolo l'autore descrive la trasformazione del semplice codice dell'indicatore SMA dal suo articolo "Indicatori personalizzati in MQL5 per principianti" in codice di filtro digitale più complicato e universale. Questo articolo è un seguito logico all'articolo precedente. Indica anche come sostituire il testo nel codice e come correggere gli errori di programmazione.

The Market Profile è stato sviluppato dal geniale pensatore Peter Steidlmayer. Ha suggerito di utilizzare la rappresentazione alternativa delle informazioni sui movimenti di mercato "orizzontali" e "verticali" che porta a un insieme completamente diverso di modelli. Ha assunto che ci sia un impulso sottostante del mercato o un modello fondamentale chiamato ciclo di equilibrio e squilibrio. In questo articolo considererò Price Histogram - un modello semplificato di Market Profile e descriverò la sua implementazione in MQL5.

Ci sono molte misure che consentono di determinare l'efficacia e la redditività di un sistema di trading. Tuttavia, i trader sono sempre pronti a sottoporre qualsiasi sistema a un nuovo crash test. L'articolo spiega come le statistiche basate su misure di efficacia possono essere utilizzate per la piattaforma MetaTrader 5. Esso include la classe per la trasformazione dell'interpretazione delle statistiche dalle posizioni a quella che non contraddice la descrizione fornita nel libro "Statistika dlya traderov" ("Statistiche per i Trader") di S.V. Bulashev. Include anche un esempio di funzione personalizzata per l'ottimizzazione.