Статьи с примерами программирования индикаторов на языке MQL5
Технические индикаторы являются самыми простыми и самыми полезными инструментами для проведения анализа ценовых графиков. В этом разделе вы найдете обучающие статьи, которые шаг за шагом помогут вам в изучении языка MQL5, вы сможете повторить как классические индикаторы технического анализа, так и научиться создавать свои собственные.
В статьях подробно объясняются приложенные исходные коды, скачивайте их в редактор MetaEditor и программируйте вместе с автором в процессе чтения.
Новая статья
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Файловые операции в MQL5: От базового ввода-вывода до собственного CSV-ридера
В статье рассматриваются основные методы обработки файлов MQL5, ведение журналов торговли, обработка CSV-файлов и интеграция внешних данных. Статья содержит как теорию, так и практическое руководство по реализации. Читатели научатся шаг за шагом создавать собственный класс импортера CSV, получив практические навыки для реальных приложений.
Создаем индикатор канал Кельтнера с помощью пользовательской графики Canvas на MQL5
В настоящей статье мы создаем индикатор канал Кельтнера с помощью пользовательской графики Canvas на MQL5. Мы подробно описываем интеграцию скользящих средних, расчеты ATR, а также улучшенную визуализацию графиков. Мы также расскажем о тестировании на истории, чтобы оценить эффективность индикатора и получить практическую информацию о трейдинге.
Сингулярный спектральный анализ на MQL5
Данная статья предназначена в качестве руководства для тех, кто не знаком с концепцией сингулярного спектрального анализа и хочет получить достаточно знаний, чтобы иметь возможность применять встроенные инструменты, доступные на MQL5.
Прогнозирование условного распределения с помощью MLP
В данной статье мы рассмотрим модель регрессии на базе MLP, которая прогнозирует не только условное математическое ожидание, но и условную дисперсию. Другими словами, мы будем учить нашу сеть предсказывать целое распределение будущих цен на основе входного вектора признаков. Но для этой цели нам придется написать свою собственную функцию потерь.