기고글, 라이브러리 코멘트 - 페이지 2

새로운 기고글 모집단 최적화 알고리즘: 반딧불이 알고리즘(FA) 가 게재되었습니다: 이 글에서는 반딧불이 알고리즘(FA) 최적화 방법에 대해 살펴보겠습니다. 수정을 통해 알고리즘은 주변부의 존재에서평점 테이블의 실제 리더가 되었습니다. 반딧불이 알고리즘에는 반딧불이의 실제 깜박임 특성에 기반한 세 가지 규칙이 있습니다. 규칙은 다음과 같습니다: 모든 반딧불이는 더 매력적이고 더 밝은 반딧불이를 향해 움직입니다. 반딧불이의 인력의 정도는 밝기에 비례하며 다른 반딧불이와의 거리가 멀어질수록 감소합니다. 이는 공기가 빛을 흡수하기

새로운 기고글 MQL5에서 ONNX 모델을 사용하는 방법 가 게재되었습니다: ONNX(Open Neural Network Exchange)는 머신 러닝 모델을 나타내기 위해 구축된 개방형 형식입니다. 이 기사에서는 금융 시계열을 예측하기 위해 CNN-LSTM 모델을 만드는 방법에 대해 살펴보겠습니다. 또한 MQL5 Expert Advisor에서 생성된 ONNX 모델을 사용하는 방법도 보여드리겠습니다. 모델을 생성하는 방법에는 두 가지가 있습니다. OnnxCreate를 사용하여 onnx 파일에서 모델을 생성하거나

새로운 기고글 Expert Advisor 개발 기초부터(23부): 새로운 주문 시스템(VI) 가 게재되었습니다: 이제 주문 시스템을 더욱 유연하게 만들어 볼 것입니다. 여기서는 포지션 스톱 레벨을 훨씬 더 빠르게 변경할 수 있도록 코드를 더 유연하게 변경하는 방법을 알아보겠습니다. 아래 동영상을 통해 변경된 내용을 보다 명확하게 파악할 수 있습니다. 이제 주문 시스템의 측면에서 EA를 완전히 완성하려면 몇 가지 세부 사항만 더 추가하면 된다는 것을 알 수 있습니다. 작성자: Daniel Jose

새로운 기고글 모집단 최적화 알고리즘: 물고기 떼 검색(FSS) 가 게재되었습니다: 물고기 떼 검색(FSS)은 대부분의 물고기(최대 80%)가 친척들로 구성된 집단인 물고기 떼에서 물고기의 행동에서 영감을 얻은 새로운 최적화 알고리즘입니다. 물고기의 떼가 먹이 사냥의 효율성과 포식자로부터 보호하는 데 중요한 역할을 한다는 것은 이미 입증된 사실입니다. 물고기들이 같은 속도와 같은 방향으로 동시에 헤엄칠 때 떼는 매우 엄격하게 조직됩니다. 이는 같은 종, 같은 나이, 같은 크기의 물고기가 서로 일정한 거리를 두고 움직이기 때문입니다

새로운 기고글 Expert Adviso 개발 기초부터(22부): 새로운 주문 시스템(V) 가 게재되었습니다: 오늘은 새로운 주문 시스템을 계속 개발할 예정입니다. 새로운 시스템을 구현하는 것은 그리 쉬운 일이 아닙니다. 프로세스를 복잡하게 만드는 문제가 종종 발생하기 때문입니다. 이러한 문제가 나타나면 우리는 개발을 멈추고 우리의 개발 방향에 대해 다시 분석해야 합니다. 아래 비디오는 시스템이 실제로 어떻게 작동하는지 보여 줍니다. 값에 주목하세요. ​차트와 도구 상자에 나오는 값에 주목 하세요. 작성자: Daniel Jose

새로운 기고글 어썸 오실레이터로 트레이딩 시스템 설계하는 방법 알아보기 가 게재되었습니다: 이번 글에서는 트레이딩에 유용하게 사용될 수 있는 새로운 기술 도구에 대해 알아보겠습니다. 그것은 어썸 오실레이터(AO) 지표입니다. 이 지표로 거래 시스템을 설계하는 방법에 대해 알아볼 것입니다. 전략 1: AO 제로 크로스오버 이 전략에 따르면 두 가지 값을 지속적으로 비교하여 강세 또는 약세 신호를 생성할 수 있는 거래 시스템을 만들어야 하며 현재 AO 값과 AO 지표의 제로 레벨을 비교하여 각 값의 위치를 결정하고 시장의 상태를

새로운 기고글 결제 및 결제 수단 가 게재되었습니다: MQL5.커뮤니티 서비스는 트레이더들 뿐만 아니라 MetaTrader 터미널용 어플리케이션을 개발하는 개발자들에게도 최고의 기회를 제공합니다. 이 기사에서는 MQL5 서비스에 대한 결제가 어떻게 수행되는지, 번 돈이 어떻게 인출될 수 있는지, 운영 보안이 어떻게 보장되는지 설명합니다. 반복 결제 에서의 신규 결제 수단을 추가하거나 모든 일회성 작업은 프로필 페이지에서 설정한 핸드폰으로의 문자 메세지나 텔레그램을 통해 확인 코드를 전송하게 합니다. 확인 후 인증 코드를 입력하여

새로운 기고글 Relative Vigor Index로 거래 시스템을 설계하는 방법을 알아보세요 가 게재되었습니다: 가장 인기 있는 기술 지표를 기반으로 거래 시스템을 설계하는 방법에 대한 시리즈의 새로운 기사입니다. 이 글에서는 상대 활력 지수(Relative Vigor Index) 지표를 사용하여 이를 수행하는 방법을 알아봅니다. 전략 1: RVI 교차 - 상승 추세: 이 전략에 따르면 우리는 다음과 같은 값을 지속적으로 확인하여 상승 추세 동안 매수 및 청산 신호를 제공하는 거래 시스템을 만들어야 합니다. 현재 RVI 값 현재

새로운 기고글 MetaTrader VPS 시작하기: 단계별 지침 가 게재되었습니다: 트레이딩 로봇이나 시그널 구독을 사용해 본 사람이라면 누구나 트레이딩 플랫폼에 안정적인 연중무휴 호스팅 서버를 임대해야 한다는 필요성을 알고 있습니다. 저희는 다양한 이유로 메타트레이더 VPS 사용을 권장합니다. MQL5.community 계정을 통해 간단하게 서비스 비용을 결제하고 구독을 관리할 수 있습니다. 작성자: MetaQuotes

새로운 기고글 디마커로 트레이딩 시스템 설계하는 방법 알아보기 가 게재되었습니다: 다음은 가장 인기 있는 보조 지표로 트레이딩 시스템을 설계하는 방법에 대한 시리즈의 새 글입니다. 이 글에서는 디마커 지표로 트레이딩 시스템을 만드는 방법을 소개합니다. 이 전략에 따르면, 두 값을 생성하거나 정의한 후 자동으로 두 값을 확인할 수 있는 거래 시스템을 만들어야 합니다. 이 값은 현재 디마커 값과 최근 5개 디마커 평균 값입니다. 현재 값이 평균보다 크면 트레이딩 시스템에서 차트에 주석으로 다음과 같은 값을 반환해야 합니다: 강한 디마커

새로운 기고글 모집단 최적화 알고리즘: 뻐꾸기 최적화 알고리즘(COA) 가 게재되었습니다: 다음으로 살펴볼 알고리즘은 레비 비행을 사용한 뻐꾸기 검색 최적화입니다. 이는 최신의 최적화 알고리즘 중 하나이며 인기 있는 새로운 알고즘 중 하나입니다. 알은 교체됩니다. 그렇지 않으면 부모의 알이 둥지에 남아있게 됩니다. 실제로는 살아남은 병아리로부터 이어지는 진화가 계속됩니다. 즉 부모 알의 새끼가 살아남았다면 같은 곳에서 진화가 계속된다는 뜻입니다. 추가 개발은 뻐꾸기 알이 더 살아갈 수 있는 것으로 판명되고 문제 해결을 위한 검색이

새로운 기고글 모집단 최적화 알고리즘: 회색 늑대 옵티마이저(GWO) 가 게재되었습니다: 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. 그림 3. 알파, 베타 및 델타와 관련된 오메가의 이동 다이어그램 GWO 알고리즘의 의사 코드는 다음과 같습니다: 1) 회색 늑대 개체

새로운 기고글 VIDYA으로 트레이딩 시스템 설계하는 방법 알아보기 가 게재되었습니다: 가장 인기 있는 보조지표로 트레이딩 시스템을 설계하는 방법을 알아보는 이 시리즈의 새로운 글에 오신 것을 환영합니다. 이번 글에서는 새로운 보조지표 도구에 대해 알아보고 가변 지수 동적 평균(VIDYA)으로 트레이딩 시스템을 설계하는 방법을 배워보겠습니다. 이 주제에서는 살펴본 각 전략을 수행하는 트레이딩 시스템을 원활하게 구축하는 데 도움이 되는 단계별 청사진을 설계해 보겠습니다. 전략 1: VIDYA 트렌드 식별자 이 전략에 따르면 우리는

새로운 기고글 불스 파워로 트레이딩 시스템 설계 하는 방법 알아보기 가 게재되었습니다: 이번 글은 가장 인기 있는 보조지표로 트레이딩 시스템을 설계하는 방법을 알아보는 시리즈의 새로운 글입니다. 이번에는 불스 파워 보조지표로 트레이딩 시스템을 설계하는 방법에 대해 알아봅니다. 전략 1: 불스 파워 운동 우리는 컴퓨터가 매 틱마다 두 개의 값을 확인하도록 해야 하는데 이 값은 현재 불스 파워와 이전 불스 파워를 확실히 생성한 후에 확인해야 합니다. 모든 것의 위치를 파악하려면 이들 값을 확인하는 프로그램이 필요합니다. 현재 상승세가

새로운 기고글 Expert Advisor 개발 기초부터(21부): 새로운 주문 시스템(IV) 가 게재되었습니다: 이제 비록 완성되지는 않았지만 시각적 시스템이 작동하기 시작합니다. 여기서 이제 우리는 주요 변경 사항을 다 적용할 것입니다. 꽤 많은 항목이 있지만 모두 필요한 항목입니다. 아마도 전체 작업이 꽤 흥미로울 것입니다. 다음 동영상은 현재 시스템이 어떻게 작동하는지 보여줍니다. 글에서 다루지 않은 사소한 변경 사항도 몇 가지 있었습니다. 작성자: Daniel Jose

새로운 기고글 Expert Advisor 개발 기초부터(20부): 새로운 주문 시스템 (III) 가 게재되었습니다: 새로운 주문 시스템을 계속 만들어 보겠습니다. 이러한 시스템을 만들려면 MetaTrader 5 플랫폼이 실제로 어떻게 작동하고 어떤 자원을 제공하는지 이해해야 할 뿐만 아니라 MQL5를 잘 다룰 수 있어야 합니다. 시스템이 완성되어 주문이 차트에 완전히 표시되기 까지는 꽤 많은 시간이 남아 있습니다. 하지만 이제는 한 번에 모두 끝내야 합니다. 코드의 다른 부분에서 매우 중요한 변경을 수행할 것입니다. 변경 사항이

새로운 기고글 모집단 최적화 알고리즘: 인공 꿀벌 군집(ABC) 가 게재되었습니다: 이 글에서는 인공 꿀벌 군집의 알고리즘을 연구하고 기능적 공간을 연구하는 새로운 원칙을 더해 우리의 지식을 보완할 것입니다. 이 글에서는 고전적인 버전의 알고리즘에 대한 저의 해석을 보여드리겠습니다. 인공 꿀벌 군집은 벌집에서 벌을 관리하는 원칙과 지역 탐사의 규칙 등에서 서로 다른 여러 가지가 있습니다. 이 글에서는 고전적인 버전의 알고리즘에 대한 저의 해석에 대해 다루어 보겠습니다. 알고리즘의 아이디어는 꿀벌이 꿀을 최대한 많이 얻을 수 있는

새로운 기고글 모집단 최적화 알고리즘: 개미 군집 최적화(ACO) 가 게재되었습니다: 이번에는 개미 군집 최적화 알고리즘을 분석해 보겠습니다. 이 알고리즘은 매우 흥미롭고 복잡합니다. 이 글에서는 새로운 유형의 ACO를 만들기 위한 시도를 할 것입니다. ACO 알고리즘은 일종의 군집 지능 알고리즘입니다. 개미 군집의 먹이 찾기 과정을 모델링하여 개미 군집의 내부의 데이터 전송 메커니즘을 사용해 다양한 환경에서 최단 경로를 설정합니다. 경로에 남아 있는 페로몬의 농도가 높을수록 개미가 이 경로를 선택할 확률이 높아집니다. 동시에

새로운 기고글 베어스 파워 보조 지표로 트레이딩 시스템을 설계하는 방법 알아보기 가 게재되었습니다: 이번 글은 가장 인기 있는 보조지표로 트레이딩 시스템을 설계하는 방법을 알아보는 시리즈의 새로운 글입니다. 이번에는 베어스 파워 보조지표로 트레이딩 시스템을 설계하는 방법을 알아봅니다. 먼저 단계를 구성하기 위해서 우리는 프로그램이 무엇을 해야 하는지 확실히 해야 합니다. 컴퓨터는 매 틱마다 두 개의 값을 확인해야 하며 이 값은 현재 베어스 파워와 이전 베어스 파워입니다. 프로그램은 이 값들을 확인하고 어느 것이 더 큰지를 결정해야

새로운 기고글 포스 인덱스 지표로 트레이딩 시스템을 설계하는 방법 알아보기 가 게재되었습니다: 가장 인기 있는 보조지표로 트레이딩 시스템을 설계하는 방법을 소개하는 시리즈의 새로운 글에 오신 것을 환영합니다. 이 글에서는 새로운 기술 지표와 포스 인덱스 지표를 사용하여 트레이딩 시스템을 만드는 방법에 대해 알아보겠습니다. 이번 주제에서는 트레이딩 시스템을 만드는 데 도움이 되는 단계별 청사진을 설계해 보겠습니다. 제 생각에는 이 단계는 아이디어를 정리하여 목표를 완성하고 거래 시스템을 만드는 것을 좀더 쉽게 해주는데 도움이 되기

새로운 기고글 Expert Advisor 개발 기초부터(19부): 새로운 주문 시스템(II) 가 게재되었습니다: 이 글에서는 "무슨 일이 일어나는지를 보여주는" 그래픽 주문 시스템을 개발할 것입니다. 이번에는 처음부터 다시 시작하는 것이 아니라 거래하는 자산의 차트에 더 많은 객체와 이벤트를 추가하여 기존 시스템을 수정할 예정입니다. 만약 이것이 구현되기가 쉽지 않다고 생각되면 C_HLineTrade 클래스의 다음과 같은 코드 부분을 살펴보시기 바랍니다: inline void SetLineOrder( ulong ticket

새로운 기고글 Expert Advisor 개발 기초부터(18부): 새로운 주문 시스템(I) 가 게재되었습니다: 이것이 새로운 주문 시스템의 첫 번째 부분입니다. 기사를 통해 EA를 문서화하기 시작한 이후 우리는 차트 주문 시스템 모델을 그대로 유지하면서 다양한 변경 및 개선을 추가했습니다. 동영상은 위에서 설명한 모든 내용을 명확하게 보여줍니다. 보시다시피 이 시스템은 사용하기에 매우 흥미롭습니다. 작성자: Daniel Jose

새로운 기고글 모집단 최적화 알고리즘: 파티클 스웜(PSO) 가 게재되었습니다: 이 글에서는 널리 사용되는 파티클 스웜 최적화(PSO) 알고리즘에 대해 살펴보겠습니다. 이전에는 수렴, 수렴 속도, 안정성, 확장성과 같은 최적화 알고리즘의 중요한 특성에 대해 알아보고 테스트 스탠드를 개발했으며 가장 간단한 RNG 알고리즘에 대해 알아보았습니다. 그림 2에 설명 된 시리즈의 첫 번째 기사에서와 동일한 구조를 사용하여 알고리즘을 구성할 것이기 때문에 (앞으로도 계속이 작업을 수행 할 것입니다) 알고리즘을 테스트 스탠드에 연결하는 것이

새로운 기고글 인구 최적화 알고리즘 가 게재되었습니다: 이 글은 최적화 알고리즘(OA) 분류에 관한 소개 글입니다. 이 글에서는 OA를 비교하고 널리 알려진 알고리즘 중에서 가장 보편적인 알고리즘을 알아보는 데 사용할 테스트 스탠드(함수 집합)를 만들려고 합니다. 분류 AO 트레이딩 시스템을 최적화할 때 가장 흥미로운 것은 메타 휴리스틱 최적화 알고리즘입니다. 이 알고리즘은 최적화되는 함수의 공식에 대한 지식이 필요하지 않습니다. 글로벌 최적에 대한 수렴은 입증되지 않았지만 대부분의 경우 상당히 좋은 솔루션을 제공하며 이는 여러

새로운 기고글 차이킨 오실레이터로 트레이딩 시스템을 설계하는 방법 알아보기 가 게재되었습니다: 가장 인기 있는 보조지표로 트레이딩 시스템을 설계하는 방법을 소개하는 시리즈의 새로운 글에 오신 것을 환영합니다. 이 새로운 기사를 통해 우리는 차이킨 오실레이터 지표로 거래 시스템을 설계하는 방법을 배웁니다. 이번 주제에서는 살펴본 모든 전략에 대한 트레이딩 시스템을 만드는 데 도움이 되는 각 단계별 청사진을 설계할 것이며 이 단계는 목표를 달성하기 위해 아이디어를 정리하는 것이므로 매우 중요합니다. 그럼 이제 그 작업을 시작하겠습니다

새로운 기고글 표준 편차로 거래 시스템을 설계하는 방법 알아보기 가 게재되었습니다: 이 기사는 MetaTrader 5 거래 플랫폼에서 가장 인기 있는 기술 지표를 사용하여 거래 시스템을 설계하는 방법에 대해 알아보는 시리즈의 새로운 기사입니다. 이번 기사에서는 표준 편차 지표로 거래 시스템을 설계하는 방법에 대해 알아봅니다. 전략 1: 단순 표준 편차 - 변동성: 이 전략에 따르면 우리는 두 값을 확인하고 지속적으로 비교하는 거래 시스템이 필요합니다. 이 두 값은 이전 5개 값의 현재 표준 편차 및 표준 편차 평균입니다. 그 후

새로운 기고글 Expert Advisor 개발 기초부터(17부): 웹에서 데이터 액세스하기(III) 가 게재되었습니다: 이 문서에서는 웹에서 데이터를 가져와 Expert Advisor에서 사용하는 방법에 대해 계속 살펴봅니다. 이번에는 대체 시스템 개발에 대해 알아볼 것입니다. 강조 표시된 줄도 중요합니다. 서비스가 더 이상 실행되고 있지 않음을 알려주는 알림이 표시됩니다. 따라서 이 시스템을 실행하면 다음과 같은 결과를 얻을 수 있습니다: 작성자: Daniel Jose

새로운 기고글 트레이딩 Expert Advisor를 처음부터 개발하기(16부): 웹에서 데이터 액세스하기(II) 가 게재되었습니다: 웹에서 Expert Advisor에 데이터를 입력하는 방법은 그리 당연하지 않습니다. MetaTrader 5가 제공하는 모든 가능성을 이해하지 않고는 그렇게 쉬운 일이 아닙니다. 이를 이해하려면 다음 동영상을 시청하면서 모든 세부 사항에 주의를 기울이세요. 모든 것이 잘 작동합니다. 예상대로입니다. 왜냐하면 이러한 종류의 솔루션은 클라이언트-서버 프로그램을 개발할 때 프로그래밍에서 널리 사용되기

새로운 기고글 데이터 과학 및 머신 러닝(파트 06): 경사 하강법(Gradient Descent) 가 게재되었습니다: 경사 하강법은 신경망과 여러가지 머신러닝 알고리즘을 훈련하는 데 중요한 역할을 합니다. 경사 하강법은 인상적인 작업을 하면서도 빠르고 지능적인 알고리즘입니다. 많은 데이터 과학자들이 잘못 알고 있기도 한데 경사 하강법이 무엇인지 살펴보겠습니다. 기본적으로 경사 하강법은 함수의 최소값을 찾는 데 사용되는 최적화 알고리즘입니다: 경사 하강법은 데이터 세트에 대해 가장 적합한 모델의 매개변수를 찾는 데 도움이 되므로

새로운 기고글 CCI 지표. 업그레이드 및 새로운 기능 가 게재되었습니다: 이 기사에서는 CCI 지표를 업그레이드 하는 가능성에 대해 알아봅니다. 또한 저는 지표의 수정을 제시할 것입니다. 그러나 그 차이가 상당히 눈에 띄는 영역도 있습니다. 지표 비교를 위한 간단한 Expert Advisor 시각적 비교는 주관적이며 잘못된 결론으로 이어질 수 있습니다. 결론을 내리기 위해서는 더 신뢰할 수 있는 근거가 필요합니다. 모든 지표 버전을 평가하기 위해 간단한 Expert Advisor를 작성해 보겠습니다. 포지션에 진입하고 청산하는 데