Nous allons créer un indicateur basé sur le Carré de 9 de Gann, construit en élevant le temps et le prix au carré. Nous allons préparer le code et tester l'indicateur dans la plateforme sur différents intervalles de temps.
Voici la deuxième partie de l'article consacré à l'implémentation du modèle de tableau dans MQL5 en utilisant le paradigme architectural MVC (Modèle-Vue-Contrôleur). L'article traite du développement des classes de tableau et de l'en-tête de tableau sur la base d'un modèle de tableau créé précédemment. Les classes développées constitueront la base de l'implémentation ultérieure des composants Vue et Contrôleur, qui seront abordés dans les articles suivants.
Dans cet article, nous examinons le processus de développement d'un modèle de table dans MQL5 en utilisant le modèle architectural MVC (Modèle - Vue - Contrôleur) pour séparer la logique des données, la présentation et le contrôle, ce qui permet d'obtenir un code structuré, flexible et évolutif. Nous envisageons la mise en œuvre de classes pour la construction d'un modèle de table, y compris l'utilisation de listes chaînées pour le stockage des données.
Nous continuerons à développer les projets ’Simple Candles’ et ’Adwizard’, tout en décrivant les aspects les plus fins de l'utilisation du système de contrôle de version et de dépôts MQL5 Algo Forge.
Voyons comment vous pouvez commencer à intégrer du code externe à partir de n'importe quel dépôt du stockage MQL5 Algo Forge dans votre propre projet. Dans cet article, nous nous attaquons enfin à cette tâche prometteuse, mais plus complexe : comment connecter et utiliser de manière pratique des bibliothèques provenant de dépôts tiers dans MQL5 Algo Forge.
Lorsqu'ils travaillent sur des projets dans MetaEditor, les développeurs sont souvent confrontés à la nécessité de gérer les versions du code. MetaQuotes a récemment annoncé la migration vers GIT et le lancement de MQL5 Algo Forge avec des capacités de versionnement de code et de collaboration. Dans cet article, nous verrons comment utiliser plus efficacement les nouveaux outils et ceux qui existent déjà.
Nous présentons MQL5 Algo Forge — un portail dédié aux développeurs de trading algorithmique. Il combine la puissance de Git avec une interface intuitive pour gérer et organiser les projets au sein de l'écosystème MQL5. Vous pouvez y suivre des auteurs intéressants, former des équipes et collaborer à des projets de trading algorithmique.
Dans cet article, je montrerai la première partie des améliorations qui m'ont permis non seulement de fermer toute la chaîne d'automatisation pour le trading sur MetaTrader 4 et 5, mais aussi de faire quelque chose de beaucoup plus intéressant. Désormais, cette solution me permet d'automatiser entièrement la création et l'optimisation des EA, ainsi que de minimiser les coûts de main-d'œuvre pour trouver des configurations de trading efficaces.
L'apprentissage automatique est devenu une méthode populaire pour l'élaboration de stratégies. Alors que l'accent a été mis sur la maximisation de la rentabilité et de la précision des prédictions, l'importance du traitement des données utilisées pour construire des modèles prédictifs n'a pas fait l'objet d'une grande attention. Dans cet article, nous envisageons d'utiliser le concept d'entropie pour évaluer l'adéquation des indicateurs à utiliser dans la construction de modèles prédictifs, comme indiqué dans le livre Testing and Tuning Market Trading Systems de Timothy Masters.
Dans cet article de référence, nous examinerons les indicateurs standard de la catégorie Indicateurs de Tendance. Nous créerons des modèles prêts à l'emploi pour l'utilisation d'indicateurs dans les EA - déclaration et définition des paramètres, initialisation et dé-initialisation de l'indicateur, ainsi que l’obtention des résultats et des signaux à partir des buffers des indicateurs dans les EA.
Dans cet article, nous examinerons les indicateurs standard de la catégorie des indicateurs de Volume et de Bill Williams. Nous créerons des modèles prêts à l'emploi pour l'utilisation d'indicateurs dans les EA : déclaration et définition des paramètres, initialisation et dé-initialisation de l'indicateur, ainsi que la récupération des résultats des signaux à partir des buffers des indicateurs dans les EA.
L'article examine les indicateurs standard de la catégorie des Oscillateurs. Nous créerons des modèles prêts à l'emploi pour être utilisé dans les EA : déclaration et définition des paramètres, initialisation et dé-initialisation des indicateurs, ainsi que la récupération des données et des signaux depuis les buffers des indicateurs dans les EA.
L'article décrit les principes, les méthodes et les possibilités d'utilisation de l'Algorithme Electro-Magnétique dans divers problèmes d'optimisation. L'algorithme EM est un outil d'optimisation efficace capable de travailler avec de grandes quantités de données et des fonctions multidimensionnelles.
L'algorithme SSG (Saplings Sowing and Growing up) s'inspire de l'un des organismes les plus résistants de la planète, qui fait preuve d'une capacité de survie exceptionnelle dans des conditions très diverses.
Cet article sera une sorte d'interview de moi-même, dans laquelle je vous raconterai comment j'ai fait mes premiers pas dans le langage MQL5. Je vais vous montrer comment vous pouvez devenir un excellent programmeur MQL5. Je vais vous expliquer les bases nécessaires pour que vous puissiez réaliser cet exploit. La seule condition préalable est la volonté d'apprendre.
Dans cet article, j'étudierai et testerai l'algorithme d'optimisation le plus puissant : la recherche harmonique (HS), inspirée par le processus de recherche de l'harmonie sonore parfaite. Quel est donc l'algorithme qui domine aujourd'hui notre classement ?
GSA est un algorithme d'optimisation de la population inspiré de la nature inanimée. Grâce à la loi de la gravité de Newton implémentée dans l'algorithme, la grande fiabilité de la modélisation de l'interaction des corps physiques nous permet d'observer la danse enchanteresse des systèmes planétaires et des amas de galaxies. Dans cet article, j'examinerai l'un des algorithmes d'optimisation les plus intéressants et les plus originaux. Le simulateur de mouvement des objets spatiaux est également fourni.
La stratégie de recherche de nourriture de la bactérie E. coli a inspiré les scientifiques pour créer l'algorithme d'optimisation BFO. L'algorithme contient des idées originales et des approches prometteuses en matière d'optimisation et mérite d'être étudié plus avant.
Dans cet article, je vais étudier un modèle simple pour créer un robot MetaTrader universel pouvant être utilisé sur plusieurs graphiques tout en étant attaché à un seul graphique, sans qu'il soit nécessaire de configurer chaque instance du robot sur chaque graphique individuel.
Aujourd'hui, nous allons à nouveau utiliser Chart Trade. Mais cette fois-ci, il s'agira d'un indicateur sur le graphique pouvant être présent ou non sur le graphique.
Dans cet article, nous allons apprendre à faire parler la plateforme MetaTrader 5. Et si nous rendions l'EA plus amusant ? Le trading sur les marchés financiers est souvent ennuyeux et monotone, mais nous pouvons rendre ce travail moins fatigant. Veuillez noter que ce projet peut être dangereux pour les personnes qui ont des problèmes de dépendance. Mais d'une manière générale, cela rend les choses moins ennuyeuses.
Dans cet article, nous allons explorer l'application de tous les modèles de classification disponibles dans la bibliothèque Scikit-Learn pour résoudre la tâche de classification de l'ensemble de données Iris de Fisher. Nous tenterons de convertir ces modèles au format ONNX et d'utiliser les modèles résultants dans les programmes MQL5. Nous comparerons également la précision des modèles originaux avec leurs versions ONNX sur l'ensemble du jeu de données Iris.
L'article présente rapidement la bibliothèque d'analyse numérique ALGLIB 3.19, ses applications et les nouveaux algorithmes qui peuvent améliorer l'efficacité de l'analyse des données financières.
Dans cet article, je vous montrerai comment calculer le profit total ou la perte totale, y compris la commission et le swap, d’une transaction. Je fournirai le modèle mathématique le plus précis et je l'utiliserai pour écrire le code et le comparer à la norme. J'essaierai également d'entrer dans la fonction principale de MQL5 pour calculer le profit et d'obtenir toutes les valeurs nécessaires à partir de la spécification.
Il reste une tâche pour laquelle notre système d’ordres n'est pas à la hauteur, mais nous allons ENFIN la résoudre. MetaTrader 5 fournit un système de tickets qui permet de créer et de corriger les valeurs des ordres. L'idée est d'avoir un Expert Advisor qui rendrait le même système de tickets plus rapide et plus efficace.
Passons à un système d’ordres plus complet directement sur le graphique. Dans cet article, je vais montrer un moyen de corriger le système d’ordres, ou plutôt de le rendre plus intuitif.
Aujourd'hui, nous allons faire passer notre système d’ordres au niveau supérieur. Mais avant cela, nous devons résoudre quelques problèmes. Nous nous posons maintenant quelques questions liées à la manière dont nous voulons travailler et aux choses que nous faisons pendant notre journée de trading.
L'étonnante capacité des mauvaises herbes à survivre dans une grande variété de conditions est devenue l'idée d'un puissant algorithme d'optimisation. L'IWO est l'un des meilleurs algorithmes parmi ceux qui ont été examinés précédemment.
Dans cet article, nous franchirons la dernière étape pour améliorer les performances de l’EA. Alors préparez-vous à une longue lecture. Pour fiabiliser notre Expert Advisor, nous allons d'abord supprimer du code tout ce qui ne fait pas partie du système de trading.
La régression consiste à prédire une valeur réelle à partir d'un exemple non étiqueté. Les mesures dites de régression sont utilisées pour évaluer la précision des prédictions des modèles de régression.
Nous ne décrirons ici qu'un seul des aspects de l'apprentissage automatique, à savoir les fonctions d'activation. Dans les réseaux neuronaux artificiels, la fonction d'activation d'un neurone calcule la valeur d'un signal de sortie en fonction des valeurs d'un signal d'entrée ou d'un ensemble de signaux d'entrée. Nous nous pencherons sur les rouages du processus.
Dans cet article, je considérerai la méthode d'optimisation de l'Algorithme Firefly (FA). Grâce à la modification, l'algorithme est passé d'un outsider à un véritable leader du classement.
Le Fish School Search (FSS) est un nouvel algorithme d'optimisation inspiré du comportement des poissons dans un banc, dont la plupart (jusqu'à 80%) nagent au sein d'une communauté organisée de parents. Il a été prouvé que les agrégations de poissons jouent un rôle important dans l'efficacité de la recherche de nourriture et dans la protection contre les prédateurs.
Le nouvel algorithme que je considérerai est l'optimisation de la recherche de coucou à l'aide des vols de Levy. C'est l'un des derniers algorithmes d'optimisation et un nouveau leader dans le classement.
Considérons l'un des algorithmes d'optimisation modernes les plus récents : le Grey Wolf Optimization. Le comportement original sur les fonctions de test fait de cet algorithme l'un des plus intéressants parmi ceux considérés précédemment. C'est l'un des meilleurs algorithmes à utiliser dans la formation de réseaux de neurones, des fonctions fluides avec de nombreuses variables.
Dans cet article, nous étudierons l'algorithme d'une colonie d'abeilles artificielles. Nous compléterons nos connaissances avec de nouveaux principes d'étude des espaces fonctionnels. Dans cet article, je présenterai mon interprétation de la version classique de l'algorithme.
Cette fois, je vais analyser l'algorithme d'Optimisation des Colonies de Fourmis. L'algorithme est très intéressant et complexe. Dans cet article, je tente de créer un nouveau type d'ACO.
Cet article est une introduction à la classification des algorithmes d'optimisation (Optimization Algorithm - OA). L'article tente de créer un banc d'essai (un ensemble de fonctions), pouvant être utilisé pour comparer les OA et, peut-être, identifier l'algorithme le plus universel parmi tous ceux qui sont largement connus.
