당사 팬 페이지에 가입하십시오
- 게시자:
-
Amanda Vitoria De Paula Pereira
"At 6, I disassembled toys to understand their mechanics, by 12, I was captivated by the intersection of art and mathematics. I saw the micro and macro connections like a musical arrangement, to me, everything is a grand opera; a harmony that makes my eyes shine." - 조회수:
- 54
- 평가:
- 게시됨:
- 업데이트됨:
-
이 코드를 기반으로 한 로봇이나 지표가 필요하신가요? 프리랜스로 주문하세요 프리랜스로 이동
방향성 트레이딩과 단순 상관관계의 결함
대부분의 트레이딩 알고리즘은 방향성 시장 움직임을 예측하려고 하기 때문에 예측할 수 없는 거시경제 충격에 자본이 노출될 수 있습니다. 이를 완화하기 위해 일부 트레이더는 쌍 간 단순 "상관관계"를 사용합니다(예: EURUSD 대 GBPUSD). 그러나 두 자산의 상관관계가 높은 반면 스프레드는 무한히 벌어질 수 있기 때문에 상관관계는 트레이딩에 결함이 있는 지표입니다.
기관의 우위: 코인통합 및 StatArb
최상위 퀀트 헤지 펀드는 통계적 차익거래(StatArb)를 통해 시장 중립 포트폴리오를 운용합니다. 이들은 방향을 예측하는 대신 역사적으로 연결된 두 자산 간의 스프레드가 결국 평균으로 되돌아간다는 수학적 특성인 코인통합에 의존합니다.
기관용 StatArb 스프레드 Z-Score는 이 고급 포트폴리오 수학을 MQL5 터미널에 직접 제공합니다.
핵심 정량적 아키텍처
-
로그 스프레드 계산: 이 엔진은 단순히 가격을 빼는 것이 아닙니다. 자연로그 차분(로그(자산 A) - 로그(자산 B))을 계산하여 가격 척도가 다른 상품(예: 금 대 은)의 변동성을 정규화합니다.
-
동적 스프레드 Z-Score: 스프레드에 롤링 표준편차(Z-Score)를 적용합니다. 이 언바운드 지표는 현재 스프레드가 과거 기준선에서 얼마나 많은 표준 편차를 벗어났는지 정확히 보여줍니다.
-
다중 자산 시간 동기화: 기본 MQL5 처리 기능은 차트 심볼과 보조 주입 심볼 사이의 시계열 데이터를 완벽하게 동기화하여 한 자산에 브로커 데이터가 누락된 경우에도 정확한 틱 단위 스프레드 계산을 보장합니다.
페어 트레이딩 실행 방법 (시장 중립)
-
인디케이터를 연결합니다: 자산(예: AUDUSD )에 지표를 배치하고 설정에 자연적으로 동조화된 쌍(예: NZDUSD)을 입력합니다.
-
다이버전스 식별: 스프레드 Z 점수가 임계값(예: +2.5 또는 -2.5 )을 돌파할 때까지 기다립니다.
-
차익거래를 실행합니다:
-
Z-Score가 +2.5에 도달하면 (스프레드가 너무 넓음): 자산 A를 매도하고 자산 B를 매수합니다.
-
Z-Score가 -2.5에 도달하면 (스프레드가 너무 좁음): 자산 A를 매수하고 자산 B를 매도합니다.
-
Z-Score가 0.0(평균)으로 돌아오면 두 레그를 동시에 청산합니다.
-
MetaQuotes Ltd에서 영어로 번역함.
원본 코드: https://www.mql5.com/en/code/71862
Precision Sniper
정밀 스나이퍼는 트레이딩뷰의 최고 신호 도구에서 영감을 얻은 다중 융합 MT5 지표로, EMA 구조, RSI, MACD, ADX, VWAP 및 거래량 정렬을 기반으로 모든 매수/매도 신호(A+, A, B, C)에 등급을 매기고 8가지 프리셋, HTF 편향 확인, 자동 TP/SL 레벨, 추적손절, 내장 백테스트 대시보드가 있습니다.
Momentum and news impact candles
A candlestick chart which colors OHLC candles based on directional price momentum and news impact
Institutional Kinematic Price Physics (Velocity and Acceleration)
A quantitative physics engine that applies differential calculus to price action, extracting true Market Velocity (1st Derivative) and Market Acceleration (2nd Derivative) to predict trend exhaustion before it happens.
Fixed-Width Fractional Differencing (FFD)
MQL5 implementation of the fixed-width fractional differencing (FFD) method from López de Prado's Advances in Financial Machine Learning (Chapter 5). Transforms a non-stationary price series into a stationary one while preserving maximum historical memory; output cross-validates against the Python afml library to within 1e-12.
