Cet article décrit l'application pratique de DirectX 11 et des outils MQL5 intégrés pour la création de visualisations 3D et d'interfaces interactives dans MetaTrader 5. L'accent est mis sur l'efficacité cognitive - la capacité des graphiques 3D et des scènes guidées à aider à comprendre les données d'optimisation, les clusters de liquidité et les scénarios de trading multidimensionnels. Les principes de base du pipeline DX, le travail avec les shaders, la liaison des événements de la souris et du clavier, ainsi que les limitations technologiques objectives sont abordés en détail. Cet article s'adresse aux développeurs MQL5 et aux traders algorithmiques prêts à transformer les indicateurs stratégiques en paysages analytiques 3D compréhensibles, où la visualisation accélère la prise de décision.
Dans cet article, nous démontrons comment utiliser l'API des symboles personnalisés de MetaTrader 5 pour transformer votre terminal en un outil de construction des données permettant de générer des graphiques Renko, Range et Volume Egal indépendants du temps et d'assembler des instruments synthétiques. Nous analyserons l'agrégation des ticks et la modification de l'historique pour les tests de résistance (élargissement du spread, modifications du niveau de stop) en tenant compte des limitations de la plateforme. Vous pourrez également vous entraîner à utiliser CiCustomSymbol et le routage des ordres vers un symbole réel via le wrapper CustomOrder grâce à des fragments de code prêts à l'emploi.
Cet article présente une approche systématique du trading d'actualités dans MetaTrader 5 utilisant le Calendrier Économique intégré : structure des données, fonctions API, règles de synchronisation temporelle et filtrage des événements. Des méthodes de mise en cache et de mise à jour incrémentale sans surcharge du serveur sont décrites. L'article propose également un mécanisme pour exporter l'historique vers une ressource .EX5 en vue de tests déterministes utilisant le même algorithme.
Cet article présente un socle minimal opérationnel pour la tenue d'un journal de trading en MQL5 en utilisant SQLite : un schéma des tables pour les transactions, les signaux et les événements, des index, des requêtes préparées et des transactions, ainsi que des requêtes SQL d’analyse standard. L'intégration avec le tableau de bord statistique de MetaTrader 5 et l'utilisation de la base de données via MetaEditor sont démontrées. Cette approche permet d'automatiser le journal, d'accélérer les calculs et d'effectuer des analyses sans complexifier le code de l’EA.
Cet article démontre comment l'intégration de Python et de MetaTrader 5 combine la flexibilité de la recherche et l'exécution des transactions dans un même flux de travail. Python est utilisé pour l'analyse des données, la sélection des variables et l'entraînement des modèles, et MetaTrader 5 est utilisé pour les tests et l’automatisation du trading. Cette approche simplifie la mise en pratique des solutions, accroît la reproductibilité et rend le développement des systèmes de trading plus rapide et plus structuré.
Comment fonctionne le trading de portefeuille sur le Forex ? Comment peut-on intégrer la théorie du portefeuille de Markowitz pour l'optimisation de l’allocation du portefeuille et le modèle VaR pour l'optimisation du risque de portefeuille ? Nous créons un code basé sur la théorie du portefeuille, visant, d'une part, à maintenir un risque faible et, d'autre part, à obtenir une rentabilité acceptable à long terme.
Découvrir un nouveau monde de trading automatisé sur barres 3D. À quoi ressemble un robot de trading sur des barres de prix multidimensionnelles ? Les grappes de barres 3D « jaunes » sont-elles capables de prédire les retournements de tendance ? À quoi ressemble le trading multidimensionnel ?
L'article s'attarde sur les graphiques de prix 3D multivariés et leur création. Nous examinerons également comment les barres 3D prédisent les retournements de prix, et comment Python et MetaTrader 5 nous permettent de tracer ces barres de volume en temps réel.
Modèles de régression non linéaire sur le marché boursier : Est-il possible de prédire les marchés financiers ? Prenons l'exemple de la création d'un modèle de prévision des cours de l'EUR/USD, et de la création de deux robots basés sur ce modèle : l'un en Python et l'autre en MQL5.
Comment appliquer les règles prédictives de l'analyse des données de vente au détail en supermarché au marché réel du Forex ? Quel est le lien entre les achats de biscuits, de lait et de pain et les transactions boursières ? Cet article présente une approche novatrice du trading algorithmique basée sur l'utilisation de règles d'association.
Cet article explore la possibilité d'améliorer les prévisions de prix basées sur l'analyse des volumes de transactions en intégrant les principes de l'analyse technique à l'architecture du réseau neuronal LSTM. Une attention particulière est portée à la détection et à l'interprétation des volumes anormaux, à l'utilisation du clustering et à la création de caractéristiques basées sur les volumes et leur définition dans le contexte de l'apprentissage automatique.
Quel est le lien entre la météo et le Forex ? La théorie économique classique a longtemps ignoré l'influence de facteurs tels que les conditions météorologiques sur le comportement du marché. Mais tout a changé. Essayons de trouver des liens entre les conditions météorologiques et la position des devises agricoles sur le marché.
Existe-t-il des schémas répétitifs et des régularités sur le marché du Forex ? J'ai décidé de créer mon propre système d'analyse de modèles en utilisant Python et MetaTrader 5. Une sorte de symbiose entre les mathématiques et la programmation pour conquérir le Forex.
Dans cet article, nous allons créer un système d'arbitrage qui reste légal aux yeux des courtiers, crée des milliers de prix synthétiques sur le marché du Forex, les analyse et effectue des transactions fructueuses.
La position des planètes et des étoiles affecte-t-elle les marchés financiers ? Armons-nous de statistiques et de big data, et embarquons pour un voyage passionnant dans le monde où les étoiles et les graphiques boursiers se croisent.
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 poursuivons notre plongée dans la théorie du chaos sur les marchés financiers. Cette fois-ci, j'examinerai son applicabilité à l'analyse des devises et d'autres actifs.
Comment utiliser les données économiques de la Banque Mondiale pour les prévisions ? Que se passe-t-il lorsque l'on combine les modèles d'IA et l'économie ?
Cet article explore le potentiel du modèle de la valeur à risque (VaR) pour l'optimisation des portefeuilles multidevises. En utilisant la puissance de Python et les fonctionnalités de MetaTrader 5, nous démontrons comment mettre en œuvre l'analyse VaR pour une allocation de capital et une gestion de position efficaces. Des fondements théoriques à la mise en œuvre pratique, l'article couvre tous les aspects de l'application de l'un des systèmes de calcul du risque les plus robustes - la VaR - dans le trading algorithmique.
Nous poursuivons la série d'articles sur le développement d'un robot de trading en Python et en MQL5. Dans cet article, nous allons créer un algorithme de trading en Python.
Nous poursuivons la série d'articles sur le développement d'un robot de trading en Python et MQL5. Aujourd'hui, nous allons résoudre le problème de la sélection et de l'entraînement d'un modèle, de son test, de la mise en œuvre de la validation croisée, de la recherche en grille, ainsi que le problème de l'ensemble de modèles.
Développement d'un robot de trading basé sur l'apprentissage automatique : Un guide détaillé. Le premier article de la série traite de la collecte et de la préparation des données et des caractéristiques. Le projet est mis en œuvre à l'aide du langage de programmation et des bibliothèques Python, ainsi que de la plateforme MetaTrader 5.
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.
Nous analyserons la question de savoir ce qu'est l'analyse quantitative et comment elle est utilisée par les principaux acteurs. Nous allons créer l'un des algorithmes d'analyse quantitative dans le langage MQL5.
Dans cet article, nous allons créer un modèle de forêt aléatoire (random forest) en Python, entraîner le modèle et le sauvegarder en tant que pipeline ONNX avec un pré-traitement des données. Ensuite, nous utiliserons le modèle dans le terminal MetaTrader 5.
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.
Les programmeurs ou développeurs MQL5 ont un besoin essentiel de maîtriser des outils importants et précieux. L'un de ces outils est le Testeur de Stratégie. Cet article est un guide pratique pour comprendre et utiliser le Testeur de Stratégie de MQL5.
Dans cet article, je présenterai une approche complètement différente du trading algorithmique à laquelle j'ai abouti après un certain temps. Bien entendu, tout cela est lié à mon programme de force brute, qui a subi un certain nombre de modifications lui permettant de résoudre plusieurs problèmes simultanément. Mais l'article s'est avéré plus général et aussi simple que possible, c'est pourquoi il convient également à ceux qui ne connaissent rien à la force brute.
Nombreux sont ceux qui les apprécient, mais rares sont ceux qui comprennent l'ensemble des opérations qui se cachent derrière les réseaux neuronaux. Dans cet article, j'essaierai d'expliquer en termes simples tout ce qui se passe derrière les portes closes d'une perception multicouche feed-forward.
Alan Andrews est l'un des "éducateurs" les plus célèbres du monde moderne dans le domaine du trading. Sa "fourchette" est incluse dans presque tous les programmes modernes d'analyse de cotations. Mais la plupart des traders n'utilisent même pas une fraction des possibilités offertes par cet outil. D'ailleurs, le cours de formation original d'Andrews comprend une description non seulement de la fourchette (bien qu'elle reste l'outil principal), mais aussi de quelques autres constructions utiles. L'article donne un aperçu des merveilleuses méthodes d'analyse graphique qu'Andrews enseignait dans son cours original. Attention, il y aura beaucoup d'images.
Dans cet article, j'examinerai l'algorithme d'optimisation Monkey Algorithm (MA). La capacité de ces animaux à surmonter des obstacles difficiles et à atteindre les cimes des arbres les plus inaccessibles est à l'origine de l'idée de l'algorithme MA.
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 ?
Dans cet article, nous allons créer un modèle mathématique pour simuler la fixation des prix en multidevises et compléter l'étude du principe de diversification dans le cadre de la recherche de mécanismes permettant d'accroître l'efficacité des transactions, que j'ai commencée dans l'article précédent par des calculs théoriques.
Dans cet article, nous utiliserons l'algorithme de rachat pour mieux comprendre l'efficacité des systèmes de trading. Nous commencerons à travailler sur les principes généraux de l'amélioration de l'efficacité du trading à l'aide des mathématiques et de la logique, ainsi qu'à appliquer les méthodes les plus inhabituelles d'amélioration de l'efficacité en termes d'utilisation de n'importe quel système de trading.
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.
Cet article est le premier d'une série consacrée aux figures (ou motifs, modèles, patterns) d'inversion dans le cadre du trading algorithmique. Nous commencerons par la famille de modèles la plus intéressante, qui trouve son origine dans les modèles Double Top et Double Bottom.
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.
