Gezegenlerin ve yıldızların konumları finansal piyasaları etkiliyor mu? Kendimizi istatistikler ve büyük verilerle donatalım ve yıldızlarla hisse senedi grafiklerinin kesiştiği dünyaya doğru heyecan verici bir yolculuğa çıkalım.
Zaman ve fiyatın karesi alınarak oluşturulan Gann'ın 9’un Karesine dayalı bir gösterge oluşturacağız. Kodu hazırlayacağız ve göstergeyi platformda farklı zaman aralıklarında test edeceğiz.
Bu makale, çok dövizli portföy optimizasyonu için riske maruz değer (Value at Risk, VaR) modelinin potansiyelini araştırmaktadır. Python'ın gücünü ve MetaTrader 5'in işlevselliğini kullanarak, verimli anapara tahsisi ve pozisyon yönetimi için VaR analizinin nasıl uygulanacağını gösteriyoruz. Makale, teorik temellerden pratik uygulamaya kadar, en sağlam risk hesaplama sistemlerinden biri olan VaR'ın algoritmik alım-satımda uygulanmasının tüm yönlerini kapsamaktadır.
Kaos teorisi finansal piyasalara uygulanabilir mi? Bu makalede, geleneksel kaos teorisinin ve kaotik sistemlerin Bill Williams tarafından önerilen konseptten nasıl farklı olduğunu ele alacağız.
Hareketli ortalama göstergesinin birçok yatırımcı için önemini hepimiz biliyoruz. Alım-satımda faydalı olabilecek farklı hareketli ortalama türleri vardır. Bunlara göz atacağız ve hangisinin en iyi sonuçları gösterebileceğini görmek için basit bir karşılaştırma yapacağız.
Python ve MQL5'te bir alım-satım robotu geliştirmeye yönelik makale serisine devam ediyoruz. Bugün bir model seçme ve eğitme, test etme, çapraz doğrulama uygulama, ızgara arama (grid search) ve model topluluğu (ensemble) problemini çözeceğiz.
Bu makalede, Python'da bir Rastgele Orman modeli oluşturacağız, modeli eğiteceğiz ve veri ön işleme ile bir ONNX veri hattı (pipeline) olarak kaydedeceğiz. Ardından modeli MetaTrader 5 terminalinde kullanacağız.
Makale, elektromanyetizma benzeri algoritmanın (EM) ilkelerini, yöntemlerini ve çeşitli optimizasyon problemlerinde kullanım olanaklarını açıklamaktadır. EM algoritması, büyük miktarda veri ve çok boyutlu fonksiyonlarla çalışabilen verimli bir optimizasyon aracıdır.
Fidan dikimi ve büyütme (SSG) algoritması, çok çeşitli koşullarda hayatta kalmak için olağanüstü yetenek gösteren gezegendeki en dirençli organizmalardan birinden esinlenmiştir.
MQL5 geliştiricilerinin önemli ve değerli araçlarda uzmanlaşması gerekir. Bu araçlardan biri de Strateji Sınayıcıdır. Bu makale, MQL5 Strateji Sınayıcıyı anlamak ve kullanmak için pratik bir kılavuzdur.
Bu makalede, maymun algoritması (MA) optimizasyon algoritmasını ele alacağız. Bu hayvanların zorlu engelleri aşma ve en ulaşılmaz ağaç tepelerine ulaşma yeteneği, MA algoritması fikrinin temelini oluşturmuştur.
Bu makalede, çok dövizli fiyatlamayı simüle etmek için matematiksel bir model oluşturacağız ve bir önceki makalede teorik hesaplamalarla başladığım alım-satım verimliliğini artıracak mekanizma arayışının bir parçası olarak çeşitlendirme ilkesi çalışmasını tamamlayacağız.
Bu makale şu soruyu yanıtlamaya çalışmaktadır: doğru Uzman Danışmanları nasıl seçebiliriz? Portföyümüz için en iyileri hangileri ve Mağazada bulunan geniş alım-satım robotları listesini nasıl filtreleyebiliriz? Bu makale, bir Uzman Danışmanı reddetmek için yirmi net ve güçlü kriter sunacaktır. Her kriter, daha sağlam bir karar vermenize ve kârınız için daha kârlı bir Uzman Danışman koleksiyonu oluşturmanıza yardımcı olmak için sunulacak ve iyi bir şekilde açıklanacaktır.
Bu makalede, yalnızca bir grafiğe eklenerek birden fazla grafikte kullanılabilen evrensel bir MetaTrader robotu oluşturmak için basit bir şablonu inceleyeceğiz, böylece robotun her bir örneğini her bir grafikte yapılandırmaya gerek kalmayacaktır.
Bu makale serisinde, ticaret ve fiyatlandırma süreçlerini tanımlamak için olasılık teorisinin pratik bir uygulamasını bulmaya çalışacağız. İlk makalede, kombinatorik ve olasılığın temellerine bakacağız ve fraktalların olasılık teorisi çerçevesinde nasıl uygulanacağına dair ilk örneği analiz edeceğiz.
Bu makalede, komisyon ve swap dahil olmak üzere herhangi bir işlemin toplam kâr veya zararını nasıl hesaplayacağınızı göstereceğim. En doğru matematiksel modeli sağlayacağım ve onu kodu yazmak ve standartla karşılaştırmak için kullanacağım. Ayrıca, kârı hesaplamak için olan ana MQL5 fonksiyonunun içerisine girmeye ve enstrüman özelliklerindeki gerekli tüm değerlerin özüne inmeye çalışacağım.
Balık sürüsü arama (Fish School Search, FSS) algoritması, %80'e varan çoğunluğu türdeş organize topluluklar halinde yüzen balıkların sürü içerisindeki davranışlarından esinlenen yeni bir optimizasyon algoritmasıdır. Balık kümelerinin, yiyecek arama ve avcılardan korunma verimliliğinde önemli bir rol oynadığı kanıtlanmıştır.
Bu makalede, bir Uzman Danışman satın alırken dikkat etmeniz gereken bazı önemli noktaları ele alacağız. Ayrıca kârı artırmanın, akıllıca para harcamanın ve bu harcamalardan kazanç elde etmenin yollarını arayacağız. Ek olarak, makaleyi okuduktan sonra, basit ve ücretsiz ürünler kullanarak bile kazanç elde etmenin mümkün olduğunu göreceksiniz.
Bu makale, bir önceki makalede belirlenen hedeflere dayalı olarak geliştirilmiş bir brute force versiyonu sunmaktadır. Bu yöntem kullanılarak elde edilen ayarlara sahip Uzman Danışmanlar kullanarak bu konuyu olabildiğince kapsamlı bir şekilde ele almaya çalışacağım. Programın yeni sürümü makaleye eklenmiştir.
Bu makalede, otomatik ticaret için bazı çok ilginç ve faydalı teknikler göstereceğim. Bazıları size tanıdık gelebilir. En ilginç yöntemleri ele almaya çalışacağım ve neden kullanmaya değer olduklarını açıklayacağım. Ayrıca, bu tekniklerin pratikte ne şekilde kullanılabileceklerini göstereceğim. Uzman Danışmanlar oluşturacağız ve geçmiş fiyatlar üzerinde açıklanan tüm teknikleri test edeceğiz.
Bu makale, brute force konusuna bir devam niteliğindedir ve program algoritmasına piyasa analizi için yeni yetenekler getirmekte, böylece analiz hızını artırmakta ve sonuçların kalitesini yükseltmektedir. Yeni eklemeler, bu yaklaşım dahilinde global modellerin en yüksek kalitede görüntülenmesini sağlamaktadır.
Bu makalede brute force yaklaşımı konusuna devam edeceğiz. Uygulamamın yeni geliştirilmiş sürümünü kullanarak modelleri daha iyi bir şekilde vurgulamaya çalışacağım. Ayrıca farklı zaman aralıkları ve zaman dilimleri kullanarak istikrar farkını bulmaya çalışacağım.
Bu makalede, piyasa modellerini arayacağız, belirlenen modellere dayalı Uzman Danışmanlar oluşturacağız ve bu modellerin geçerliliklerini koruyup korumadıklarını, ne kadar süreyle geçerli kaldıklarını kontrol edeceğiz.
İnceleyeceğimiz bir sonraki algoritma, Levy uçuşlarını kullanan guguk kuşu arama optimizasyonudur. Bu, en yeni optimizasyon algoritmalarından biridir ve derecelendirme tablosunda yeni bir liderdir.
Bu makalede en yeni modern optimizasyon algoritmalarından biri olan gri kurt optimizasyonunu ele alacağız. Test fonksiyonları üzerindeki orijinal davranışı, bu algoritmayı daha önce incelenenler arasında en dikkat çekici olanlardan biri haline getirmektedir. Bu, sinir ağlarının, çok değişkenli düzgün fonksiyonların eğitiminde kullanılan en iyi algoritmalardan biridir.
Bu makalede, yapay arı kolonisi algoritmasını inceleyeceğiz ve bilgi birikimimizi fonksiyon uzaylarıyla çalışmanın yeni ilkeleriyle destekleyeceğiz. Ayrıca algoritmanın klasik versiyonuna yorumumuzu katarak değiştirilmiş bir versiyonunu uygulayacağız.
Bu sefer karınca kolonisi optimizasyonu algoritmasını analiz edeceğiz. Bu algoritma çok ilginç ve karmaşıktır. Makalede, yeni bir ACO türü oluşturma girişiminde bulunacağız.
Bu makalede, popüler parçacık sürüsü optimizasyonu (Particle Swarm Optimization, PSO) algoritmasını ele alacağız. Bir önceki makalede, optimizasyon algoritmalarının yakınsama, yakınsama oranı, kararlılık, ölçeklenebilirlik gibi önemli özelliklerini tartıştık, ayrıca bir test ortamı geliştirdik ve en basit RNG algoritmasını inceledik.
Bu makale, optimizasyon algoritması sınıflandırmasına giriş niteliğinde bir makaledir. Makalede, optimizasyon algoritmalarını karşılaştırmaya ve belki de yaygın olarak bilinen algoritmalar arasından en evrensel olanını belirlemeye hizmet edecek bir test ortamı (bir fonksiyon kümesi) oluşturmaya odaklanılmaktadır.
Ticaret stratejilerinin geliştirilmesi, büyük miktarda verinin işlenmesiyle ilişkilidir. Artık doğrudan MQL5'te SQLite tabanlı SQL sorguları kullanarak veritabanlarıyla çalışabilirsiniz. Bu motorun önemli bir avantajı, tüm veritabanının kullanıcının bilgisayarında bulunan tek bir dosyaya yerleştirilmiş olmasıdır.
Bu makale öncelikle dili öğrenmiş, ancak henüz program geliştirme konusunda tam olarak uzmanlaşmamış programcılara yöneliktir. Bazı hata ayıklama tekniklerini açıklar ve yazar ile diğer birçok programcının birleşik tecrübesini sunar.
MQL5 Markette bir alım satım robotu satın almanın diğer tüm benzer seçeneklere göre açık bir avantajı vardır: Sunulan otomatik sistem MetaTrader 5 terminalinde doğrudan kapsamlı bir şekilde test edilebilir. Bir Uzman Danışman, satın alımdan önce, sistemi tam olarak kavramak için yerleşik Strateji Test Cihazındaki tüm olumsuz modlarda dikkatli bir şekilde çalıştırılabilir ve çalıştırılmalıdır.
MetaTrader 5, Uzman Danışmanlar ve MQL5 dilini kullanarak gömülü bir strateji test cihazı içinde otomatik alım satımı simüle etmemizi sağlar. Bu tarz bir simülasyon, Uzman Danışmanların test edilmesi olarak adlandırılır ve çok sayıda aletin yanı sıra çok sayıda aletin kullanıldığı optimizasyon kullanılarak da uygulanabilir. Kapsamlı bir test sağlamak için, mevcut dakika tarihine dayanan bir tik jenerasyonu yapılmalıdır. Bu makalede MetaTrader 5 istemci terminalindeki geçmiş testi için tiklerin oluşturulduğu algoritmanın ayrıntılı bir açıklaması sunulur.
MQL5 programlamasına dair makaleler serisine devam ediyoruz. Bu sefer, Uzman Danışman parametre optimizasyonu sırasında her bir optimizasyon doğru geçişinin sonucunun nasıl elde edileceğini göreceğiz. Uygulama, harici parametrelerde belirtilen koşulların sağlanması durumunda ilgili geçiş değerlerinin bir dosyaya yazılmasını sağlayacak şekilde yapılacaktır. Test değerlerine ek olarak, bu sonuçlara neden olan parametreleri de kaydedeceğiz.
Yakında MQL5 Cloud Network'ün piyasaya sürülmesinden bu yana bir buçuk yıl geçmiş olacak. Bu öncü olay, yeni bir algoritmik alım satım çağını başlattı - şimdi birkaç tıklamayla, yatırımcıların emrinde alım satım stratejilerinin optimizasyonu için yüzlerce ve binlerce bilgi işlem çekirdeği olabilir.
Hangi alım satım stratejisini kullanırsanız kullanın, gelecekteki kârları sağlamak için hangi parametreleri seçeceğinize dair her zaman bir soru olacaktır. Bu makale, aynı anda birçok sembol parametresini optimize etme imkanına sahip bir Uzman Danışman örneği sağlar. Bu yöntemin, aşırı öğrenme parametrelerin etkisini azaltması ve çalışma için tek bir sembolden elde edilen verilerin yeterli olmadığı durumları ele alması amaçlanır.
"MQL5 Tarif Defteri: Özel Bilgi Panelindeki Pozisyon Özellikleri" adlı önceki makalesinden Uzman Danışmanın değiştirilmiş bir versiyonunu sunacağız. Ele alacağımız sorunlardan bazıları, çubuklardan veri alma, mevcut sembol üzerindeki yeni çubuk olaylarını kontrol etme, Standart Kitaplığın bir alım satım sınıfını bir dosyaya ekleme, alım satım sinyallerini aramak için bir fonksiyon ve alım satım işlemlerini yürütmek için bir fonksiyon oluşturmanın yanı sıra OnTrade() fonksiyonundaki alım satım olaylarını belirlemeyi içerir.
"MQL5 Tarif Defteri: MetaTrader 5 Strateji Test Cihazındaki Pozisyon Parametrelerini Analiz Etme" isimli serinin önceki makalesinden Uzman Danışman üzerindeki çalışmamızın devamında, bunu birçok faydalı fonksiyon ile geliştirecek ve mevcut olanları iyileştirip optimize edeceğiz. Uzman Danışman, bu sefer MetaTrader 5 Strateji Test Cihazında optimize edilebilecek harici parametrelere sahip olacak ve bazı yönlerden basit bir alım sistemine benzeyecektir.
Pozisyon özellikleri ile ilgili önceki makalelerde verilen bilgileri kısaca özetlemenin zamanı geldi. Bu makalemizde, işlemler geçmişine erişimin ardından edinilebilecek özellikleri elde etmek için birkaç ek fonksiyon oluşturacağız. Ayrıca pozisyon ve sembol özelliklerine daha rahat erişmemizi sağlayacak veri yapılarını da öğreneceğiz.
