Статьи и техническая библиотека по автоматическому трейдингу - страница 23

Информация о сделках - индикатор для MetaTrader 5 : Индикатор показывает историю сделок на указанном периоде. Автор: Vladimir Khlystov

Опубликована статья Анализ временных разрывов цен в MQL5 (Часть II): Создаем тепловую карту распределения ликвидности во времени : Подробное руководство по созданию индикатора тепловой карты для MetaTrader 5, который визуализирует временное распределение цены в виде тепловой карты. Статья раскрывает

Ping : Реал-тайм индикатор лага котировок внутри самого терминала. Для торговли важным параметром является актуальность текущей цены. На него влияет множество факторов, самый популярный из которых - сетевой пинг между терминалом и торговым сервером. Но часто из виду упускается другой параметр: так

Опубликована статья Экстремальная оптимизация — Extremal Optimization (EO) : В данной статье рассматривается алгоритм Extremal Optimization (EO) — метод оптимизации, вдохновленный моделью самоорганизованной критичности Бака-Снеппена, где эволюция происходит через устранение наихудших компонентов

Опубликована статья Нейросети в трейдинге: Сквозная многомерная модель прогнозирования временных рядов (GinAR) : Предлагаем познакомиться с инновационным подходом к прогнозированию временных рядов с пропущенными данными на базе фреймворка GinAR. В статье показана реализация ключевых компонентов на

Опубликована статья Торгуем опционы без опционов (Часть 1): Основы теории и эмуляция через базовые активы : Статья описывает вариант эмуляции опционов через базовый актив, реализованный на языке программирования MQL5. Сравниваются преимущества и недостатки выбранного подхода с реальными биржевыми

Опубликована статья Разрабатываем мультивалютный советник (Часть 18): Автоматизация подбора групп с учётом форвард-периода : Продолжим автоматизировать шаги, которые ранее мы выполняли вручную. В этот раз вернёмся к автоматизации второго этапа, то есть выбора оптимальной группы одиночных экземпляров

Renko 2.0 Offline : Этот неторгующий советник генерирует информацию по пользовательскому символу на минутном графике. Автор: Guilherme Santos

Опубликована статья Механизмы гейтинга в ансамблевом обучении : В настоящей статье мы продолжаем наше исследование ансамблевых моделей, обсуждая концепцию ворот (gates), в частности, как они могут быть полезны при объединении выходных данных модели для повышения точности прогнозирования или

Опубликована статья Ансамблевые методы для улучшения численного прогнозирования в MQL5 : В этой статье мы представим реализацию нескольких методов ансамблевого обучения на языке MQL5 и исследуем их эффективность в различных сценариях. Машинное обучение зачастую производит множество прогнозных

Опубликована статья Разрабатываем мультивалютный советник (Часть 25): Подключаем новую стратегию (II) : В данной статье продолжим подключить новую стратегию к созданной системе автоматической оптимизации. Посмотрим, какие изменения потребуется внести в советник создания проекта оптимизации и

Smart Trend Follower : Этот советник предназначен для автоматического отслеживания рыночных тенденций с помощью сигналов от индикаторов Moving Average и Stochastic Oscillator. Советник обнаруживает сигналы на покупку и продажу, используя пересечения MA, и подтверждает тренд с помощью Stochastic

Опубликована статья Отбор признаков и снижение размерности с помощью анализа главных компонент (PCA) : В статье рассматривается реализация модифицированного алгоритма анализа компонентов прямого отбора, вдохновленного исследованиями, представленными в книге Луки Пуггини (Luca Puggini) и Шона Маклуна

Опубликована статья Создание торговой панели администратора на MQL5 (Часть VII): Доверенный пользователь, восстановление и криптография : Подсказки безопасности, например те, которые появляются каждый раз при обновлении графика, добавлении новой пары в чат с панелью администратора советника или

Опубликована статья Разрабатываем мультивалютный советник (Часть 28): Добавляем менеджер закрытия позиций : При параллельной работе многих стратегий может возникнуть желание время от времени закрывать все открытые позиции и начинать работу стратегий заново. Уже написанный код позволяет реализовать

Опубликована статья Переосмысливаем классические стратегии (Часть 12): Стратегия пробоев на паре EURUSD : Присоединяйтесь к нам сегодня, поскольку мы ставим перед собой задачу разработать прибыльную торговую стратегию пробоев на MQL5. Мы выбрали пару EURUSD и попытались торговать на ценовых пробоях

Опубликована статья Создание самооптимизирующихся советников на MQL5 : Создавайте советников, которые адаптируются к любому рынку. Разработка торгового бота, способного адаптироваться к текущим рыночным условиям, является ключом к стабильным алгоритмическим торговым стратегиям. Наша цель — выйти за

Опубликована статья Самооптимизирующийся советник на языках MQL5 и Python (Часть III): Реализация алгоритма Boom 1000 : В этой серии статей мы обсуждаем создание советников, способных автономно подстраиваться под динамичные рыночные условия. В сегодняшней статье мы попытаемся настроить глубокую

Опубликована статья Инженерия признаков с Python и MQL5 (Часть I): AI-модели для долгосрочного прогнозирования по скользящим средним : Скользящие средние являются, безусловно, самыми эффективными индикаторами для прогнозирования моделями ИИ. Однако точность результатов можно еще больше повысить

Опубликована статья Торговая стратегия обратного разрыва справедливой стоимости : Обратный разрыв справедливой стоимости (IFVG) возникает, когда цена возвращается к ранее выявленному разрыву справедливой стоимости и, вместо того чтобы продемонстрировать ожидаемую поддержку или сопротивление, не

Опубликована статья Нейросети — это просто (Часть 84): Обратимая нормализация (RevIN) : Мы давно уже усвоили, что большую роль в стабильности обучения модели играет предварительная обработка исходных данных. И для online обработки "сырых" исходных данных мы часто используем слой пакетной

Опубликована статья Нейросети — это просто (Часть 67): Использование прошлого опыта для решения новых задач : В данной статье мы продолжим разговор о методах сбора данных в обучающую выборку. Очевидно, что в процессе обучения необходимо постоянное взаимодействие с окружающей средой. Но ситуации

Опубликована статья Возможности Мастера MQL5, которые вам нужно знать (Часть 49): Обучение с подкреплением и проксимальной оптимизацией политики : Проксимальная оптимизация политики (Proximal Policy Optimization) — еще один алгоритм обучения с подкреплением, который обновляет политику, часто в

Опубликована статья Как добавить Trailing Stop по индикатору Parabolic SAR : При создании торговой стратегии нам нужно проверить самые разные варианты защитных стопов. И тут напрашивается динамическое подтягивание уровня Stop Loss вслед за ценой. Наилучшим кандидатом для этого является индикатор

Опубликована статья Компоненты View и Controller для таблиц в парадигме MVC на MQL5: Контейнеры : В статье рассмотрим создание элемента управления "Контейнер" с возможностью прокрутки его содержимого. В процессе будут доработаны уже готовые классы элементов управления графической библиотеки. В

Опубликована статья Переосмысление индикаторов MQL5 и MetaTrader 5 : Инновационный подход к сбору информации с индикаторов на MQL5 обеспечивает более гибкий и оптимизированный анализ данных, позволяя разработчикам вводить пользовательские данные в индикаторы для осуществления немедленных расчетов

Опубликована статья Нейросети в трейдинге: Гиперболическая модель латентной диффузии (Окончание) : Применение анизотропных диффузионных процессов для кодирования исходных данных в гиперболическом латентном пространстве, как это предложено в фреймворке HypDIff, способствует сохранению топологических

Опубликована статья Нейросети — это просто (Часть 25): Практикум Transfer Learning : В последних двух статьях мы создали инструмент, позволяющий создавать и редактировать модели нейронных сетей. И теперь пришло время оценить потенциальные возможности использования технологии Transfer Learning на

Опубликована статья Объектно-ориентированное программирование (ООП) в MQL5 : Как разработчикам, нам необходимо научиться создавать и разрабатывать программное обеспечение, которое можно использовать многократно и гибко, без дублирования кода, особенно если у нас есть разные объекты с разным

Опубликована статья Машинное обучение и Data Science (Часть 23): Почему LightGBM и XGBoost лучше многих ИИ-моделей? : LightGBM и XGBoost — продвинутые методы построения деревьев решений с использованием градиентного бустинга, они обеспечивают превосходную производительность и гибкость, что делает их