이 글에서는 SQLite를 사용하여 MQL5로 거래 일지를 관리하기 위한 최소한의 작업 세트를 소개합니다: 여기에는 거래, 신호 및 이벤트, 지수, 준비된 명세서 및 거래 테이블 구조와 표준 분석 SQL 쿼리가 포함됩니다. MetaTrader 5의 통계 대시보드와의 통합과 MetaEditor를 통한 데이터베이스 작업이 시연됩니다. 이 접근 방식을 통해 EA 코드를 복잡하게 만들지 않고도 저널을 자동화하고 계산 속도를 향상시키고 분석을 하는 것이 가능해집니다.
이 글의 두 번째 파트에서는 MVC(모델-뷰-컨트롤러) 아키텍처 패러다임을 사용하여 MQL5에서 테이블 모델을 구현하는 방법에 대해 알아봅니다. 이 문서에서는 이전에 만든 테이블 모델을 기반으로 테이블 클래스와 테이블 헤더를 개발하는 방법에 대해 알아봅니다. 개발된 클래스는 다음 글에서 설명할 뷰 및 컨트롤러 컴포넌트를 추가 구현하는 기반이 될 것입니다.
이 글에서는 MVC(모델-뷰-컨트롤러) 아키텍처 패턴을 사용하여 MQL5에서 테이블 모델을 개발하는 프로세스에 대해 살펴보겠습니다. 우리는 이를 통해 데이터 논리, 표현, 제어를 분리하고, 구조화되고 유연하며 확장 가능한 코드를 작성할 수 있습니다. 연결 리스트를 사용하여 데이터를 저장하는 것을 포함하여 테이블 모델을 구축하기 위한 클래스를 구현해 볼 것입니다.
MQL5 Algo Forge 저장소의 모든 리포지토리에서 외부 코드를 프로젝트에 통합하는 방법을 살펴보겠습니다. 이 글에서는 유용하면서도 더 복잡한 작업, 즉 MQL5 Algo Forge 내에서 타사 저장소의 라이브러리를 실제로 연결하고 사용하는 방법에 대해 살펴봅니다.
MetaEditor에서 프로젝트를 작업할 때 개발자는 종종 코드 버전을 관리해야 하는 상황에 직면합니다. MetaQuotes는 최근 코드 버전 관리 및 협업 기능을 갖춘 MQL5 Algo Forge의 출시와 함께 GIT로의 마이그레이션을 발표했습니다. 이 글에서는 이 새로운 도구와 기존 도구를 더 효율적으로 사용하는 방법에 대해 설명합니다.
알고리즘 트레이딩 개발자를 위한 전용 포털인 MQL5 Algo Forge를 소개합니다. MQL5 Algo Forge에는 Git의 강력한 기능과 MQL5 에코시스템 내에서 프로젝트를 관리하고 구성할 수 있는 직관적인 인터페이스가 결합되어 있습니다. 여러분은 이곳에서 흥미로운 저자를 팔로우하고 팀을 구성하고 알고리즘 트레이딩 프로젝트에 대해 협업할 수 있습니다.
이 기사에서는 MetaTrader 4 및 5 거래에서 자동화 체인 전체를 닫을 수 있을 뿐만 아니라 훨씬 더 흥미로운 작업을 할 수 있게 해준 개선 사항의 첫 번째 부분을 보여드리겠습니다. 이제부터는 이 솔루션을 사용하면 EA를 생성하고 최적화하는 것을 완전히 자동화할 수 있을 뿐만 아니라 효과적인 트레이딩 구성을 찾는 데 드는 인건비를 최소화할 수 있습니다.
머신러닝은 전략 개발을 위한 인기 있는 방법이 되었습니다. 수익성과 예측 정확도를 극대화하는 데는 더 많은 관심이 집중되었지만 예측 모델을 구축하는 데 사용되는 데이터 처리의 중요성은 그다지 주목을 받지 못했습니다. 이 글에서는 티모시 마스터스의 책 '시장 트레이딩 시스템 테스트 및 조정'에 설명된 대로 엔트로피 개념을 사용해 예측 모델 구축에 사용할 지표의 적절성을 평가하는 방법을 살펴봅니다.
GSA는 무생물에서 영감을 얻은 모집단 최적화 알고리즘입니다. 알고리즘에 구현된 뉴턴의 중력 법칙과 그리고 물리적 객체의 상호 작용을 모델링하는 높은 신뢰성 덕분에 우리로 하여금 행성계와 은하단의 매혹적인 춤을 관찰하게 해 줍니다. 이 기사에서는 가장 흥미롭고 독창적인 최적화 알고리즘 중 하나를 살펴볼 것입니다. 우주의 객체의 움직임에 대한 시뮬레이터도 있습니다.
이 글에서는 MetaTrader 5 플랫폼이 말을 하도록 하는 방법에 대해 알아보겠습니다. EA를 더 재미있게 만들면 어떨까요? 금융 시장 트레이딩은 너무 지루하고 단조로운 경우가 많지만 우리는 덜 지루하게 만들 수 있습니다. 이 프로젝트는 중독 증세가 있는 사람들에게는 위험할 수 있다는 점에 유의하세요. 하지만 일반적인 경우에는 지루함을 덜 느끼게 해줄 것입니다.
이 글에서는 피셔의 붓꽃 데이터 세트의 분류 작업을 해결하기 위해서 Scikit-Learn 라이브러리에서 사용할 수 있는 모든 분류 모델을 적용하는 방법을 살펴봅니다. 우리는 이러한 모델을 ONNX 형식으로 변환하고 그 결과 모델을 MQL5 프로그램에서 활용하려고 합니다. 또한 전체 붓꽃 데이터 세트에서 원래 모델의 정확도를 ONNX 버전과 비교합니다.
이 글에서는 수수료와 스왑을 포함한 모든 거래의 총 손익을 계산하는 방법을 보여드리겠습니다. 저는 가장 정확한 수학적 모델을 제공하고 이를 사용하여 코드를 작성하고 표준과 비교할 것입니다. 또한 수익을 계산하고 종목 사양의 모든 값에 접근하고 활용하기 위해 주요 MQL5 함수의 내부에 들어갈 것입니다.
아직 우리의 주문 시스템에는 미흡한 부분이 하나 있습니다. 조만간 해결하도록 하겠습니다. MetaTrader 5는 주문 값을 생성하고 수정할 수 있는 티켓 시스템을 제공합니다. 이 아이디어는 동일한 티켓 시스템을 더 빠르고 효율적으로 만들 수 있는 EA를 만드는 것입니다.
이번에는 최신의 최적화 알고리즘 중 하나인 그레이 울프 최적화에 대해 알아봅시다. 테스트 함수에서의 오리지널 행동은 이 알고리즘을 앞서 고려한 알고리즘 중 가장 흥미로운 알고리즘 중 하나로 만듭니다. 이 알고리즘은 신경망 훈련, 많은 변수가 있는 부드러운 함수의 훈련에 사용되는 최고의 알고리즘 중 하나입니다.
