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.
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.
Cet article est consacré à une nouvelle direction en perspective dans l’apprentissage automatique - l’apprentissage profond ou, pour être précis, les réseaux de neurones profonds. Il s’agit d’un bref examen des réseaux de neurones de deuxième génération, de l’architecture de leurs connexions et de leurs principaux types, méthodes et règles d’apprentissage et de leurs principaux inconvénients, suivi de l’histoire du développement des réseaux de neurones de troisième génération, de leurs principaux types, particularités et méthodes d’entraînement. Des expériences pratiques sur la construction et l’entraînement d’un réseau neuronal profond initié par les poids d’un autoencodeur empilé avec des données réelles sont menées. Toutes les étapes, de la sélection des données d’entrée à la dérivation métrique, sont discutées en détail.
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 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 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.
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 ?
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, 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.
Dans cet article, nous allons explorer l'application des modèles de régression du paquet Scikit-learn, tenter de les convertir au format ONNX, et utiliser les modèles résultants dans des programmes MQL5. Nous comparerons également la précision des modèles originaux avec leurs versions ONNX pour la précision flottante et la précision double. Nous examinerons aussi la représentation ONNX des modèles de régression, afin de mieux comprendre leur structure interne et leurs principes opérationnels.
Le développement de modèles mathématiques multifonctionnels pour les tâches de trading constituerait une suite logique du sujet abordé précédemment. Dans cet article, je décrirai l'ensemble du processus lié au développement du premier modèle mathématique décrivant les fractales, en partant de zéro. Ce modèle devrait devenir un élément de base important et être multifonctionnel et universel. Il permettra d'établir notre base théorique pour le développement ultérieur de cette idée.
Dans cet article, nous poursuivrons l'étude des fractales et nous nous attacherons à résumer l'ensemble du matériel. Pour ce faire, j'essaierai de rassembler tous les développements antérieurs sous une forme compacte, pratique et compréhensible pour une application pratique dans le domaine du trading.
Dans cette série d'articles, nous tenterons de trouver une application pratique de la théorie des probabilités pour décrire les processus de trading et de fixation des prix. Dans le premier article, nous examinerons les bases de la combinatoire et des probabilités, et nous analyserons le premier exemple d'application des fractales dans le cadre de la théorie des probabilités.
Dans cet article, nous allons manipuler ChatGPT d'OpenAI afin de comprendre ses capacités en termes de gain de temps et d'intensité du travail de développement d'Expert Advisors, d'indicateurs et de scripts. Je vais vous guider rapidement à travers cette technologie et essayer de vous montrer comment l'utiliser correctement pour programmer en MQL4 et MQL5.
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.
Dans cet article, j'ai décidé de mettre en avant le célèbre schéma de Bernoulli et de montrer comment il peut être utilisé pour décrire des tableaux de données liées au trading. Tous ces éléments seront ensuite utilisés pour créer un système de trading auto-adaptatif. Nous chercherons également un algorithme plus générique, dont un cas particulier est la formule de Bernoulli, et nous lui trouverons une application.
Dans cet article, j'ai décidé de mener une étude sur la possibilité de réduire les états multiples à des systèmes à deux états. L'objectif principal de cet article est d'analyser et de tirer des conclusions utiles qui pourraient contribuer au développement d'algorithmes de trading évolutifs basés sur la théorie des probabilités. Bien entendu, ce sujet fait appel aux mathématiques. Mais au vu de l'expérience des articles précédents, je constate que les informations générales sont plus utiles que les détails.
Dans cet article, j'essaierai de vérifier l'hypothèse selon laquelle tout système ayant une compréhension, même limitée, du marché peut fonctionner à l'échelle mondiale. Je n'inventerai pas de théories ou de modèles, mais j'utiliserai uniquement des faits connus, que je traduirai progressivement dans le langage de l'analyse mathématique.
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.
