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

[MetaQuotes]

Опубликована статья 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.

В первой части этой серии был представлен детектор, который распознает аналитические объекты (линии тренда, горизонтальные линии, прямоугольники, инструменты Фибоначчи) и возвращает их основные временные и ценовые координаты. Однако сложные объекты, такие как уровни коррекции Фибоначчи, каналы и вилы, содержат более обширную информацию: множество уровней, наклонов и геометрических соотношений. Простых пар координат недостаточно для алгоритмических стратегий, основанных на определённых коэффициентах коррекции, границах каналов или касаниях медианной линии.

В данной статье предлагается расширение возможностей детектора для сбора и структурирования данных из сложных аналитических объектов. Вы узнаете, как извлекать массивы уровней Фибоначчи (коэффициенты и соответствующие цены), получать опорные точки канала и анализировать геометрию вил. Данные нормализуются и помещаются в расширенную структуру, которая сохраняет все значимые показатели, что позволяет принимать решения на основе правил, например «открыть позицию при коррекции до уровня 0,618» или «выдать оповещение, когда цена коснется медианной линии вил».

Реализация включает в себя OBJ_FIBO (уровни коррекции/расширения), OBJ_FIBOTIMES, OBJ_FIBOFAN, OBJ_FIBOARC, OBJ_CHANNEL (эквидистантный канал) и OBJ_PITCHFORK. Тот же принцип можно применять к циклам и инструментам Ганна.

Вы получите два файла:

1. ComplexObjectDataCollector.mqh (класс, который наследуется от детектора из части 1 и добавляет возможность извлечения сложных данных) и
2. TestComplexObjectsEA.mq5 (тестовый советник, работающий по таймеру и записывающий в журнал фактические ценовые уровни Фибоначчи, точки канала и геометрию вил с оповещениями в реальном времени).

Автор: Clemence Benjamin