"MetaTrader 5'te L1 Trend Filtrelemeyi Kullanma" başlıklı makale yayınlandı :
Yazar: MetaQuotes
Bu harika, mükemmel bir iş, MetaQuotes. Stanford Üniversitesi'nden Profesör Stephen Boyd ve onun efsanevi zaman serisi araştırmaları artık MQL5'te.
Bu harika, tebrikler MetaQuotes. Stanford Üniversitesi'nden Prof. Stephen Boyd ve onun efsanevi zaman serisi bulguları MQL5'te.
Teşekkürler. Yöntemin sınır sorunları yoktur, bu yüzden uygulamaları ticarette faydalı olabilir.
Makale hazırlandıktan sonra, en iyi yolun trend düzeltmelerine hacim eklemek olduğu anlaşıldı (bu nokta makalede ele alınmamıştır), buradaki Uzman Danışmanlara bakınız: MA, MACD, ADX, EMA.
Trend düzeltmelerine hacim ekleyen Uzman Danışmanlar:
- 2026.04.10
- www.mql5.com
Bu komut dosyası, farklı lambda değerleri için L1 trend filtrelemesini göstermektedir (lambda_factors = {1.0, 0.8, 0.5, 0.2, 0.1, 0.01, 0.001} olarak λmax birimlerinde tanımlanmıştır);
https://forge.mql5.io/quantum/L1Trend adresindeki diğer örnekleri inceleyin .
- quantum
- forge.mql5.io
Trendlere ayırma işlemi, lambda düzenleme parametresine büyük ölçüde bağlıdır - lambda ne kadar küçükse, o kadar kısa trendleri yakalayabilir.
İncelenen örneklerde, lambda=0.2*lambda_max birimlerinde sabit lambda değerleri kullanılmıştır. Lambda_max birimlerinde hesaplama, verilere kısmen uyum sağlamaya izin verir. Lambda_max değerinin kendisi, serinin geometrisine (göreceli dalgalanmalara), yani oynaklığa bağlıdır.
Trendin farklı aşamaları ve kendi yaşam döngüsü olduğunu akılda tutmak gerekir. Bu nedenle , mevcut trende uyum sağlamak için bir tür mekanizma gereklidir, yani lambda'yı bir şekilde yönetmek ve optimal trend bölünmesini bulmak - bu görev henüz çözülmemiştir.
Stratejinin kendisi zaman aralığında kâr sağlamıyorsa, filtre de yardımcı olamaz.
En iyi sonuçlar ideal bir trend piyasasında elde edilmelidir, örnek şuydu: EURUSD, 2025, H1 (en iyi parametreler MovingAverage period=61).



L1 Close filtresi

Burada, çıkış filtresinin trendli bölümde kârı artırmaya yardımcı olduğunu görüyoruz.
Aynı stratejinin, düzeltmelerde pozisyonların eklenmesiyle birlikte bir varyantı:

eklemeler olmadan:
Eklemelerle:

Düz piyasa aralıkları, yerel küçük trendler içerir ve bunları doğru bir şekilde hesaba katmak için, lambda parametresinin daha küçük değerlerini kullanmak gerekir (çıkış filtresi olarak kullanıldığında).
Ayrıca, düz piyasa aralığında MovingAverage parametrelerinin en iyi değerleri de farklı olmalıdır. Yani, ikinci aralıktaki ortalama dönemleri değişmiştir (ancak test cihazında optimizasyon sırasında bulunan parametreler, tüm optimizasyon aralığı içinde diğer tüm parametreler arasında en yüksek kârı sağlar).
Farklı lambda değerleriyle flat aralığındaki sonuçları inceleyelim.

Filtreler olmadan:

Çıkış filtresi lambda=0.2*lambda_max ile

Filtre ile lambda=0.001 lambda_max (daha küçük trendler)

Böylece, lambda=0.001 lambda_max değerinde düz aralıkta, filtreler olmadan elde edilen sonucu iyileştirmek ve yerel küçük trendleri hesaba katmak mümkün oluyor.
Ancak, lambda=0,2*lambda_max filtreli seçenek, burada filtre kullanılmayan stratejiye göre daha düşük karlılık göstermiştir.
Yatay seyrin içindeki yerel trendlerde pozisyon ekleme seçeneği (farklı lambda değerleri)

Filtreler olmadan:

lambda=0.2*lambda_max filtresi ve düzeltmelerde ekleme ile:

lambda=0.001*lambda_max filtresi ve düzeltmelere ekleme ile:

lambda=0.2*lambda_max filtresi ve düzeltmelerde ekleme seçeneği, filtreler olmadan seçenekten daha iyi sonuç verdi.
Yatay aralığın içindeki yerel küçük trendlerin (lambda=0.001*lambda_max) düzeltmelerine ekleme yapılması, filtre içermeyen orijinal stratejinin kârını artırdı (ve lambda=0.2*lambda_max seçeneğinin kârını iyileştirdi).
Yatay hareket içindeki yerel trendlerde pozisyon ekleme seçeneği (farklı lambda)
Filtreler olmadan:
lambda=0.2*lambda_max filtresi ve düzeltmelerde ekleme ile:
lambda=0.001*lambda_max filtresiyle ve düzeltmelere eklenerek:
lambda=0.2*lambda_max filtreli ve düzeltmelere ekleme yapılan seçenek, filtresiz seçeneğe göre daha iyi sonuç verdi.
Flat aralığı içindeki küçük yerel trendlerin (lambda=0.001*lambda_max) düzeltmelere eklenmesi, filtre içermeyen orijinal stratejinin kârını artırdı (ve lambda=0.2*lambda_max seçeneğinin kârını iyileştirdi).
En azından demo hesabında işlem yapın
Deneyim kazandıkça anlayacaksınız, 10 ay boyunca sonuçsuz çalışmanın ardından
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Web sitesi politikasını ve kullanım şartlarını kabul edersiniz











Yeni makaleye göz atın: MetaTrader 5'te L1 Trend Filtrelemeyi Uygulama.
Finansal zaman serileri yüksek gürültü seviyeleri, sıkça görülen aykırı değerler ve değişen piyasa rejimleri ile karakterizedir. Pratikte alım-satım sistemlerinde bu durum basit ve ölçülebilir bir şekilde ortaya çıkar: klasik "yumuşatma" filtreleri (hareketli ortalamalar, HP) geriden gelir, eğim değişikliklerinin anlarını bulanıklaştırır ve genellikle yerel düzeltmeleri geri dönüşler olarak yorumlar - sonuç olarak yanlış giriş/çıkışların sayısı artar, Kar Faktörü azalır ve düşüş büyür. Ek olarak, λ düzenlileştirme parametresinin seçimi genellikle manuel ayarlamaya indirgenir ve enstrümanlar, zaman dilimleri ve geçmiş uzunlukları arasında iyi aktarılmaz.
Bu makale, bu sorunlara L1 trend filtrelemeye dayalı pratik bir çözüm önermektedir: ikinci farkların L1 düzenlileştirmesi ile optimizasyon, otomatik olarak net kırılma noktalarına sahip parçalı doğrusal bir yakınlaşma oluşturur. Temel avantajlar, kırılma noktalarının rejim değişiklikleri olarak net bir şekilde yorumlanması, λmax'ı hesaplayarak ve λ = coef · λmax göreceli parametresine geçerek düzenlileştirme ölçeğini ayarlama yeteneği ve MQL5'te uygulamaya uygun doğrusal hesaplama karmaşıklığıdır.
Yalnızca teoriyi değil, aynı zamanda eksiksiz bir pratik yol haritası da sunuyoruz: λmax ve L1 trendini hesaplama metotları, üç gösterge (trend, eğim, eğim işareti), yedi L1 trendi volatilite göstergesi, Uzman Danışmanlara entegrasyon ve tekrarlanabilir bir test protokolü (dört filtreleme modu, bakiye/varlık dışa aktarımı ve görselleştirme).
Yazar: MetaQuotes