The article " Using L1 Trend Filtering in MetaTrader 5" has been published:
Author: MetaQuotes
Это превосходно, отличная работа, MetaQuotes. Профессор Стивен Бойд из Стэнфордского университета и его легендарные исследования временных рядов теперь в MQL5.
Это превосходно, отличная работа, MetaQuotes. Профессор Стивен Бойд из Стэнфордского университета и его легендарные исследования временных рядов теперь в MQL5.
Спасибо. Метод не имеет граничных проблем, поэтому его применение может быть полезно в трейдинге.
После того, как статья была готова, выяснилось, что лучше всего добавлять объем на коррекциях тренда, (этот момент в статье не рассматривается), смотрите советники здесь: MA, MACD, ADX, EMA.
Советники с добавлением на коррекциях тренда:
- 2026.04.10
- www.mql5.com
Скрипт показывает фильтрацию тренда L1 для различных значений параметра регуляризации λ (заданных в единицах λmax как lambda_factors = {1.0,0.8,0.5,0.2,0.1,0.01,0.001});
Другие примеры в https://forge.mql5.io/quantum/L1Trend
- quantum
- forge.mql5.io
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Применение L1-фильтрации тренда в MetaTrader 5:
В статье рассматривается практическое применение L1-фильтрации тренда в MetaTrader 5, включая математические основы метода и его использование в языке MQL5. L1-фильтр позволяет выделять кусочно-линейные тренды, сохраняя ключевую структуру рынка и эффективно подавляя ценовой шум. Исследуются свойства масштабирования параметров, особенности оценки тренда и способы интеграции метода в алгоритмические торговые стратегии. Экспериментальные результаты показывают, как L1-фильтрация тренда улучшает стабильность сигналов, тайминг сделок и общую устойчивость торговых систем.
Финансовые временные ряды характеризуются высокой зашумлённостью, частыми выбросами и сменой рыночных режимов. В практических торговых системах это проявляется просто и измеримо: классические «гладкие» фильтры (скользящие средние, HP) запаздывают, размывают моменты смены наклона и часто принимают локальные коррекции за развороты — в результате увеличивается число ложных входов/выходов, снижается Profit Factor и растёт просадка. Кроме того, подбор параметра регуляризации λ обычно сводится к ручной подгонке и плохо переносится между инструментами, таймфреймами и длинами истории.
В статье предлагается практическое решение этих проблем на основе L1‑фильтрации тренда: оптимизация с L1‑регуляризацией вторых разностей автоматически даёт кусочно‑линейную аппроксимацию с явными точками излома. Ключевые преимущества — явная интерпретация изломов как смен режимов, возможность задать масштаб регуляризации через вычисление λmax и перейти к относительному параметру λ = coef⋅λmax, а также линейная вычислительная сложность, пригодная для реализации в MQL5.
Мы показываем не только теорию, но и готовую прикладную дорожную карту: представляем методы расчёта λmax и L1‑тренда, которые есть в языке MQL5, 3 индикатора L1-тренда (тренд, наклон, знак наклона), 7 индикаторов волатильности а также интеграцию в советники и воспроизводимый протокол тестирования (четыре режима фильтрации, выгрузка balance/equity и визуализация).
Автор: MetaQuotes