MQL5 programlama örnekleri içeren makaleler
MetaTrader platformu için MQL5 dilinde göstergelerin ve alım-satım robotlarının nasıl oluşturulacağını açıklayan kod örneklerine sahip çok sayıda makaleye erişin. Makalelere kaynak kodları eklenmiştir, böylece bu kodları MetaEditor'da açabilir ve nasıl çalıştığını görmek için çalıştırabilirsiniz.
Bu makaleler hem otomatik alım-satımı keşfetmeye yeni başlayanlar için hem de programlama deneyimine sahip profesyonel yatırımcılar için faydalı olacaktır. Yalnızca örnekler içermekle kalmazlar, aynı zamanda yeni fikirler de içerirler.
Yeni bir makale ekle
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Çok Zaman Dilimli ve Çok Para Birimli Paneller Oluşturmaya Yönelik Nesne Yönelimli Yaklaşım
Bu makale, MetaTrader 5 için çok zaman dilimli ve çok para birimli paneller oluşturmak için nesne yönelimli programlamanın nasıl kullanılabileceğini açıklar. Ana amaç, panelin kodunu değiştirmeye gerek kalmadan fiyatlar, fiyat değişiklikleri, gösterge değerleri veya özel alım/satım koşulları gibi birçok farklı veri türünü görüntülemek için kullanılabilecek evrensel bir panel oluşturmaktır.
Uzman Danışmanlara göstergeler eklemek için hazır şablonlar (Bölüm 2): Hacim ve Bill Williams göstergeleri
Bu makalede, hacim ve Bill Williams göstergeleri kategorisinin standart göstergelerine bakacağız. Uzman Danışmanlarda kullanımları için kullanıma hazır şablonlar oluşturacağız - parametrelerin bildirilmesi ve ayarlanması, göstergenin başlatılması ve sonlandırılması, ayrıca Uzman Danışmanlardaki gösterge arabelleklerinden veri ve sinyal alınması.
Popülasyon optimizasyon algoritmaları: Elektromanyetizma benzeri algoritma (ElectroMagnetism-like algorithm, ЕМ)
Makale, elektromanyetizma benzeri algoritmanın (EM) ilkelerini, yöntemlerini ve çeşitli optimizasyon problemlerinde kullanım olanaklarını açıklamaktadır. EM algoritması, büyük miktarda veri ve çok boyutlu fonksiyonlarla çalışabilen verimli bir optimizasyon aracıdır.