Jonathan Pereira / Профиль
- Информация
3 года
опыт работы
|
5
продуктов
|
5
демо-версий
|
57
работ
|
1
сигналов
|
0
подписчиков
|
Foi em 2016 que, por um feliz acaso, me deparei com o mercado financeiro e me encantei instantaneamente. Ao descobrir a plataforma MetaTrader e sua capacidade de integrar estratégias codificadas ao mercado financeiro, soube que tinha encontrado um novo amor.
Explore meus tutoriais no GitHub e acompanhe minha jornada de crescimento e compartilhamento de conhecimento: https://github.com/jowpereira/mql5-tutoriais
Se desejar iniciar um novo projeto e aproveitar minha expertise, acesse: https://www.mql5.com/pt/job/new?prefered=14134597.
Tenho certeza de que, juntos, podemos desenvolver soluções interessantes e inspiradoras!
Conheça meu GPT - https://chat.openai.com/g/g-1DCzqDcMF-arnaldo
Este capítulo da série aborda algoritmos de aprendizado por reforço, focando em Q-Learning, Deep Q-Network (DQN), e Proximal Policy Optimization (PPO). Explora como essas técnicas podem ser integradas para melhorar a automação de tarefas, detalhando suas características, vantagens, e aplicabilidades práticas. A seleção do algoritmo mais adequado é vista como crucial para otimizar a eficiência operacional em ambientes dinâmicos e incertos, prometendo discussões futuras sobre a implementação prática e teórica desses métodos.
Este artículo examina la transición de la codificación procedimental a la programación orientada a objetos (POO) en MQL5, enfocándose en la integración con REST APIs. Discutimos la organización de funciones de solicitudes HTTP (GET y POST) en clases y destacamos ventajas como el encapsulamiento, la modularidad y la facilidad de mantenimiento. La refactorización de código se detalla, y se muestra la sustitución de funciones aisladas por métodos de clases. El artículo incluye ejemplos prácticos y pruebas.
Operating Principle: The "RSDForce" merges trading volume analysis and price movements to provide valuable market insights. Here's how it works: Volume and Price Analysis : The indicator examines the trading volume (quantity of traded assets) and price variations over time. Market Force Calculation : It calculates a value that reflects the market's 'force', indicating whether the price trend is strong and based on substantial trading volume. Simple Visualization : The result is displayed as a
The "ZScore Quantum Edge" is based on an advanced algorithm that combines volume analysis and price movement, providing a clear and accurate representation of market trends. Key Features: In-Depth Trend Analysis : The indicator uses a configurable period for trend analysis, allowing traders to adjust the indicator's sensitivity according to their trading strategies. Data Smoothing : With an adjustable range for data smoothing, the "ZScore Quantum Edge" offers a clearer view of the market
Este artículo explora la implementación de jugadas automáticas en el juego del tres en raya de Python, integrado con funciones de MQL5 y pruebas unitarias. El objetivo es mejorar la interactividad del juego y asegurar la robustez del sistema a través de pruebas en MQL5. La exposición cubre el desarrollo de la lógica del juego, la integración y las pruebas prácticas, y finaliza con la creación de un entorno de juego dinámico y un sistema integrado confiable.
Este artículo detalla cómo MQL5 puede interactuar con Python y FastAPI, utilizando llamadas HTTP en MQL5 para comunicarse con un juego de tres en raya en Python. En él se discute la creación de una API con FastAPI para esta integración e se incluye un script de prueba en MQL5, resaltando la versatilidad del MQL5, la simplicidad del Python y la eficiencia del FastAPI en la conexión de diferentes tecnologías para soluciones innovadoras.
В этой статье мы расскажем о важности интерфейсов программирования API для взаимодействия между различными приложениями и программными системами. В ней подчеркивается роль API в упрощении взаимодействия между приложениями, позволяя им эффективно обмениваться данными и функциональными возможностями.
В данной статье описывается реализация регрессионной модели на основе дерева решений для прогнозирования цен финансовых активов. Мы уже провели подготовку данных, обучение и оценку модели, а также ее корректировку и оптимизацию. Однако важно отметить, что данная модель является лишь исследованием и не должна использоваться при реальной торговле.
Данный материал - полное руководство по созданию класса в MQL5 для эффективного управления CSV-файлами. Вы поймете, как реализуются методы открытия, записи, чтения и преобразования данных и как можно использовать их для хранения и доступа к информации. Кроме того, мы обсудим ограничения и важнейшие аспекты использования такого класса. Это ценный материал для тех, кто хочет научиться обрабатывать CSV-файлы в MQL5.
Многослойный перцептрон - это эволюция простого перцептрона, способного решать нелинейно разделяемые задачи. Вместе с алгоритмом обратного распространения можно эффективно обучить данную нейронную сеть. В третьей части серии статей о многослойном перцептроне и обратном распространении мы посмотрим, как интегрировать эту технику в тестер стратегий. Эта интеграция позволит использовать комплексный анализ данных и принимать лучшие решения для оптимизации торговых стратегий. В данном обзоре мы обсудим преимущества и проблемы применения этой методики.
Уже доступен пакет Python для разработки интеграции с MQL, что открывает двери для многих возможностей, таких как изучение данных и создание и использование моделей машинного обучения. Эта встроенная интеграция MQL5 в Python открывает для нас много возможностей, которые позволяют построить от простой линейной регрессии до моделей глубокого обучения. Давайте разберемся, как установить и подготовить среду разработки и использовать некоторые библиотеки машинного обучения.
Скользящая средняя Т3 Тиллсона была представлена миру технического анализа в статье «Лучшая скользящая средняя», опубликованной в американском журнале Technical Analysis of Stock Commodities. Разработанный Тимом Тиллсоном, аналитики и трейдеры фьючерсных рынков вскоре увлеклись этой техникой, которая сглаживает ценовой ряд, уменьшая при этом лаг (лаг), типичный для систем следования за трендом
Объем - широко используемый индикатор в техническом анализе, однако есть вариант, который даже более полезен, чем сам объем: скользящее среднее объема. Это не что иное, как скользящая средняя, применяемая к популярному индикатору Volume. Как следует из названия, Volume + MA служит для отображения объема транзакций (совершенных покупок и продаж) определенного финансового актива в заданный момент времени вместе со скользящей средней этого же объема с течением времени. Для чего это? С помощью
В последнее время, с ростом популярности этих двух методов появилось много библиотек на Matlab, R, Python, C ++ и т.д., которые получают на вход обучающий набор и автоматически создают соответствующую нейронную сеть для вашей задачи. Мы постараемся понять, как работает базовый тип нейронной сети — перцептрон с одним нейроном и многослойный перцептрон — замечательный алгоритм, который отвечает за обучение сети (градиентный спуск и обратное распространение). Эти сетевые модели будут основой для более сложных моделей, существующих на сегодняшний день.
Hi-Lo - это индикатор, цель которого - более точно определять тенденции данного актива, указывая, таким образом, на возможное лучшее время для покупки или продажи. Что такое хай-лоу? Hi-Lo - это термин, полученный из английского языка, где Hi связано со словом High, а Lo - со словом Low. Это индикатор тренда, используемый для оценки торговли активами на финансовом рынке. Следовательно, его использование дается для определения того, показывает ли конкретный актив восходящий или понижательный