Группа пользователей MetaTrader 5 Python - краткое содержание - страница 35

[Sergey Golubev]

Разработка инструментария для анализа ценового действия (часть 31): Механизм распознавания свечей на Python (I) - ручное распознавание

Свечные графики - это фундаментальный инструмент, используемый финансовыми аналитиками и трейдерами для визуализации и интерпретации движения цен во времени. Возникнув столетия назад у японских торговцев рисом, эти графики превратились в важнейший компонент технического анализа на различных финансовых рынках, включая акции, форекс и фьючерсы.

[Sergey Golubev]

Реализация практических модулей из других языков на MQL5 (часть 02): Создание библиотеки REQUESTS, вдохновленной Python

Возможность отправлять HTTP-запросы в интернет прямо из MetaTrader 5 - одна из лучших вещей, которые когда-либо происходили с языком программирования MQL5. С помощью этой возможности трейдеры могут общаться с внешними сайтами, серверами, торговыми приложениями и т. д.

[Sergey Golubev]

Форум о трейдинге, автоматизированных торговых системах и тестировании торговых стратегий

Оценка состояния рынка на основе стандартных индикаторов в Metatrader 5

Сергей Голубев, 2025.07.19 03:58

Разработка инструментария для анализа Price Action (часть 32): Механизм распознавания свечей на Python (II) - распознавание с помощью Ta-Lib

В предыдущей статье я рассказал об использовании Python для распознавания свечных паттернов. Мы начали с использования ручных методов обнаружения, когда каждый свечной паттерн кодировался в явном виде. При таком подходе каждый раз, когда MQL5 отправляет данные в Python - включая open, close, high, low и временную метку, - Python обрабатывает эту информацию, чтобы определить паттерн путем вычислений.

[Sergey Golubev]

Наука о данных и ML (часть 46): Прогнозирование фондовых рынков с помощью N-BEATS в Python

N-BEATS (Neural Basis Expansion Analysis for Time Series) - это модель глубокого обучения, специально разработанная для прогнозирования временных рядов. Она обеспечивает гибкую основу для решения задач одномерного и многомерного прогнозирования.

Она была представлена исследователями из Element AI (сейчас часть ServiceNow) в 2019 году в работе N-BEATS: Neural basis expansion analysis for interpretable time series forecasting.

Разработчики из Element AI создали эту модель, чтобы бросить вызов доминированию классических статистических моделей, таких как ARIMA и ETS, во временных рядах, не снижая при этом возможностей, предлагаемых классическими моделями машинного обучения.

[Sergey Golubev]

Доступ к тиковой информации MetaTrader из сервисов MetaTrader в python-приложение с помощью сокетов

Иногда не все можно запрограммировать на языке MQL5. И даже если есть возможность перевести существующие продвинутые библиотеки на MQL5, это займет много времени. Лучшим вариантом является интеграция или использование существующих библиотек для решения поставленной задачи. Например, в python существует множество библиотек машинного обучения. Не лучший вариант для нас - создавать идентичные копии в виде MQL5 только для того, чтобы решить задачу машинного обучения для торговли. Лучше экспортировать данные, необходимые для этой библиотеки машинного обучения на python, выполнить необходимые процессы в среде python и импортировать результат обратно в MQL5-программу. Эта статья посвящена переносу таких данных из терминала MetaTrader в среду python.

[Sergey Golubev]

Разработка инструментария для анализа ценового действия (часть 35): Обучение и развертывание прогнозных моделей

Эта статья организована следующим образом:

• Введение
• Обзор конвейера обработки данных
• Реализация на MQL5 и Python
• Обучение модели на Python
• Развертывание модели и выводы в реальном времени
• Заключение

[Sergey Golubev]

Тестер стратегий Python-MetaTrader 5 (часть 01): Симулятор торговли

Пакет MetaTrader5-Python - это полезный модуль, позволяющий разработчикам на Python создавать свои торговые приложения для платформы MetaTrader 5. Он предоставляет разработчикам доступ к торговой платформе для получения данных, отправки и мониторинга сделок.

Этот модуль изменил наше представление о настольном приложении MetaTrader 5: это не одномерное приложение, ограниченное своим родным языком программирования для создания торговых роботов, известным как MQL5. Это торговое приложение достаточно гибкое и способно получать торговые команды с внешнего языка программирования, помимо MQL5.

[Sergey Golubev]

Разработка инструментария для анализа ценовых действий (часть 36): Разблокировка прямого доступа Python к рыночным потокам MetaTrader 5

В нашей предыдущей статье мы показали, как с помощью простого скрипта на MQL5 можно перевести исторические бары в Python, разработать функции, обучить модель машинного обучения, а затем отправить сигналы обратно в MetaTrader для исполнения - без ручного экспорта CSV, анализа в Excel и проблем с контролем версий. Трейдеры получили сквозной конвейер, который преобразовывал необработанные данные минутных баров в статистически обоснованные точки входа, дополненные динамически рассчитываемыми уровнями стоп-лосса (SL) и тейк-профита (TP).

[Sergey Golubev]

Многомодульный торговый робот на Python и MQL5 (часть I): Создание базовой архитектуры и первых модулей

Знаете, что самое интересное? Эта система действительно работает на рынке. Это не просто пример из учебника, а реальный торговый инструмент. Конечно, мы начнем с базовой версии, но даже она впечатляет. Нам предстоит большое путешествие. Мы создадим систему, способную учиться и адаптироваться. Мы будем совершенствовать ее шаг за шагом. А пока давайте начнем с самого важного - создания прочного фундамента.

[Sergey Golubev]

Квантовые вычисления и трейдинг: Новый подход к прогнозированию цен

Представьте себе мир, в котором каждая рыночная сделка анализируется через призму возможностей, существующих одновременно - как знаменитый кот Шредингера, который и жив, и мертв, пока мы не откроем коробку. Именно так работает квантовый трейдинг: он рассматривает все потенциальные состояния рынка одновременно, открывая новые горизонты для финансового анализа.