Группа пользователей MetaTrader 5 Python - краткое содержание - страница 38
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
Инженерия признаков для машинного обучения (Часть 9): Тесты на структурные разрывы в Python
В предыдущих статьях серии «Инженерия признаков для машинного обучения » признаки создавались на основе самой структуры времени: в Части 1 было показано, как с помощью дробного дифференцирования сохранить долгосрочную память в стационарном ряду; в Части 3 торговый календарь был преобразован в координаты Фурье; а в Части 5 поток ордеров на уровне тиков был сжат в микроструктурную статистику с индексацией по барам. В данной статье признаки формируются на основе качественно иного вопроса: не о том, как выглядит текущий бар, а о том, изменился ли в последнее время процесс генерации данных, который его сформировал.
Инженерия признаков для машинного обучения (Часть 10): Тесты на структурный разрыв в MQL5
В 9-й части этой серии был реализован набор тестов на структурные разрывы из главы 17 книги AFML на языке Python, включающий тест Чу-Стинчкомба-Уайта (CUSUM), тест Чау-типа Дики-Фуллера, SADF для шести регрессионных моделей, а также два варианта с повышенной устойчивостью (QADF и CADF). В данной статье три основных теста — CSW, Chow и SADF — портированы на MQL5 в виде единого файла включения CStructuralBreaks.mqh, размещенного в папке MQL5/Include/StructuralBreaks/. Также включены тесты суб- и супермартингала (SM-Exp и SM-Power), что доводит набор до пяти статистических показателей на каждый бар.
Реализация на MQL5 отличается от версии на Python одним структурным решением, о котором стоит упомянуть сразу: SADF использует скользящее окно обратного обзора вместо полного расширяющегося окна. В Python расширяющееся окно является приемлемым, поскольку вычисления выполняются однократно в автономном режиме на фиксированном наборе данных. В советнике, который пересчитывается при появлении каждого нового бара, размер расширяющегося окна растёт пропорционально O(T²) по отношению к количеству завершённых баров. При T = 1 000 баров — скромном двухлетнем дневном ряду — расширяющееся окно выполняет в 15 раз больше операций во внутреннем цикле, чем скользящее окно длиной 252 бара. При T = 5 000 баров оно выполняет в 400 раз больше операций. Скользящее окно — это не компромисс; оно слегка изменяет интерпретацию статистического показателя, и это изменение описано в разделе 6.
Инженерия признаков для машинного обучения (Часть 11): Фрактальные признаки в Python
В предыдущих статьях серии «Инженерия признаков для машинного обучения » признаки выводились из геометрии цен (часть 1), из торгового календаря (часть 3), из спреда между ценой спроса и предложения и ценового воздействия (части 5–6), из информационного содержания последовательности направлений торговли (часть 7), и, совсем недавно, из моментов смены режимов (часть 10). В этой одиннадцатой части мы возвращаемся к геометрии цен, но на более грубом структурном уровне: к максимумам и минимумам колебаний, которые определяют поддержку, сопротивление и тренд.
Работа с моделями ONNX в MQL5 (Часть 1): декодирование файла модели с помощью парсера Protobuf
MetaTrader 5 может загружать обученную нейронную сеть и запускать её. Достаточно передать путь к файлу модели в API ONNX (Open Neural Network Exchange), подать тензор и получить прогнозы. Терминал не раскрывает, что содержит файл ONNX: количество слоёв, требуемую форму входных данных или какие веса были сохранены. Когда результаты вывода выглядят некорректно, невозможно быстро определить, в чём заключается проблема — в признаках, формах тензоров или в самом файле, — поскольку модель рассматривается как непрозрачный двоичный файл. Эта статья предназначена для разработчиков на язы ке MetaQuotes Language 5 (MQL5) и алгоритмических трейдеров, которые обучают модели в других средах и хотят проверять их внутри терминала, не выходя из MetaTrader 5 и без использования каких-либо внешних библиотек.
Тестер стратегий Python для MetaTrader 5 (Часть 06): Бэктестинг в стиле MQL5 для советников на Python
При разработке торговых роботов для MetaTrader 5 на Python вы сталкиваетесь с привычной дилеммой: для реальной торговли вы используете пакет MetaTrader5, а для бэктестинга вам приходится создавать и поддерживать отдельный тестовый слой с другой инициализацией, источниками данных и API. Результатом этого становятся дублируемая логика, неустойчивая синхронизация между двумя ветвями кода и потеря времени при каждом изменении вашей стратегии. Вместо этого нам нужен рабочий процесс в Python, аналогичный MQL5: единая функция main() (OnTick) в стиле советника, реализующая торговую логику один раз, и возможность запускать этот же код как на исторических данных, так и на реальном рынке без его переписывания.
В этой статье показано, как фреймворк StrategyTester5 решает эту задачу: он предоставляет объект VirtualMetaTrader5, который отражает API MetaTrader 5, простой обмен переменной mt5 для переключения сред, а также функцию run_backtesting(), которая воспроизводит рыночные данные и возвращает объект TesterStats. Цель практическая: написать стратегию один раз, а затем выбрать, запускать ли её на исторических данных или на реальном счёте.
Форум, посвящённый торговле, автоматизированным торговым системам и тестированию торговых стратегий
MetaTrader5 Python history_orders_get/history_deals_get — авторитетная семантика времени
Ален Верлейен, 25.09.2026 15:05
Форум по трейдингу, автоматизированным торговым системам и тестированию торговых стратегий
MetaTrader5 Python history_orders_get/history_deals_get — авторитетная семантика времени
Саване Умар, 25.09.2026 13:10
Спасибо, это очень важно.
Чтобы убедиться, что я правильно понял: относится ли ваше утверждение также конкретно к history_orders_get () и history_deals_get () , включая date_from , date_to , ORDER_TIME_SETUP , ORDER_TIME_DONE , DEAL_TIME и соответствующие поля *_MSC ?
Кроме того, знаете ли вы, включает ли date_to само число или нет, и с какой точностью?
Наконец, поскольку вы сообщили в MetaQuotes о проблеме с документацией по datetime/timezone, есть ли какой-либо официальный тикет MetaQuotes, обновленная страница документации или подтверждение, на которое можно сослаться?
Спасибо.
То же самое относится ко всему API.
В параметрах необходимо использовать часовой пояс UTC, а возвращаемые данные соответствуют времени сервера брокера.
Работа с моделями ONNX в MQL5 (Часть 2): отображение графика модели на панели интерактивного графика