Vladimir Skorina / 프로필

이 문서는 MQL4 언어 함수에 대한 간략한 가이드로, 프로그램을 MQL4에서 MQL5로 이전하는데에 도움을 드릴 것입니다. MQL4 함수마다 (거래 함수 제외) 설명과 대응하는 MQL5쪽의 구현이 적혀있어 이전하는데에 드는 시간을 눈에 띄게 줄여줄 것입니다.. 편의를 위해 MQL4 함수들은 MQL4 레퍼런스처럼 그룹별로 나뉘어있습니다.

최근 FOREX 시장의 클러스터 분석에 대한 관심이 높아지고 있습니다. MQL5는 통화 쌍의 이동 동향을 조사할 수 있는 새로운 가능성을 열어줍니다. MQL4와 차별화되는 MQL5의 주요 기능은 인디케이터 버퍼를 무제한으로 사용할 수 있다는 것입니다. 이 문서에서 그러한 다중 화폐 인디케이터를 만드는 예시에 대해 다뤄보겠습니다.

이 글에서는 저자가 직접 개발한 유전 알고리즘을 이용한 진화 연산에 대해 이야기합니다. 예제를 이용해 알고리즘의 기능을 설명하고, 실제 적용 가능한 경우를 설명합니다.

MetaTrader 5를 사용하면 Expert Advisors와 MQL5 언어를 사용하여 임베디드 전략 테스터 내에서 자동 거래를 시뮬레이션할 수 있습니다. 이러한 유형의 시뮬레이션을 Expert Advisors 테스트라고 하며 다중 스레드 최적화를 사용하여 동시에 여러 기기에서 구현할 수 있습니다. 철저한 테스트를 제공하려면 사용 가능한 분 기록을 기반으로 하는 틱 생성을 수행해야 합니다. 이 글은 MetaTrader 5 클라이언트 터미널에서 이력 테스트를 위해 틱이 생성되는 알고리즘에 대한 자세한 설명을 제공합니다.

이 글에서는 다중 색상 표시기를 생성하거나 기존 표시기를 다중 색상으로 변환하는 방법을 고려할 것입니다. MQL5를 사용하면 정보를 편리한 형식으로 표현할 수 있습니다. 이제 지표가 있는 수십 개의 차트를 보고 RSI 또는 스토캐스틱 수준의 분석을 수행할 필요가 없습니다. 지표의 값에 따라 다른 색상으로 캔들을 페인트하는 것이 좋습니다.

일본 캔들스틱 차트의 구성과 캔들스틱 패턴 분석은 놀라운 기술적 분석 영역을 구성합니다. 캔들스틱의 장점은 데이터 내부의 역학을 추적 할 수 있는 방식으로 데이터를 표현한다는 것입니다. 이 글에서는 캔들스틱 유형, 캔들스틱 패턴 분류를 분석하고 캔들스틱 패턴을 결정할 수 있는 인디케이터를 제시합니다.

이 글은 독자들이 MQL5 언어의 그래픽 객체를 사용하는 가능한 변형에 대해 알게 하기 위한 것입니다. 그래픽 개체를 사용하여 간단한 스펙트럼 분석기를 관리하는 패널을 구현하는 표시기를 분석합니다. 이 기사는 MQL5의 기본 사항에 대해 잘 알고 있는 독자를 대상으로 합니다.

본 문서는 매매시스템이 필요한 매매 신호를 어떻게 받는지 가르쳐줄 것입니다. 이 문서에서 다룰 20개의 매매 신호를 만드는 예시는 Expert Advisor 개발에 쓸 수 있는 별도의 커스텀 함수로 되어있습니다. 편의를 위해서, 본 문서에서 사용된 모든 함수는 미래에 Exper Advisor에 손쉽게 연결할 수 있도록 하나의 mqh include 파일에 들어 있습니다.

이 글은 성장 신경 가스 (GNG)라고하는 클러스터링의 적응 알고리즘을 구현하는 MQL5 프로그램을 개발하는 방법의 예를 보여줍니다. 이 글은 언어 문서를 공부하고 신경 정보학 분야에서 특정 프로그래밍 기술과 기본 지식을 보유한 사용자를 대상으로 합니다.

이 자료에서는 MetaTrader 클라이언트 터미널에서 사용할 수 있는 견적 표현의 몇 가지 특성을 분석하려고 합니다. 기사는 일반적이고 프로그래밍과는 무관합니다.

MQL5 프로그래밍 언어는 새로운 수준에서 문제를 해결할 수 있습니다. 객체 지향 프로그래밍 덕분에 이미 그러한 솔루션이있는 작업조차도 더 높은 수준으로 올라갈 수 있습니다. 이 기사에서는 차트에서 새로운 바를 확인하는 매우 간단한 예를 살펴 보겠습니다. 이는 다소 강력하고 다양한 도구로 변환되었습니다. 어떤 도구? 이 기사에서 알아보십시오.

이 글은 표시기 다시 그리기, 다중 시간대 표시기, 일본 캔들스틱 시세 표시에 대한 저자의 의견을 간략히 설명합니다. 이 문서에는 프로그래밍 관련 내용이 없으며 일반 문서입니다.

이 글은 금융 시장 분석을위한 fuzzy logic 개념의 실제 적용에 전념합니다. Envelopes 인디케이터를 기반으로 두 가지 퍼지 규칙을 기반으로 신호를 생성하는 인디케이터의 예를 제안합니다. 개발된 인디케이터는 여러 인디케이터 버퍼를 사용함: 계산용 버퍼 7 개, 차트 디스플레이 용 버퍼 5 개, 색상 버퍼 2 개.

요즘, 모든 거래자들은 신경망에 대해 들어봤을 것이고, 신경망을 사용하는 것이 얼마나 멋진지 알고 있을 것입니다. 대다수는 신경망을 다룰 수 있는 사람들이 일종의 초인적인 존재라고 믿습니다. 이 기사에서는 신경 네트워크 아키텍처를 설명하고, 그 적용 사례를 설명하며, 실제 사용 사례를 보여 드리겠습니다.

배열은 변수 및 함수와 함께 거의 모든 프로그래밍 언어의 필수적인 부분입니다. 이 글은 주로 초보 MQL5 프로그래머가 관심을 가져야 하는 내용으로 구성된 반면, 숙련된 프로그래머는 지식을 요약하고 체계화할 수 있는 좋은 기회가 되어 줄 것입니다.

이 문서에서는 스트림 데이터에서 유용한 신호(트렌드)를 결정하는 방법 중 하나를 설명합니다. 마켓 견적에 적용된 소규모 필터링(스무딩) 테스트는 마지막 막대에 다시 그려지지 않은 지연되지 않는 디지털 필터(지시자)를 만들 수 있는 가능성을 보여줍니다.

이 글에서는 고급 ZigZag 지표를 만들 가능성을 검토합니다. 노드를 식별하는 아이디어는 Envelopes 지표의 사용을 기반으로 합니다. 우리는 모든 ZigZag 노드가 Envelopes 밴드의 범위 내에 있는 일련의 Envelopes에 대한 입력 매개변수의 특정 조합을 찾을 수 있다고 가정합니다. 결과적으로 우리는 새로운 노드의 좌표를 예측하려고 시도할 수 있습니다.

지표 배출은 시장 조사에서 거의 연구되지 않은 영역입니다. 이는 주로 시변 데이터의 매우 큰 배열 처리로 인한 분석의 어려움 때문입니다. 기존 그래픽 분석은 리소스 집약적이므로 시계열 배출을 사용하는 간결한 알고리즘 개발을 촉발했습니다. 이 글은 시각적(직관적인 이미지) 분석이 배출의 통합 특성 연구로 대체될 수 있는 방법을 보여줍니다. 자동 거래 시스템의 거래자와 개발자 모두에게 흥미로울 수 있습니다.

Support Vector Machine은 복잡한 데이터 세트를 평가하고 데이터를 분류하는 데 사용할 수 있는 유용한 패턴을 추출하기 위해 생물정보학 및 응용 수학과 같은 분야에서 오랫동안 사용되어 왔습니다. 이 글에서는 서포트 벡터 머신이 무엇인지, 어떻게 작동하는지, 왜 복잡한 패턴을 추출하는 데 유용할 수 있는지 살펴봅니다. 그런 다음 시장에 적용할 수 있는 방법과 잠재적으로 거래에 조언하는 데 사용할 수 있는 방법을 조사합니다. Support Vector Machine Learning Tool을 사용하여 이 글은 독자가 자신의 거래를 실험할 수 있는 작업 예제를 제공합니다.

우리 모두는 "백 번 듣는 것보다 한 번 보는 것이 낫다"라는 말에 대해 알고 있습니다. 파리나 베네치아에 관한 다양한 책은 읽을 수 있지만, 이런 이미지만으로 이 멋진 도시에서 즐기는 저녁 산책의 느낌에 대해 알 수 없을 것입니다. 시각화의 이점은 시장에서의 작업 (예: 지표를 사용한 차트의 가격 분석, 물론 전략 테스트의 시각화)을 포함하여 우리 삶의 모든 측면에서 쉽게 예상 할 수 있다는 데 있습니다. 이 문서에는 MetaTrader 5 전략 테스터의 모든 시각화 기능에 대한 설명이 포함되어 있습니다.