Статьи об анализе данных и статистике в MQL5

icon

Статьи на темы математических моделей и законов вероятности заинтересуют многих трейдеров. Ведь математика положена в основу технических индикаторов, а знание статистики необходимо для анализа результатов торговли и разработки стратегий.

Читайте о нечеткой логике, цифровых фильтрах, рыночном профиле, картах Кохонена, нейронном газе и многих других инструментах, которые могут использованы для торговли.

Новая статья
последние | лучшие
preview
Управление позициями: Построение самокалибрующейся лестницы выхода по историческим данным MFE в MQL5

Управление позициями: Построение самокалибрующейся лестницы выхода по историческим данным MFE в MQL5

Мы реализуем три класса MQL5, которые заменяют фиксированные целевые уровни 1R/2R/3R на уровни поэтапного закрытия, определяемые на основе данных. CExcursionTracker фиксирует максимальное благоприятное отклонение (MFE) в единицах R для каждой закрытой позиции, CExitLadderCalibrator формирует ступени на основе процентилей распределения с учетом окна ретроспективного анализа и минимального числа наблюдений, а CLadderExecutor выполняет закрытие на этих ступенях для открытых позиций. Лестница выхода перекалибруется по мере накопления закрытых позиций. Пока наблюдений недостаточно, используется резервная лестница выхода.
preview
Как обнаруживать и нормализовать объекты графика в MQL5 (Часть 2): Сбор и структурирование данных из сложных аналитических объектов

Как обнаруживать и нормализовать объекты графика в MQL5 (Часть 2): Сбор и структурирование данных из сложных аналитических объектов

Нарисованные вручную аналитические объекты, такие как инструменты Фибоначчи и вилы Эндрюса, не видны автоматизированной торговой логике. В статье предлагается расширение базового детектора, позволяющее извлекать опорные точки, массивы уровней и геометрические смещения из сложных объектов. Вам предстоит реализовать многократно используемый сборщик, который нормализует необработанные данные графика, преобразуя их в структурированные массивы в памяти для принятия решений в рамках торговой стратегии.
preview
Управление позициями на MQL5: Торговый журнал с отслеживанием максимального неблагоприятного и благоприятного отклонений и расчетом R-множителя

Управление позициями на MQL5: Торговый журнал с отслеживанием максимального неблагоприятного и благоприятного отклонений и расчетом R-множителя

В этой статье представлен CTradeJournal — автономный класс MQL5 для отслеживания открытых позиций в реальном времени на каждом тике. Он отслеживает MAE, MFE и первоначальный риск в денежном выражении, рассчитывает R-множитель при закрытии позиции и формирует полную запись в CSV-файл. В тексте объясняются проектные решения, приводится реализация и демонстрируется простая интеграция с советником, позволяющая анализировать входы в рынок, размещение стоп-лоссов и распределение результатов.
preview
Конструирование признаков для машинного обучения (Часть 13): Признаки на основе сканирования трендов в Python

Конструирование признаков для машинного обучения (Часть 13): Признаки на основе сканирования трендов в Python

Сканирование трендов поддерживает как окна, направленные в будущее, так и окна, направленные в прошлое, а режим разметки по умолчанию небезопасен для вычисления признаков: он использует будущие данные и на случайных блужданиях повышает долю совпадений с направлением следующего бара значительно выше случайного уровня. Мы предлагаем специальную функцию-обертку get_trend_scanning_features, которая принудительно задает каузальный режим вычислений и возвращает только window, slope, t_value и rsquared. Во втором анализе количественно оцениваются ошибки, возникающие при применении используемого по умолчанию логарифмического преобразования к рядам, допускающим отрицательные значения.
preview
Персистентное хранилище "ключ — значение" в MQL5: Плоские файлы как легковесная база данных для хранения состояния советника

Персистентное хранилище "ключ — значение" в MQL5: Плоские файлы как легковесная база данных для хранения состояния советника

Благодаря облегченной архитектуре системы сохранения данных торговые советники (EA) могут сохранять счетчики, флаги и временные метки между перезапусками терминала. Используя только средства MQL5, CPersistentStore записывает удобочитаемый файл формата key=value в папку MQL5/Files и обслуживает запросы на чтение из кэша со сквозной записью на основе CHashMap через типизированный API. В статье анализируются операции со сложностью O(1) и O(n), риски неполной записи и отсутствие блокировки файлов, проводится сравнение с глобальными переменными терминала (GlobalVariables) и SQLite, а также приводится демонстрационный пример с детерминированной повторной загрузкой состояния.
preview
Возможности Мастера MQL5, которые вам нужно знать (Часть 99): Использование KD-дерева и эхо-сети (ESN) в пользовательском классе управления капиталом

Возможности Мастера MQL5, которые вам нужно знать (Часть 99): Использование KD-дерева и эхо-сети (ESN) в пользовательском классе управления капиталом

В этой статье описывается пользовательский класс управления капиталом CMoneyKDTreeESN, совместимый с Мастером MQL5 и объединяющий алгоритм KD-дерева и эхо-сеть (ESN). Мы применяем KD-дерево к логарифмическим доходностям и ATR (среднему истинному диапазону), чтобы получить оценку риска, а ESN отслеживает недавнюю рыночную динамику и выдает множитель объема позиции с ограниченным диапазоном значений. Наш класс можно использовать в различных советниках, созданных с помощью Мастера MQL5, как показано здесь на примере сигналов Envelopes и RSI; общая цель — регулировать рисковую экспозицию в условиях высокой волатильности и хвостового риска.
preview
Анализ рекуррентных сетей (RNA) в MQL5: От матриц рекуррентности к сложным сетям

Анализ рекуррентных сетей (RNA) в MQL5: От матриц рекуррентности к сложным сетям

В статье библиотека анализа рекуррентности на MQL5 расширяется средствами анализа рекуррентных сетей (RNA): матрицы рекуррентности рассматриваются как матрицы смежности неориентированных графов. В ней реализованы основные сетевые метрики — кластеризация, транзитивность, средняя длина пути, посредничество, ассортативность и плотность, — которые применяются в скользящих окнах для анализа рекуррентных сетей (RNA) одного временного ряда и совместного анализа рекуррентных сетей (JRNA). Модульный механизм расчета метрик и два индикатора позволяют визуализировать динамику структуры сети на графиках MetaTrader 5 для практического анализа временных рядов.
preview
Измеряем главное (Часть 1): Декомпозиция портфельного риска в MQL5

Измеряем главное (Часть 1): Декомпозиция портфельного риска в MQL5

В статье описан воспроизводимый метод оценки риска портфеля из нескольких символов с использованием матриц MQL5 и OpenBLAS. В ней рассматриваются расчет логарифмических доходностей, построение ковариационной матрицы и вычисление wᵀΣw вместо суммирования отдельных дисперсий. Полностью готовый скрипт выводит для сравнения наивную и истинную оценки волатильности, а также вклад перекрестных членов, позволяя выявить случаи, когда коррелирующие инструменты увеличивают рисковую экспозицию сверх оценок для отдельных активов.
preview
Конструирование признаков для машинного обучения (Часть 11): Фрактальные признаки на Python

Конструирование признаков для машинного обучения (Часть 11): Фрактальные признаки на Python

В статье рассматривается конвейер для конструирования признаков на основе пятибарного фрактала Вильямса и показывается, как центрированное скользящее окно приводит к реальной утечке будущей информации. В статье выявлены две дополнительные скрытые ошибки — жестко заданный сдвиг, привязанный к значению n по умолчанию, и порог волатильности, игнорирующий переданное значение, — а исправления объединены под единым флагом leak_safe. Читатели получат фрактальные признаки, признаки уровней, тренда и сигналов без утечки будущей информации, а также рекомендации о том, в каких случаях столбцы без сдвига остаются пригодными для разметки.
preview
Машинное обучение в условиях ограничений (Часть 1): Настраиваемый набор правил для расчета размера позиции в проп-фирмах

Машинное обучение в условиях ограничений (Часть 1): Настраиваемый набор правил для расчета размера позиции в проп-фирмах

Жестко заданные в коде правила проп-фирмы привязывают модуль расчета размера позиции к одной программе проп-фирмы. В этой статье правила выделяются в PropFirmRuleSet, а PropFirmAccountState и модификаторы размера позиции перерабатываются для его использования, в том числе для учета различий между динамическим и фиксированным дневными лимитами и снижения доли засчитываемой прибыли в новостном окне. Проверка: соответствие поведения исходной реализации для FundedNext проверяется на смоделированной траектории средств счета, поэтому расчет размера позиции можно адаптировать к другой программе через конфигурацию, не переписывая код.
preview
Поиск торгового преимущества (Часть 4): Изотоническая регрессия и прогнозирование направления движения цены с помощью PNN в советнике

Поиск торгового преимущества (Часть 4): Изотоническая регрессия и прогнозирование направления движения цены с помощью PNN в советнике

Мы рассматриваем методы, с помощью которых изотоническая регрессия преобразует исходные оценки сигналов RSI, стохастического осциллятора и ценовой динамики в упорядоченные вероятности, а отдельная вероятностная нейронная сеть оценивает сходные состояния рынка в прошлом. В этой статье оба подхода реализованы в готовом пользовательском классе торгового сигнала на MQL5, совместимом с Мастером MQL5 и предлагающем до семи режимов входа на выбор. В воспроизводимых тестах сигналы, полученные только с помощью изотонической регрессии, сравниваются с сигналами комбинированной модели изотонической регрессии и PNN, чтобы оценить, даёт ли сеть полезную информацию сверх той, которую предоставляет более простая базовая модель.
preview
Как обнаруживать и нормализовать объекты графика в MQL5 (Часть 3): Оповещения и автоматическая торговля на основе объектов, построенных вручную

Как обнаруживать и нормализовать объекты графика в MQL5 (Часть 3): Оповещения и автоматическая торговля на основе объектов, построенных вручную

В этой статье детектор графических объектов расширяется до модульной подсистемы мониторинга и исполнения торговых операций. В ней задаются объективные правила взаимодействия (касание, пересечение, пробой) для трендовых линий, уровней Фибоначчи, каналов, прямоугольников и вил Эндрюса, а события затем передаются через детектор взаимодействий, менеджер оповещений и подключаемый по желанию модуль исполнения торговых операций. В ордерах для установки стоп-лосса и тейк-профита используется геометрия объекта. В результате получается воспроизводимый конвейер обработки, который преобразует статические построения в оповещения для принятия торговых решений и, если соответствующая функция включена, в торговые операции.
preview
Измеряем главное (Часть 2): Ковариационная матрица в MQL5 — построение, спектральное разложение и анализ факторов риска

Измеряем главное (Часть 2): Ковариационная матрица в MQL5 — построение, спектральное разложение и анализ факторов риска

В Части 2 мы представляем класс CCovarianceMatrix для многократного использования, который вычисляет и сохраняет ковариационную матрицу на основе исходных рядов доходностей с помощью встроенного метода MQL5 Cov(). Мы проверяем симметричность, выводим матрицу в виде таблицы с подписями и вызываем метод Eig(), чтобы получить собственные значения и собственные векторы. Читатели увидят, как совместно изменяются торговые инструменты и какие факторы определяют дисперсию, что позволит нагляднее оценивать состояние портфеля и повторно использовать код в скриптах или советниках.
preview
Построение моделей волатильности в MQL5 (Часть IV): Долгая память волатильности — диагностика и реализация FIGARCH и HARCH

Построение моделей волатильности в MQL5 (Часть IV): Долгая память волатильности — диагностика и реализация FIGARCH и HARCH

В статье представлены реализации моделей FIGARCH и HARCH на языке MQL5, а также обновлена библиотека волатильности для процессов с долгой памятью. В статье представлен код для проведения тестов Херста и GPH, настройки параметров (усечения и горизонтов), а также скрипты для оценки параметров моделей, прогнозирования и моделирования. Читатели узнают, как применять и сравнивать модели на рыночных данных для выбора подходящей спецификации.
preview
Автоматическое построение сессионного профиля объема на MQL5: Визуализация POC и зоны стоимости без сторонних инструментов

Автоматическое построение сессионного профиля объема на MQL5: Визуализация POC и зоны стоимости без сторонних инструментов

Реализуйте сессионный профиль объема на MQL5: получайте тики с помощью CopyTicksRange(), группируйте их по ценовым интервалам и рассчитывайте POC, VAH и VAL по правилу 70%. Индикатор отображает профиль непосредственно на графике с помощью штатных графических объектов, поддерживает масштабирование в режиме фиксированной ширины для сохранения единообразной геометрии на разных таймфреймах и обновляется с началом каждой новой сессии. Это позволяет получить объективные опорные уровни без внешних зависимостей.
preview
Торговые инструменты MQL5 (Часть 36): Фигуры и аннотации в слое рисования с редактированием меток прямо на холсте

Торговые инструменты MQL5 (Часть 36): Фигуры и аннотации в слое рисования с редактированием меток прямо на холсте

Мы добавляем на холст восемь инструментов для рисования фигур и девять инструментов для создания аннотаций, а также реализуем полнофункциональную систему редактирования меток на месте. В статье подробно рассматриваются геометрия, отрисовка со сглаживанием, общие вспомогательные функции для переноса слов и отрисовки текста с суперсэмплингом, а также конечный автомат редактирования, основанный на положении текстового курсора и отвечающий за ввод текста, навигацию и выделение. В результате получается полный и согласованный набор инструментов для аннотирования с редактируемыми метками, который интегрируется в существующий конвейер взаимодействия.
preview
Свечи FU/AFU/SFU: Определения, код и статистика

Свечи FU/AFU/SFU: Определения, код и статистика

Как часто свечи со снятием ликвидности FU, AFU и SFU оказываются на подтверждённых экстремумах? Проверяем это постфактум на данных EURUSD, BTCUSD и EURGBP за 2020–2026 годы и сравниваем результаты с базой свечей, пробивших экстремум предыдущей. В статье представлены определения формаций, индикаторы FuCandles и SimpleZigZag, а также скрипт сбора данных на MQL5.
preview
Торговые инструменты MQL5 (Часть 37): Добавление ленты редактирования свойств отдельных объектов в слой рисования на холсте

Торговые инструменты MQL5 (Часть 37): Добавление ленты редактирования свойств отдельных объектов в слой рисования на холсте

Мы добавляем стек свойств, управляемый дескрипторами, и плавающую ленту, которая привязывается к текущему выделению на слое рисования. В статье рассматриваются список дескрипторов для каждого инструмента, API получения и установки со стороны движка с предварительным просмотром в реальном времени на основе механизма «снимок и восстановление», а также рендереры виджетов для цвета, непрозрачности, ширины линии, стиля линии, шрифтов и видимости уровней. Вы получаете возможность редактировать внешний вид объектов на месте и в режиме реального времени с помощью компактной панели, которую можно перетаскивать.
preview
Поиск торгового преимущества (Часть 5): Использование дисперсии GARCH и LSTM с масштабированием по волатильности в советнике

Поиск торгового преимущества (Часть 5): Использование дисперсии GARCH и LSTM с масштабированием по волатильности в советнике

Мы объединяем прогнозы дисперсии GARCH(1,1) с ATR и паттернами полос Боллинджера, создавая алгоритм, который при желании можно использовать совместно с LSTM с масштабированием по волатильности в классе торговых сигналов, совместимом с Мастером MQL5. Мы рассматриваем масштабирование признаков, оценку режимов, пороговые значения и защитные проверки. Читатели могут воспроизвести результаты тестирования на исторических данных и форвардного тестирования, чтобы проверить, улучшает ли рекуррентный слой способность различать торговые ситуации по сравнению с нашим базовым детерминированным алгоритмом.
preview
Полиномиальная регрессия в реальном времени: Реализация каузального фильтра Савицкого — Голея на MQL5

Полиномиальная регрессия в реальном времени: Реализация каузального фильтра Савицкого — Голея на MQL5

Мы адаптируем фильтр Савицкого — Голея для MQL5, придавая ему строго каузальную форму для работы в реальном времени, и выводим фиксированные коэффициенты для вычисления в конечной точке. В статье представлены полноценный индикатор и советник, объясняется чувствительность к шуму при вычислении на краю окна и реализуется защитный механизм подтверждения на нескольких барах. Приведены результаты тестирования на исторических данных по нескольким торговым инструментам без выборочного отбора удачных результатов. Вы получаете готовый к компиляции код, рекомендации по настройке параметров и альтернативу скользящим средним с меньшим запаздыванием.