MQL5의 데이터 분석 및 통계 관련 기고글

수학적 모델과 확률 법칙에 관한 기고글은 많은 트레이더들이 흥미를 가집니다. 수학은 기술 지표의 기초가 되며 트레이드 결과를 분석하고 전략을 수립하기 위해서는 통계가 필요합니다.

퍼지 논리, 디지털 필터, 마켓 프로파일, 코호넨 지도, 뉴럴 가스 및 거래를 위해 사용할 수 있는 다른 많은 도구에 대해 읽어보십시오.

새로운 기고글 추가

최신 | 최고

1 2 3

시장과 시장이 보여 주는 글로벌 패턴의 물리학

이 글에서는 시장에 대한 이해가 조금이라도 있는 시스템이라면 글로벌 규모로 운영 가능하다는 가정을 테스트해 보려고 합니다. 저는 어떤 이론이나 패턴을 발명하지 않을 것이고 알려진 사실만을 사용하며 이러한 사실을 점차 수학적인 분석 언어로 번역할 것입니다.

모집단 최적화 알고리즘: 침입성 잡초 최적화(IWO)

다양한 조건에서 살아남는 잡초의 놀라운 능력은 강력한 최적화 알고리즘을 만들기 위한 아이디어가 되었습니다. IWO는 앞서 검토한 알고리즘 중 가장 우수한 알고리즘 중 하나입니다.

모집단 최적화 알고리즘: 박쥐 알고리즘(BA)

이 기사에서는 부드러운 함수에서 좋은 수렴을 보이는 박쥐 알고리즘(BA)에 대해 알아볼 것입니다.

모집단 최적화 알고리즘: 반딧불이 알고리즘(FA)

이 글에서는 반딧불이 알고리즘(FA) 최적화 방법에 대해 살펴보겠습니다. 수정을 통해 알고리즘은 주변부의 존재에서평점 테이블의 실제 리더가 되었습니다.

모집단 최적화 알고리즘: 물고기 떼 검색(FSS)

물고기 떼 검색(FSS)은 대부분의 물고기(최대 80%)가 친척들로 구성된 집단인 물고기 떼에서 물고기의 행동에서 영감을 얻은 새로운 최적화 알고리즘입니다. 물고기의 떼가 먹이 사냥의 효율성과 포식자로부터 보호하는 데 중요한 역할을 한다는 것은 이미 입증된 사실입니다.

모집단 최적화 알고리즘: 뻐꾸기 최적화 알고리즘(COA)

다음으로 살펴볼 알고리즘은 레비 비행을 사용한 뻐꾸기 검색 최적화입니다. 이는 최신의 최적화 알고리즘 중 하나이며 인기 있는 새로운 알고즘 중 하나입니다.

모집단 최적화 알고리즘: 회색 늑대 옵티마이저(GWO)

이번에는 최신의 최적화 알고리즘 중 하나인 그레이 울프 최적화에 대해 알아봅시다. 테스트 함수에서의 오리지널 행동은 이 알고리즘을 앞서 고려한 알고리즘 중 가장 흥미로운 알고리즘 중 하나로 만듭니다. 이 알고리즘은 신경망 훈련, 많은 변수가 있는 부드러운 함수의 훈련에 사용되는 최고의 알고리즘 중 하나입니다.

모집단 최적화 알고리즘: 인공 꿀벌 군집(ABC)

이 글에서는 인공 꿀벌 군집의 알고리즘을 연구하고 기능적 공간을 연구하는 새로운 원칙을 더해 우리의 지식을 보완할 것입니다. 이 글에서는 고전적인 버전의 알고리즘에 대한 저의 해석을 보여드리겠습니다.

모집단 최적화 알고리즘: 개미 군집 최적화(ACO)

이번에는 개미 군집 최적화 알고리즘을 분석해 보겠습니다. 이 알고리즘은 매우 흥미롭고 복잡합니다. 이 글에서는 새로운 유형의 ACO를 만들기 위한 시도를 할 것입니다.

모집단 최적화 알고리즘: 파티클 스웜(PSO)

이 글에서는 널리 사용되는 파티클 스웜 최적화(PSO) 알고리즘에 대해 살펴보겠습니다. 이전에는 수렴, 수렴 속도, 안정성, 확장성과 같은 최적화 알고리즘의 중요한 특성에 대해 알아보고 테스트 스탠드를 개발했으며 가장 간단한 RNG 알고리즘에 대해 알아보았습니다.

인구 최적화 알고리즘

이 글은 최적화 알고리즘(OA) 분류에 관한 소개 글입니다. 이 글에서는 OA를 비교하고 널리 알려진 알고리즘 중에서 가장 보편적인 알고리즘을 알아보는 데 사용할 테스트 스탠드(함수 집합)를 만들려고 합니다.

Expert Advisor 개발 기초부터(17부): 웹에서 데이터 액세스하기(III)

이 문서에서는 웹에서 데이터를 가져와 Expert Advisor에서 사용하는 방법에 대해 계속 살펴봅니다. 이번에는 대체 시스템 개발에 대해 알아볼 것입니다.

트레이딩 Expert Advisor를 처음부터 개발하기(16부): 웹에서 데이터 액세스하기(II)

웹에서 Expert Advisor에 데이터를 입력하는 방법은 그리 당연하지 않습니다. MetaTrader 5가 제공하는 모든 가능성을 이해하지 않고는 그렇게 쉬운 일이 아닙니다.

데이터 과학 및 머신 러닝(파트 06): 경사 하강법(Gradient Descent)

경사 하강법은 신경망과 여러가지 머신러닝 알고리즘을 훈련하는 데 중요한 역할을 합니다. 경사 하강법은 인상적인 작업을 하면서도 빠르고 지능적인 알고리즘입니다. 많은 데이터 과학자들이 잘못 알고 있기도 한데 경사 하강법이 무엇인지 살펴보겠습니다.

Expert Advisor 개발 기초부터 (파트 15): 웹에서 데이터 액세스 하기(I)

MetaTrader 5를 통해 온라인 데이터에 어떻게 액세스할 수 있을까요? 웹에는 엄청난 양의 정보를 제공하는 많은 웹사이트가 있습니다. 여러분이 알아야 할 것은 어디에서 이 정보를 가장 잘 사용할 수 있을까 하는 점입니다.

데이터 과학 및 머신 러닝(파트 05): 의사 결정 트리

의사 결정 트리는 인간이 데이터를 분류하기 위해 생각하는 방식을 모방합니다. 트리를 구축하고 트리를 사용하여 데이터를 분류하고 예측하는 방법에 대해 알아보겠습니다. 의사 결정 트리 알고리즘의 주요 목표는 불순물이 있는 데이터를 순수한 것으로 분리하거나 노드에 가깝게 분리하는 것입니다.

데이터 과학 및 머신 러닝(파트 04): 현재 주식 시장 붕괴 예측

이 기사에서는 로지스틱 모델을 사용하여 미국 경제의 펀더멘털을 기반으로 주식 시장 폭락을 예측하려고 합니다. NETFLIX와 APPLE은 우리가 집중해서 볼 주식입니다. 이전의 2019년과 2020년의 시장 폭락을 통해 우리 모델이 현재의 암울한 상황에서 어떻게 작동하는지를 알아 봅시다.

MQL5에서 행렬 및 벡터 연산

효율적인 연산을 위해 수학적인 솔루션과 함께 행렬과 벡터가 MQL5에 도입되었습니다. 새로운 유형은 수학적인 표기법에 가까운 간결하고 이해하기 쉬운 코드를 생성하도록 하는 기본 메서드를 제공합니다. 배열은 광범위한 기능을 제공하지만 행렬이 훨씬 더 효율적인 경우가 많습니다.

MetaTrader 5에서 DirectX를 사용하여 3D 그래픽을 만드는 방법

3D 그래픽은 숨겨진 패턴을 시각화 할 수 있습니다. 그러므로 방대한 양의 데이터를 분석하는 데 탁월합니다 이러한 작업은 MQL5에서 직접 해결할 수 있는데 DireсtX 함수를 사용하면 3차원 객체를 만들 수 있습니다. 따라서 MetaTrader 5용 3D 게임과 같은 복잡한 프로그램을 만드는 것도 가능합니다. 간단한 3차원 도형을 그리는 것으로 3D 그래픽을 배워보세요.

시각화! R 언어의 'plot'과 유사한 MQL5 그래픽 라이브러리

트레이딩의 로직을 연구할 때 그래프의 형태로 표시되는 시각적 표현은 매우 중요합니다. 과학 관련 커뮤니티에서 널리 사용되는 여러 프로그래밍 언어(예: R 및 Python)에는 시각화에 사용되는 특수한 '플롯' 함수가 있습니다. 이 함수들이 선, 점 분포 및 히스토그램을 그려서 패턴을 시각화 할 수 있습니다. MQL5에서는 CGraphics 클래스를 사용하여 동일한 작업을 수행할 수 있습니다.

SQLite: MQL5로 SQL 데이터베이스의 처리

트레이딩 전략을 개발하는 일은 많은 양의 데이터를 처리하는 것과 관련이 있습니다. 이제 MQL5에서 SQLite를 기반으로 하는 SQL 쿼리를 사용하여 데이터베이스로 작업할 수 있습니다. 이 엔진에서 중요한 점 전체 데이터베이스가 사용자의 PC에 있는 단일 파일에 저장된다는 것입니다.

데이터 과학 및 머신 러닝(파트 03): 행렬 회귀(Matrix Regressions)

이번에는 우리의 모델이 행렬로 만들어지고 있습니다. 그러므로 유연성이 있으면서 컴퓨터의 계산 한계 내에서 유지되는 한 5개의 독립 변수 뿐만 아니라 많은 변수를 처리할 수 있는 강력한 모델을 만들 수 있습니다. 이 기사가 흥미로울 것이라 확실합니다.

데이터 과학 및 기계 학습(파트 02): 로지스틱 회귀

데이터 분류는 알고리즘 트레이더와 프로그래머에게 중요합니다. 이 기사에서 우리는 예 또는 아니오, 상방 또는 하방, 매수 또는 매도를 식별하는 데 도움이 될 수 있는 분류 로지스틱 알고리즘 중 하나에 초점을 맞출 것입니다.

데이터 과학 및 기계 학습(파트 01): 선형 회귀

이제 우리는 트레이더로서 우리의 시스템과 우리 자신이 숫자가 나타내는 것에 따라 결정을 내리도록 훈련해야 할 때입니다. 우리의 눈과 우리의 직감이 우리에게 확신을 주는 것이 아닙니다. 세상은 그렇게 흘러 가는 것이니 파도의 방향에 맞서 봅시다.

Expert Advisor가 실패하는 이유 분석

이 기사는 왜 Expert Advisor가 특정 지역에서는 좋은 성과를 보이고 다른 지역에서는 저조한 성과를 낼 수 있는지를 이해하기 위해 통화 데이터를 분석하는 것에 대해 살펴봅니다.

MQL 언어를 사용하여 아무것도 없는 상태에서 심층 신경망(Deep Neural Network) 프로그래밍 하기

이 기사는 MQL4/5 언어를 사용하여 심층 신경망을 만드는 방법을 열려주는 것을 목표로 합니다.

트레이딩에서의 수학: 샤프 및 소르티노 비율

투자에 따른 수익은 투자자와 초보 트레이더가 거래의 효율성을 분석하기 위해 사용하는 가장 확실한 지표입니다. 전문적인 트레이더는 샤프 및 소르티노 비율과 같은 전략을 분석하기 위해 보다 안정적인 도구를 사용합니다.

더 나은 프로그래머(파트 02): 성공적인 MQL5 프로그래머가 되기 위해서는 다음의 5가지를 하지 말아야 합니다.

이 글은 성공적인 개발자가 되고자 하는 모든 사람이라면 반드시 읽어야 하는 글입니다. 이 연재 글은 귀하가 경험이 많은 개발자라 하더라도 최고의 프로그래머가 되도록 돕는 것을 목표로 합니다. 글에서 다루는 내용은 MQL5 프로그래밍의 초보자와 전문적인 프로그래머 모두에게 적용됩니다.

기술적 분석 및 시장 예측 방법에 관하여

이 글은 시각적 사고 및 "즉시 사용 가능한" 시장 전망과 결합된 잘 알려진 수학적 방법의 기능과 잠재력을 보여줍니다. 한편으로는 트레이딩 패러다임 자체를 재고할 수 있는 창의적인 마인드를 가질 수 있어 폭넓은 청중의 이목을 집중시키는 역할을 합니다. 그리고 다른 한편으로는 분석 및 예측을 위한 광범위한 도구와 관련된 대안 개발 및 프로그램 코드 구현을 야기할 수 있습니다.

Expert Advisor 매개변수 선택을 위한 테스트(최적화) 기술 및 일부 기준

시험의 성배 (Holy Grail)를 찾는 데는 문제가 없지만 제거하는 것은 훨씬 더 어렵습니다. 이 글에서는 터미널 성능 기능을 최대한 활용하고 최종 사용자 부하를 최소화할 때 최적화 및 테스트 결과의 자동화된 그룹 처리를 통해 Expert Advisor 작동 매개변수 선택에 대해 설명합니다.

HedgeTerminal API를 사용한 MetaTrader 5의 양방향 거래 및 포지션 헤지, 파트 2

이 글은 포지션 헤징에 대한 새로운 접근 방식을 설명하고 이 문제에 대해 MetaTrader 4와 MetaTrader 5 사용자 간의 논쟁에 있어서 선을 그어줍니다. 그것은 다음 첫 번째 파트의 연속입니다: "MetaTrader 5에서 HedgeTerminal 패널을 사용한 양방향 거래 및 포지션 헤징, 파트 1". 두 번째 부분에서는 편리한 포지션 관리를 위한 도구를 제공하는 편안한 소프트웨어 환경에서 양방향 거래를 위해 설계된 특수 시각화 라이브러리인 HedgeTerminalAPI와 맞춤형 Expert Advisors의 통합에 대해 설명합니다.

HedgeTerminal 패널을 이용하여 MetaTrader 5로 양방향 매매와 포지션 헤징하기, 파트 1

이 문서는 포지션 헤징에 대한 새로운 접근 방식을 설명하고 이 문제에 대해 MetaTrader 4와 MetaTrader 5 사용자 간의 논쟁에 종지부를 찍을 것입니다. 헤징을 신뢰할 수 있게 하는 알고리즘은 일반인의 용어로 설명되고 간단한 차트와 다이어그램으로 설명됩니다. 이 문서는는 MetaTrader 5 내의 새로운 완전 기능 트레이딩 터미널이자 새로운 패널인 HedgeTerminal에 전면적으로 집중할 것입니다. HedgeTerminal과 그를 통한 매매 가상화를 통하여 MetaTrader 4와 비슷한 방식으로 포지션을 관리할 수 있게 되었습니다.

트레이더의 통계 도우미: 가설들

이 문서에서는 수리통계학의 기초 중 하나인 가설에 대해 다뤄보겠습니다. 다양한 가설들은 실제 예시에 수리통계적 관점으로 접근해서 검토, 검증됩니다. 실제 데이터는 비모수적 방법을 사용하여 일반화됩니다. 데이터 처리에는 Statistica 패키지와 포팅된 ALGLIB MQL5 수리분석 라이브러리가 사용됩니다.

랜덤 포레스트로 추세 예측하기

본문은 Rattle 패키지를 이용한 외환 시장 내 롱 또는 숏 포지션 예측 패턴 자동 검색에 대해 다룹니다. 모든 투자자에게 도움이 될만 한 글입니다.

3세대 신경망: 심층 신경망

본문은 머신러닝의 새로운 관점에 대해 다룹니다. 딥러닝, 정확히 말하면 심층 신경망에 대한 글이죠. 2세대 신경망도 간략하게 살펴볼 겁니다. 연결 구조, 종류, 학습 메소드 및 규칙, 단점을 다룬 후 3세대 신경망 개발의 역사, 종류, 특성 및 학습 메소드에 대해 알아보겠습니다. 실제 데이터를 이용한 적층 오토인코더를 이용한 심층 신경망 구축 및 학습 실험도 할 겁니다. 인풋 데이터 선택부터 편차 메트릭까지 자세히 다룰 겁니다. 본문의 마지막 부분에서는 MQL4/R 기반 인디케이터가 탑재된 EA를 이용해 심층 신경망을 구현해 보도록 하겠습니다.