Полиномиальная регрессия в реальном времени: Реализация каузального фильтра Савицкого — Голея на MQL5

Полиномиальная регрессия в реальном времени: Реализация каузального фильтра Савицкого — Голея на MQL5

Мы адаптируем фильтр Савицкого — Голея для MQL5, придавая ему строго каузальную форму для работы в реальном времени, и выводим фиксированные коэффициенты для вычисления в конечной точке. В статье представлены полноценный индикатор и советник, объясняется чувствительность к шуму при вычислении на краю окна и реализуется защитный механизм подтверждения на нескольких барах. Приведены результаты тестирования на исторических данных по нескольким торговым инструментам без выборочного отбора удачных результатов. Вы получаете готовый к компиляции код, рекомендации по настройке параметров и альтернативу скользящим средним с меньшим запаздыванием.
Поиск торгового преимущества (Часть 5): Использование дисперсии GARCH и LSTM с масштабированием по волатильности в советнике

Поиск торгового преимущества (Часть 5): Использование дисперсии GARCH и LSTM с масштабированием по волатильности в советнике

Мы объединяем прогнозы дисперсии GARCH(1,1) с ATR и паттернами полос Боллинджера, создавая алгоритм, который при желании можно использовать совместно с LSTM с масштабированием по волатильности в классе торговых сигналов, совместимом с Мастером MQL5. Мы рассматриваем масштабирование признаков, оценку режимов, пороговые значения и защитные проверки. Читатели могут воспроизвести результаты тестирования на исторических данных и форвардного тестирования, чтобы проверить, улучшает ли рекуррентный слой способность различать торговые ситуации по сравнению с нашим базовым детерминированным алгоритмом.
Свечи FU/AFU/SFU: Определения, код и статистика

Свечи FU/AFU/SFU: Определения, код и статистика

Как часто свечи со снятием ликвидности FU, AFU и SFU оказываются на подтверждённых экстремумах? Проверяем это постфактум на данных EURUSD, BTCUSD и EURGBP за 2020–2026 годы и сравниваем результаты с базой свечей, пробивших экстремум предыдущей. В статье представлены определения формаций, индикаторы FuCandles и SimpleZigZag, а также скрипт сбора данных на MQL5.
Автоматическое построение сессионного профиля объема на MQL5: Визуализация POC и зоны стоимости без сторонних инструментов

Автоматическое построение сессионного профиля объема на MQL5: Визуализация POC и зоны стоимости без сторонних инструментов

Реализуйте сессионный профиль объема на MQL5: получайте тики с помощью CopyTicksRange(), группируйте их по ценовым интервалам и рассчитывайте POC, VAH и VAL по правилу 70%. Индикатор отображает профиль непосредственно на графике с помощью штатных графических объектов, поддерживает масштабирование в режиме фиксированной ширины для сохранения единообразной геометрии на разных таймфреймах и обновляется с началом каждой новой сессии. Это позволяет получить объективные опорные уровни без внешних зависимостей.
Поиск торгового преимущества (Часть 4): Изотоническая регрессия и прогнозирование направления движения цены с помощью PNN в советнике

Поиск торгового преимущества (Часть 4): Изотоническая регрессия и прогнозирование направления движения цены с помощью PNN в советнике

Мы рассматриваем методы, с помощью которых изотоническая регрессия преобразует исходные оценки сигналов RSI, стохастического осциллятора и ценовой динамики в упорядоченные вероятности, а отдельная вероятностная нейронная сеть оценивает сходные состояния рынка в прошлом. В этой статье оба подхода реализованы в готовом пользовательском классе торгового сигнала на MQL5, совместимом с Мастером MQL5 и предлагающем до семи режимов входа на выбор. В воспроизводимых тестах сигналы, полученные только с помощью изотонической регрессии, сравниваются с сигналами комбинированной модели изотонической регрессии и PNN, чтобы оценить, даёт ли сеть полезную информацию сверх той, которую предоставляет более простая базовая модель.
Разработка индикатора внутренней и внешней структуры рынка

Разработка индикатора внутренней и внешней структуры рынка

В статье представлен структурированный подход к анализу внешней и внутренней структуры рынка в MQL5 — от выявления свингов до проверки сигналов CHoCH/BoS в рамках сформировавшегося тренда. В ней объясняется, как уточнять истинные максимумы и минимумы, применять логику "первого внутреннего сигнала", а также отображать линии, метки и маркеры на графике. В результате получается индикатор с согласованной логикой работы, который преобразует ценовую структуру в чётко определённые уровни входа, стоп-лосса и целевые уровни 1,5R.
Создание системы прогнозного моделирования на основе пересечения EMA (Окончание): Интерактивные синтетические свечи

Создание системы прогнозного моделирования на основе пересечения EMA (Окончание): Интерактивные синтетические свечи

В этой статье мы завершаем разработку движка прогнозного моделирования для MetaTrader 5, калибруя синтетические свечи по недавней рыночной волатильности вместо определения их размеров исключительно по наклону EMA. Движок рассчитывает средний размер тела и среднюю длину верхней и нижней теней по закрытым барам, применяет синусоидальную огибающую с затуханием, задает пропорциональные размеры теней и промежутки между свечами, а также периодически добавляет контртрендовые свечи. В результате получается динамическая проекция, которая непрерывно сдвигается, оставаясь на один бар впереди текущего рыночного бара. Ее код можно повторно использовать для отрисовки откалиброванных проекций относительно точки привязки и автоматической очистки.
От скользящей средней с фиксированными параметрами к адаптивной фильтрации (Часть 2): Реализация индикатора SAMA_NLMS на MQL5

От скользящей средней с фиксированными параметрами к адаптивной фильтрации (Часть 2): Реализация индикатора SAMA_NLMS на MQL5

В этой статье самоадаптивная скользящая средняя (SAMA) на основе алгоритма NLMS реализована в виде работающего индикатора MQL5. Приведён полный исходный код и объяснены ключевые проектные решения, включая выполнение непосредственно в основном цикле, инициализацию весов одинаковыми значениями, обновление по закрытым барам и границы устойчивости. Также рассмотрены установка, использование и ограничения. Результат — скомпилированный индикатор SAMA_NLMS, готовый к установке на график, и понятная основа для последующего сравнительного тестирования с использованием советника.
Обобщенный пул объектов в MQL5: Снижение накладных расходов на выделение памяти в высокочастотных индикаторах

Обобщенный пул объектов в MQL5: Снижение накладных расходов на выделение памяти в высокочастотных индикаторах

В высокочастотных индикаторах MQL5, создающих объекты при каждом тике, накапливаются накладные расходы на выделение памяти и возникает джиттер времени выполнения в OnCalculate(). В этой статье создается обобщенный пул объектов на основе шаблона класса с использованием массива индексов списка свободных элементов, обеспечивающего выполнение операций Acquire() и Release() за время O(1). Архитектура предусматривает защиту от повторного возврата объекта в пул, строгое разделение состояния полезных данных и метаданных пула в методе Reset(), а также список свободных элементов фиксированной вместимости без резервного выделения памяти в куче. Пользовательский индикатор сравнивает два варианта обработки и с помощью GetMicrosecondCount() измеряет разницу накладных расходов на тик.
От скользящей средней с фиксированными параметрами к адаптивной фильтрации: Знакомство с SAMA на основе NLMS в MQL5

От скользящей средней с фиксированными параметрами к адаптивной фильтрации: Знакомство с SAMA на основе NLMS в MQL5

В этой статье представлена самоадаптивная скользящая средняя (SAMA) — адаптивный фильтр, использующий нормализованный алгоритм наименьших средних квадратов (NLMS). В ней рассматривается, почему скользящие средние с фиксированным периодом не справляются со своей задачей, как NLMS адаптируется бар за баром и какие инженерные меры защиты необходимы для практической эксплуатации. Эти теоретические и математические основы подготовят вас к реализации на MQL5 в Части 2.
Анализ рекуррентных сетей (RNA) в MQL5: От матриц рекуррентности к сложным сетям

Анализ рекуррентных сетей (RNA) в MQL5: От матриц рекуррентности к сложным сетям

В статье библиотека анализа рекуррентности на MQL5 расширяется средствами анализа рекуррентных сетей (RNA): матрицы рекуррентности рассматриваются как матрицы смежности неориентированных графов. В ней реализованы основные сетевые метрики — кластеризация, транзитивность, средняя длина пути, посредничество, ассортативность и плотность, — которые применяются в скользящих окнах для анализа рекуррентных сетей (RNA) одного временного ряда и совместного анализа рекуррентных сетей (JRNA). Модульный механизм расчета метрик и два индикатора позволяют визуализировать динамику структуры сети на графиках MetaTrader 5 для практического анализа временных рядов.
Поиск торгового преимущества (Часть 3): Использование HMM и GRU в торговом советнике

Поиск торгового преимущества (Часть 3): Использование HMM и GRU в торговом советнике

Мы исследуем, как скрытая марковская модель (HMM) оценивает скрытые рыночные режимы на основе наблюдаемых последовательностей цен и значений индикаторов. Это достигается путем оценки вероятности переходов между состояниями. Сеть на основе управляемого рекуррентного блока (GRU) моделирует временные зависимости и сохраняет важную информацию на протяжении нескольких наблюдений. В советнике вероятности рыночных режимов, рассчитанные с помощью HMM, можно использовать совместно с обучением сети GRU на последовательностях, чтобы точнее классифицировать изменения в накоплении, распределении и импульсе еще до появления стандартных ценовых подтверждений.
Тепловая карта внутридневной доходности в MQL5: Визуализация с помощью CCanvas

Тепловая карта внутридневной доходности в MQL5: Визуализация с помощью CCanvas

В MetaTrader 5 отсутствует встроенный инструмент для визуализации внутридневных закономерностей доходности одновременно по нескольким временным измерениям. В данной статье реализован пользовательский индикатор, который собирает данные о доходности исторических баров в матрицу размером 5×24, индексированную по дням недели и часам суток. Затем индикатор отрисовывает результат в виде тепловой карты с цветовой интерполяцией в подокне индикатора с помощью CCanvas. Зеленые ячейки обозначают положительную среднюю доходность, красные — отрицательную, причем интенсивность цвета отражает величину доходности.
Создание интерактивного индикатора профиля объема AnchorFlow (MTF) на языке MQL5

Создание интерактивного индикатора профиля объема AnchorFlow (MTF) на языке MQL5

Мы реализуем интерактивный мультитаймфреймовый (MTF) профиль объема с якорной привязкой на языке MQL5 для MetaTrader 5. Индикатор строит профиль текущего таймфрейма на основном графике и профиль старшего таймфрейма (HTF) в подокне индикатора; оба профиля согласованы по положению общей линии с якорной привязкой и видимому диапазону. Вы освоите настройка количества ценовых интервалов (бинов) профиля с помощью клавиатуры (двойное нажатие клавиши E или S), надежную проверку таймфреймов, обновления с учетом видимой области графика и восстановление графических объектов, чтобы организовать надежную, синхронизированную работу с объемами.
Низкочастотные количественные стратегии в MetaTrader 5 (Часть 3): Система свинг-трейдинга на основе возврата к среднему значению с адаптацией к рыночным режимам

Низкочастотные количественные стратегии в MetaTrader 5 (Часть 3): Система свинг-трейдинга на основе возврата к среднему значению с адаптацией к рыночным режимам

В статье описывается и приводится код стратегии MR Swing на языке MQL5 — это подход к свинг-трейдингу на основе возврата к среднему значению, сочетающий 200-дневный канал гистерезиса с индикаторами Value Chart (график стоимости), DVO и SVAPO. Мы описываем правила входа в позиции и выхода из них для бычьего и медвежьего режимов и приводим результаты пятилетнего бэктестирования на шести высоколиквидных акциях, котирующихся на Nasdaq. Для обеспечения воспроизводимости результатов предоставляются полный код советника и настройки бэктестирования.
Конструирование признаков для машинного обучения (Часть 8): Энтропийные признаки в MQL5

Конструирование признаков для машинного обучения (Часть 8): Энтропийные признаки в MQL5

Реализация на MQL5 четырех методов оценки энтропии — энтропии Шеннона, подстановочной оценки энтропии (Plug-In), сложности Лемпеля — Зива и энтропии Контоянниса — для последовательности, полученной по тиковому правилу внутри бара. CopyTicksRange() ограничивает доступные данные окном тикового кеша брокера, поэтому признаки можно рассчитывать только для недавних баров. В реализации тики из структуры MqlTick кодируются по направлению изменения цены Bid, операции, зависящие от NumPy, заменяются методами работы с массивами, а для использования в советниках и индикаторах предоставляются файлы CEntropyFeatures.mqh и EntropyViewer.mq5.
Создание индикатора EquiVolume на языке MQL5

Создание индикатора EquiVolume на языке MQL5

Мы реализуем в MQL5 индикатор EquiVolume, который преобразует стандартные свечи в прямоугольники, ширина которых определяется объёмом торгов. Процесс включает выбор типа объёма, определение максимального объёма в диапазоне обратного просмотра, нормализацию всех значений относительно него и преобразование их в пропорциональную ширину прямоугольников. В результате на графике в MetaTrader 5 формируется структура, которая наглядно отображает интенсивность торговой активности наряду с движением цены.
Каналы линейной регрессии на MQL5: Построение статистически обоснованных доверительных и прогнозных полос

Каналы линейной регрессии на MQL5: Построение статистически обоснованных доверительных и прогнозных полос

В статье реализованы каналы скользящей регрессии методом МНК на языке MQL5 и рассчитываются доверительные и прогнозные полосы с использованием критических значений t-распределения Стьюдента вместо фиксированного множителя стандартного отклонения. В ней объясняется расширение полос по краям окна, обусловленное рычагом наблюдения, полученный результат сравнивается с полосами Боллинджера и каналами Дончиана, а также рассматриваются предпосылки МНК применительно к ценовым данным. Описан способ отрисовки с использованием пяти линий, обеспечивающий надежное отображение в MetaTrader 5.
Индикатор скользящего коэффициента Шарпа с доверительными границами в MQL5

Индикатор скользящего коэффициента Шарпа с доверительными границами в MQL5

В данной статье представлен пользовательский индикатор для MetaTrader 5, который вычисляет скользящий коэффициент Шарпа в годовом выражении и отображает полосы статистической значимости с настраиваемой z-оценкой на основе асимптотической стандартной ошибки по формуле Ло. В индикаторе используется кольцевой буфер доходностей с инкрементальным расчетом дисперсии, что обеспечивает обновление за время O(1). Мы объясняем, как неопределенность масштабируется пропорционально n^(-1/2), почему интервалы расширяются при высоких значениях коэффициента Шарпа и как настроить приведение к годовому выражению для каждого инструмента, чтобы корректно использовать индикатор.
Адаптивное сглаживание цен в MQL5: фильтр Калмана с оценкой шума без внешних библиотек

Адаптивное сглаживание цен в MQL5: фильтр Калмана с оценкой шума без внешних библиотек

Скользящие средние с фиксированным весовым коэффициентом вносят запаздывание, которое не учитывает смену рыночных режимов. В данной работе представлен индикатор на основе адаптивного скалярного фильтра Калмана, реализованный штатными средствами MQL5. Он оценивает дисперсию шума процесса Q по дисперсии приращений цены в скользящем окне, а дисперсию шума измерений R — по дисперсии цены в скользящем окне, применяет ограничение снизу для обеспечения численной устойчивости и пересчитывает коэффициент усиления Калмана на каждом баре. Линия индикатора, отображаемая поверх ценового графика, сравнивается с 20-периодной EMA по показателям MAE, RMSE, запаздывания и гладкости для количественной оценки качества отслеживания цены и подавления шума.
Поиск торгового преимущества (Часть 1): Использование дискретного преобразования Фурье (ДПФ) и импульсной нейронной сети (SNN) в торговом роботе

Поиск торгового преимущества (Часть 1): Использование дискретного преобразования Фурье (ДПФ) и импульсной нейронной сети (SNN) в торговом роботе

В этой статье мы приводим аргументы в пользу сочетания дискретного преобразования Фурье (ДПФ) и импульсной нейронной сети (SNN) в торговом роботе. Преобразование Фурье позволяет представить данные в виде колебаний, а не в виде исходных значений. Для интерпретации этих циклов мы используем импульсную нейронную сеть (SNN), которая, в отличие от обычных сетей, накапливает потенциал за счёт изменяющихся во времени электрических зарядов и генерирует импульс только при достижении заданного порога. Сочетание этих двух модулей позволяет нам точнее определять моменты отдельных рыночных движений, что в теории должно давать сигналы входа со строгим математическим подтверждением.
Разработка индикатора снятия ликвидности  STF Liquidity Sweep на языке MQL5

Разработка индикатора снятия ликвидности STF Liquidity Sweep на языке MQL5

В статье представлен динамический индикатор для MetaTrader 5, который выявляет снятия ликвидности используя логику определения точек разворота, соотношение теней свечей и подтверждения от паттернов поглощения. Индикатор распознает теневые паттерны с одной и двумя свечами без фиксированного временного окна, обновляет уровни ликвидности со стороны покупателей и продавцов по мере изменения цены и аннулирует уже пробитые уровни для поддержания достоверной карты ликвидности.
Альтернатива тиковому объему: Измерение рыночной активности по интервалам ожидания между котировками

Альтернатива тиковому объему: Измерение рыночной активности по интервалам ожидания между котировками

Тиковый объем в основном отражает время суток, а его окончательное значение известно только после закрытия бара. Мы строим индикатор активности, который обновляется в реальном времени при каждой котировке, используя интервалы ожидания между изменениями котировок, устраняем внутридневной ритм и моделируем оставшуюся составляющую с помощью модели авторегрессионной условной длительности (ACD). Затем мы проверяем, улучшает ли этот показатель активности краткосрочные прогнозы волатильности, если текущая волатильность цены уже учтена в модели.
Разработка классического индикатора «Крестики-нолики» на языке MQL5

Разработка классического индикатора «Крестики-нолики» на языке MQL5

В данной статье на языке MQL5 реализован пользовательский индикатор «Крестики-нолики» (Point and Figure, PF), который отображает движение цены в столбцы X/O, используя фиксированный размер клетки и логику разворота через три клетки. Мы определяем базовую цену, преобразуем цены в интервалы клеток, управляем трендами и разворотами, автоматически масштабируем окно индикатора и отображаем символы с помощью объектов, обеспечивая четкое, независимое от времени представление трендов, прорывов и уровней поддержки и сопротивления.
Разработка объектно-ориентированного сканера разрывов справедливой стоимости (FVG) на MQL5

Разработка объектно-ориентированного сканера разрывов справедливой стоимости (FVG) на MQL5

В статье показано, как создать объектно-ориентированный сканер разрывов справедливой стоимости (FVG) на языке MQL5 и отображать разрывы ликвидности непосредственно на графике MetaTrader 5. Рассматриваются формализация геометрии дисбаланса на основе трех свечей, синхронизация массивов OHLC с помощью CopyRates, управление объектами-прямоугольниками без утечек и отслеживание митигации (отработки зоны) в реальном времени. Также показано, как интегрировать этот класс в советник со строгой проверкой появления нового бара для стабильной и эффективной работы.
Создание традиционного индикатора Ренко с наложением на график в MQL5

Создание традиционного индикатора Ренко с наложением на график в MQL5

Создайте в MQL5 традиционный индикатор Ренко, который преобразует цены закрытия свечей в кирпичи фиксированного размера и отображает их на основном графике. Мы рассчитываем движение от цены закрытия последнего кирпича, создаем новые кирпичи заданного пользователем размера, подтверждаем развороты с помощью правила двух кирпичей, храним цены закрытия кирпичей в динамическом массиве и отображаем прямоугольники для визуализации тренда в режиме реального времени.
От новичка до эксперта: Выявление переворотов зон ликвидности на языке MQL5

От новичка до эксперта: Выявление переворотов зон ликвидности на языке MQL5

В этой статье представлен индикатор на языке MQL5, который обнаруживает перевороты зон ликвидности и управляет ими. Он выявляет зоны предложения и спроса на старших таймфреймах с помощью паттерна "база → импульс", применяет формализованные пороговые значения для пробоя и силы импульса и автоматически переворачивает зоны при изменении структуры. В результате получается динамическая карта поддержки и сопротивления, которая сокращает необходимость ручной перерисовки и дает понятный и практически применимый контекст для оценки сигналов и ретестов.
От новичка до эксперта: Усиление стратегий ликвидности за счет структурного подтверждения на нескольких таймфреймах

От новичка до эксперта: Усиление стратегий ликвидности за счет структурного подтверждения на нескольких таймфреймах

Согласованность структур ликвидности на старшем таймфрейме и разворотных паттернов на младшем может существенно повлиять как на вероятность, так и на направление следующего движения цены. Сочетая структурные зоны ликвидности на старших таймфреймах с точными подтверждениями разворота на младших, трейдеры могут точнее выбирать момент входа и повышать общее качество сделок. В этой статье показано, как усовершенствовать торговые стратегии на основе ликвидности с помощью структурного подтверждения на старшем таймфрейме и эффективно реализовать этот подход на языке MQL5.
Количественный анализ совместной рекуррентности (JRQA) в MQL5: Выявление одновременной рекуррентности в двух временных рядах

Количественный анализ совместной рекуррентности (JRQA) в MQL5: Выявление одновременной рекуррентности в двух временных рядах

Мы расширяем библиотеку RQA для MetaTrader 5, добавляя JRQA, который определяет моменты, когда два временных ряда одновременно возвращаются к своим прежним состояниям. В статье рассматриваются матрица совместной рекуррентности, двенадцать метрик JRQA (включая TREND и COMPLEXITY), конфигурация с двумя эпсилонами, а также механизм скользящего окна с ускорением через OpenCL и автоматическим переходом на CPU. Практический индикатор строит графики JRR, JDET, JLAM, JENTR и JTREND для любой пары финансовых инструментов с выравниванием временных меток и нормализацией.
Создание индикатора Market Structure Sentinel на языке MQL5

Создание индикатора Market Structure Sentinel на языке MQL5

В статье описывается создание индикатора Market Structure Sentinel на языке MQL5, который в режиме реального времени выявляет и визуализирует события в рамках концепций «умных денег» (SMC), включая слом структуры (BOS) и смену характера (CHOCH). В ней объясняются обнаружение свингов, структурная валидация и классификация тренда, а также добавляется компактная мини-панель для отслеживания бычьего или медвежьего тренда либо флэта, что позволяет быстрее интерпретировать ситуацию на графике.
Автоматизация графических паттернов в MQL5 (Часть 1): Мультитаймфреймовый движок для анализа свинговой структуры

Автоматизация графических паттернов в MQL5 (Часть 1): Мультитаймфреймовый движок для анализа свинговой структуры

В этой статье представлен CSwingEngine — переиспользуемый класс на языке MQL5, который обнаруживает свинговые максимумы и минимумы на H4, присваивает им метки HH, LH, HL или LL и классифицирует рыночную структуру как трендовую или боковую. Свинги всегда определяются на H4 независимо от графика, на котором запущена программа, а каждая точка корректно отображается на младших таймфреймах благодаря штатной привязке к временным координатам типа datetime. Движок предоставляет понятный интерфейс для получения текущего состояния тренда и массива свингов, необходимых для распознавания паттернов с учетом рыночного контекста.
Построение системы обнаружения дивергенций (Часть II): Пользовательский индикатор Adaptive SuperTrend

Построение системы обнаружения дивергенций (Часть II): Пользовательский индикатор Adaptive SuperTrend

В статье мы усовершенствуем индикатор SuperTrend, добавив модуль обнаружения дивергенций (MPO4 или RSI), который динамически уменьшает множитель ATR при ослаблении моментума. В ней рассматриваются формула сжатия, перенос состояния без перерисовки с использованием отдельных буферов, а также пошаговая реализация индикатора на языке MQL5 с отображением на ценовом графике. Вы узнаете, как интерпретировать стрелки и переключения линии, настраивать входные параметры и применять индикатор для трейлинга по правилам и более раннего подтверждения сигналов.
Теория экстремальных значений в MQL5: Создание индикатора риска обвала с оценкой хвоста распределения — за рамками VaR по методу Монте-Карло

Теория экстремальных значений в MQL5: Создание индикатора риска обвала с оценкой хвоста распределения — за рамками VaR по методу Монте-Карло

Стандартные инструменты оценки риска на MQL5 используют недавние исторические данные и не учитывают, насколько тяжелым может быть левый хвост распределения. Мы реализуем теорию экстремальных значений (EVT) в MetaTrader 5: подгонку обобщенного распределения Парето (GPD) методом превышений над порогом (POT) с помощью ALGLIB, индикатор, который в реальном времени выводит VaR и ES на основе EVT, а также параметр формы хвоста, и советник, рассчитывающий размер позиций по оценке хвоста распределения. Тестирование на исторических данных в контролируемых условиях демонстрирует снижение просадки при неизменных точках входа.
Альтернатива временным барам (Часть 3): Индикатор в подокне для отображения альтернативных баров в MQL5

Альтернатива временным барам (Часть 3): Индикатор в подокне для отображения альтернативных баров в MQL5

AlternativeBarsViewer — индикатор в подокне, отрисовывающий все десять типов альтернативных баров как свечи с цветовой маркировкой. Он использует ту же иерархию CBarConstructor, что и BarBuilderEA, обеспечивая идентичность баров. Он поддерживает три источника данных (реальные тики, синтетические тики на основе OHLC или CSV-файл советника) и два режима отображения (TIME и INDEX), между которыми можно переключаться во время работы. Вырожденные бары выделяются, а сводная информация о них выводится на компактной панели, что позволяет выполнять калибровку в реальном времени, не выходя из терминала.
Построение системы обнаружения дивергенций: Создание пользовательского индикатора MPO4

Построение системы обнаружения дивергенций: Создание пользовательского индикатора MPO4

Представляем MPO4 — осциллятор на основе рыночного давления, который учитывает тело и направление свечей в контексте текущей волатильности. В статье подробно рассматриваются математические основы индикатора, нормирование значений в ограниченном диапазоне и сглаживание с помощью EMA. Затем создается модуль дивергенций на основе опорных точек, предназначенный для работы без перерисовки. Вы получите полную реализацию на MQL5 и практические рекомендации по интерпретации сигналов, включая сравнение с RSI как альтернативным источником.
Адаптивный индикатор Malaysian Engulfing (Часть 2): Оптимизированный диапазон баров ретеста

Адаптивный индикатор Malaysian Engulfing (Часть 2): Оптимизированный диапазон баров ретеста

В статье к индикатору Malaysian Engulfing добавляется самоадаптивный слой: диапазон баров ретеста оптимизируется с помощью ограниченного полного перебора с оценкой по MFE и MAE. В статье подробно описаны модель данных, вспомогательные процедуры и реализация на MQL5, которая собирает исторические сетапы, рассчитывает MFE/MAE и выбирает лучший параметр. Читатели узнают, как отказаться от ручной настройки и запускать индикатор с параметрами, подходящими для конкретного контекста, на разных символах и таймфреймах.
Мультитаймфреймовый движок без утечек дескрипторов с чтением закрытых баров в MQL5

Мультитаймфреймовый движок без утечек дескрипторов с чтением закрытых баров в MQL5

В статье рассматриваются две типичные проблемы, возникающие при работе с несколькими таймфреймами в MQL5: утечки дескрипторов индикаторов, приводящие к исчерпанию ресурсов, и перерисовка в результате считывания формирующегося бара (индекс 0). В статье представлен MTFEngine.mqh — единый подключаемый файл, который создаёт и отслеживает дескрипторы в одном месте, а также по умолчанию выполняет все операции чтения из закрытых баров (индекс 1). Пример D1–H4–H1 демонстрирует, как данный подход позволяет сохранить техническую корректность сигналов и их соответствие графикам.
Декомпозиция частичной информации: Когда два индикатора вместе информативнее, чем каждый по отдельности

Декомпозиция частичной информации: Когда два индикатора вместе информативнее, чем каждый по отдельности

Мы представляем библиотеку декомпозиции частичной информации для MQL5, которая разделяет информацию двух источников о целевой переменной на четыре атома: два уникальных (по одному для каждого источника), общий и синергетический. В реализации используются квантильное разбиение на бины, предвычисленные логарифмы и подгонка по принципу максимальной энтропии (для I_ccs). Результаты сопоставляются с нулевой моделью на основе блочных перестановок, поскольку на конечных выборках оценки атомов превышают ноль. Используйте ее для отбора пар индикаторов и проверки статистической значимости, включая поправку на множественные сравнения на уровне семейства тестов.
За пределами GARCH (Часть VIII): Библиотека MMAR и ее использование в советнике

За пределами GARCH (Часть VIII): Библиотека MMAR и ее использование в советнике

Эта статья завершает проект MMAR фасадным классом CMMAR и демонстрационным советником для MetaTrader 5. Фасад предоставляет компактный API (настройка, Fit(), Forecast()), объединяющий анализ разбиений, подгонку спектра и моделирование методом Монте-Карло. Вы узнаете, как загружать данные, подгонять модель и получать прогноз волатильности, а также использовать диагностику и обработку статусов для надежного применения модели в советниках.
Рыночная микроструктура в MQL5 (Часть 7): Классификация рыночных режимов

Рыночная микроструктура в MQL5 (Часть 7): Классификация рыночных режимов

Мы объединяем одиннадцать показателей минутной рыночной микроструктуры из частей 2-6 в итоговую метку режима с оценкой достоверности и направлением. Функция RegimeClassifier(), работающая на основе правил, определяет один из шести режимов — нормальный, стрессовый, шумовой, информированный, трендовый или возврат к среднему. Пороги получены эмпирически по 514 сессиям NQ на таймфрейме M1 (май 2024 г. - май 2026 г.). Результат работы включает MARKET_REGIME, RegimeAnalysis и PopulateRegimeAnalysis(): один вызов позволяет получить данные для расчета размера позиции, размещения стоп-лоссов и фильтрации сигналов.