Yury Kirillov / Profilo

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.

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.

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.

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.

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.

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.

Oggi è difficile trovare un computer che non abbia un browser installato. Da tanto tempo i browser si evolvono e migliorano. Questo articolo tratta un modo semplice e sicuro per creare grafici e diagrammi sulla base delle informazioni ottenute dal client terminal MetaTrader 5 per la loro visualizzazione nel browser.

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.

Questo articolo descrive brevemente l'opinione dell'autore sul ridisegno di indicatori, indicatori multi-timeframe e visualizzazione di quotazioni con candele giapponesi. L'articolo non contiene specifiche di programmazione ed è di carattere generale.

Questo articolo cerca di analizzare alcune peculiarità di rappresentazione delle quotazioni disponibili nel client terminal MetaTrader. L'articolo è generale, non riguarda la programmazione.