![Optimierungsmanagement (Teil I): Erstellen einer GUI](https://c.mql5.com/2/36/mql5-avatar-opt_control.png)
![Optimierungsmanagement (Teil I): Erstellen einer GUI](https://c.mql5.com/i/articles/overlay.png)
Optimierungsmanagement (Teil I): Erstellen einer GUI
Dieser Artikel beschreibt den Prozess der Erstellung einer Erweiterung für das MetaTrader-Terminal. Die vorgestellte Lösung hilft, den Optimierungsprozess zu automatisieren, indem Optimierungen in anderen Terminals durchgeführt werden. Es werden noch einige weitere Artikel zu diesem Thema geschrieben. Die Erweiterung wurde unter Verwendung der Sprache C# und der Designmuster entwickelt, was zusätzlich die Fähigkeit demonstriert, die Terminalfunktionen durch die Entwicklung benutzerdefinierter Module zu erweitern, sowie die Fähigkeit, benutzerdefinierte grafische Benutzeroberflächen mit der Funktionsvielfalt einer bevorzugten Programmiersprache zu erstellen.
![Beurteilung der Fähigkeit des Fraktalindex und des Hurst-Exponenten, finanzielle Zeitreihen vorherzusagen.](https://c.mql5.com/2/36/fraktal1.png)
![Beurteilung der Fähigkeit des Fraktalindex und des Hurst-Exponenten, finanzielle Zeitreihen vorherzusagen.](https://c.mql5.com/i/articles/overlay.png)
Beurteilung der Fähigkeit des Fraktalindex und des Hurst-Exponenten, finanzielle Zeitreihen vorherzusagen.
Studien, die sich auf die Suche nach dem fraktalen Verhalten von Finanzdaten beziehen, deuten darauf hin, dass hinter dem scheinbar chaotischen Verhalten von ökonomischen Zeitreihen verborgene stabile Mechanismen des kollektiven Verhaltens der Teilnehmer stehen. Diese Mechanismen können zur Entstehung einer Preisdynamik an der Börse führen, die spezifische Eigenschaften von Preisreihen definieren und beschreiben kann. Im Handel könnte man von den Indikatoren profitieren, die effizient und zuverlässig die in der Praxis relevanten fraktalen Parameter in Umfang und Zeitrahmen schätzen können.
![Die Entwicklung von grafischen Oberflächen auf Basis von .Net Framework und C# (Teil 2): Weitere grafische Elemente](https://c.mql5.com/2/36/icon.png)
![Die Entwicklung von grafischen Oberflächen auf Basis von .Net Framework und C# (Teil 2): Weitere grafische Elemente](https://c.mql5.com/i/articles/overlay.png)
Die Entwicklung von grafischen Oberflächen auf Basis von .Net Framework und C# (Teil 2): Weitere grafische Elemente
Der Artikel ist eine Fortsetzung der vorherigen Veröffentlichung "Die Entwicklung von grafischen Oberflächen für Expert Advisors und Indikatoren auf Basis von .Net Framework und C#". Es werden neue grafische Elemente zur Erstellung von grafischen Oberflächen eingeführt.
![Eine DLL für MQL5 in 10 Minuten (Teil II): Erstellen mit Visual Studio 201](https://c.mql5.com/2/35/logo__2.png)
![Eine DLL für MQL5 in 10 Minuten (Teil II): Erstellen mit Visual Studio 201](https://c.mql5.com/i/articles/overlay.png)
Eine DLL für MQL5 in 10 Minuten (Teil II): Erstellen mit Visual Studio 201
Der ursprüngliche Basisartikel hat seine Relevanz nicht verloren. Daher, wenn Sie an diesem Thema interessiert sind, sollten Sie unbedingt den ersten Artikel lesen. Es ist viel Zeit seitdem vergangen, und Visual Studio 2017 verfügt mittlerweile über eine aktualisierte Oberfläche. Auch der MetaTrader 5 hat neue Funktionen erhalten. Der Artikel enthält eine Beschreibung der Phasen der DLL-Projektentwicklung sowie das Einrichten und Interagieren mit dem MetaTrader 5.
![Untersuchung von Techniken zur Analyse der Kerzen (Teil IV): Aktualisierungen und Ergänzungen des Pattern Analyzers](https://c.mql5.com/2/35/Logo__3.png)
![Untersuchung von Techniken zur Analyse der Kerzen (Teil IV): Aktualisierungen und Ergänzungen des Pattern Analyzers](https://c.mql5.com/i/articles/overlay.png)
Untersuchung von Techniken zur Analyse der Kerzen (Teil IV): Aktualisierungen und Ergänzungen des Pattern Analyzers
Der Artikel stellt eine neue Version des Pattern Analyzers vor. Diese Version enthält Bugfixes und neue Funktionen sowie eine überarbeitete Benutzeroberfläche. Kommentare und Anregungen aus dem vorherigen Artikel wurden bei der Entwicklung der neuen Version berücksichtigt. Die resultierende Anwendung wird in diesem Artikel beschrieben.
![Die rechnerische Fähigkeiten von MATLAB 2018 im MetaTrader 5 nutzen](https://c.mql5.com/2/35/ext_infin2.png)
![Die rechnerische Fähigkeiten von MATLAB 2018 im MetaTrader 5 nutzen](https://c.mql5.com/i/articles/overlay.png)
Die rechnerische Fähigkeiten von MATLAB 2018 im MetaTrader 5 nutzen
Nach dem Upgrade des MATLAB-Pakets im Jahr 2015 ist es notwendig, auf eine moderne Art der Erstellung von DLL-Bibliotheken umzustellen. Der Artikel veranschaulicht anhand eines exemplarischen prädiktiven Indikators die Besonderheiten der Verknüpfung von MetaTrader 5 und MATLAB mit modernen 64-Bit-Versionen der Plattformen, die heute genutzt werden. Mit der gesamten Verbindungssequenz von MATLAB können MQL5-Entwickler Anwendungen mit erweiterten Rechenfunktionen viel schneller erstellen und so "Fallstricke" vermeiden.
![Integration von MetaTrader 5 und Python: Daten senden und empfangen](https://c.mql5.com/2/35/mt5-3002__1.png)
![Integration von MetaTrader 5 und Python: Daten senden und empfangen](https://c.mql5.com/i/articles/overlay.png)
Integration von MetaTrader 5 und Python: Daten senden und empfangen
Eine umfassende Datenverarbeitung erfordert umfangreiche Werkzeuge und geht oft über den Sandkasten (Sandbox) einer einzigen Anwendung hinaus. Für die Verarbeitung und Analyse von Daten, Statistiken und maschinellem Lernen werden spezielle Programmiersprachen verwendet. Eine der führenden Programmiersprachen für die Datenverarbeitung ist Python. Der Artikel enthält eine Beschreibung, wie man MetaTrader 5 und Python über Sockets verbindet und wie man Kurse über die Terminal-API erhält.
![Extrahieren von strukturierten Daten aus HTML-Seiten mit Hilfe von CSS-Selektoren](https://c.mql5.com/2/35/MQL5-CSS_selectors.png)
![Extrahieren von strukturierten Daten aus HTML-Seiten mit Hilfe von CSS-Selektoren](https://c.mql5.com/i/articles/overlay.png)
Extrahieren von strukturierten Daten aus HTML-Seiten mit Hilfe von CSS-Selektoren
Der Artikel beschreibt eine universelle Methode zur Analyse und Konvertierung von Daten aus HTML-Dokumenten auf Basis von CSS-Selektoren. Handelsberichte, Testerberichte, Ihren bevorzugten Wirtschaftskalender, öffentliche Signale, Kontoüberwachung und zusätzliche Online-Kursquellen werden direkt mit MQL verfügbar gemacht.
![MQL-Parsing mit Hilfe von MQL](https://c.mql5.com/2/35/MQL5-avatar-analysis.png)
![MQL-Parsing mit Hilfe von MQL](https://c.mql5.com/i/articles/overlay.png)
MQL-Parsing mit Hilfe von MQL
Der Artikel beschreibt einen Präprozessor, einen Scanner und einen Parser, die beim Parsen der MQL-basierten Quellcodes verwendet werden sollten. Die MQL-Implementierung ist beigefügt.
![Die Entwicklung von grafischen Oberflächen für Expert Advisors und Indikatoren auf Basis von .Net Framework und C#](https://c.mql5.com/2/35/icon__3.png)
![Die Entwicklung von grafischen Oberflächen für Expert Advisors und Indikatoren auf Basis von .Net Framework und C#](https://c.mql5.com/i/articles/overlay.png)
Die Entwicklung von grafischen Oberflächen für Expert Advisors und Indikatoren auf Basis von .Net Framework und C#
Der Artikel stellt eine einfache und schnelle Methode zur Erstellung von grafischen Fenstern mit Visual Studio mit anschließender Integration in den MQL-Code des Expert Advisors vor. Der Artikel richtet sich an ein nicht spezialisiertes Publikum und erfordert keine Kenntnisse der Technologie von C# oder .Net.
![Wie man nutzerdefinierte MOEX-Symbole in MetaTrader 5 erstellt und testet](https://c.mql5.com/2/35/CustSymbols_MOEX.png)
![Wie man nutzerdefinierte MOEX-Symbole in MetaTrader 5 erstellt und testet](https://c.mql5.com/i/articles/overlay.png)
Wie man nutzerdefinierte MOEX-Symbole in MetaTrader 5 erstellt und testet
Der Artikel beschreibt die Erstellung eines nutzerdefinierten Symbols einer Börse mit der Sprache MQL5. Insbesondere wird die Verwendung von Börsenkursen von der beliebten Finam-Website in Betracht gezogen. Eine weitere in diesem Artikel betrachtete Option ist die Möglichkeit, mit einem beliebigen Format von Textdateien zu arbeiten, die bei der Erstellung des nutzerdefinierten Symbols verwendet werden. Dies ermöglicht die Arbeit mit beliebigen Finanzsymbolen und Datenquellen. Nachdem wir ein benutzerdefiniertes Symbol erstellt haben, können wir alle Funktionen des Strategy Tester des MetaTrader 5 nutzen, um Handelsalgorithmen für Börseninstrumente zu testen.
![Verwenden von OpenCL, um Kerzenmuster zu testen](https://c.mql5.com/2/34/OpenCL_for_candle_patterns.png)
![Verwenden von OpenCL, um Kerzenmuster zu testen](https://c.mql5.com/i/articles/overlay.png)
Verwenden von OpenCL, um Kerzenmuster zu testen
Der Artikel beschreibt den Algorithmus, um die Kerzenmuster von OpenCL für den Tester im Modus "1 Minute OHLC" zu implementieren. Wir werden auch die Geschwindigkeiten des integrierten Strategietesters, gestartet in schnellen und langsamen Modi, vergleichen.
![Tiefe Neuronale Netzwerke (Teil VIII). Erhöhung der Klassifizierungsqualität von Ensembles mit Bagging](https://c.mql5.com/2/48/Deep_Neural_Networks_08.png)
![Tiefe Neuronale Netzwerke (Teil VIII). Erhöhung der Klassifizierungsqualität von Ensembles mit Bagging](https://c.mql5.com/i/articles/overlay.png)
Tiefe Neuronale Netzwerke (Teil VIII). Erhöhung der Klassifizierungsqualität von Ensembles mit Bagging
Der Artikel betrachtet drei Methoden, die zur Erhöhung der Klassifizierungsqualität von Ensembles mit Bagging eingesetzt werden können, und schätzt deren Effizienz. Die Auswirkungen der Optimierung der Hyperparameter des neuronalen ELM-Netzwerkes und der Nachbearbeitungsparameter werden bewertet.
![Entwicklung von Bestandsindikatoren mit Volumensteuerung am Beispiel des Delta-Indikators](https://c.mql5.com/2/33/StockVolumeIndicators.png)
![Entwicklung von Bestandsindikatoren mit Volumensteuerung am Beispiel des Delta-Indikators](https://c.mql5.com/i/articles/overlay.png)
Entwicklung von Bestandsindikatoren mit Volumensteuerung am Beispiel des Delta-Indikators
Der Artikel beschäftigt sich mit dem Algorithmus der Entwicklung von Bestandsindikatoren auf Basis von realen Volumina mit den Funktionen CopyTicks() und CopyTicksRange(). Einige subtile Aspekte der Entwicklung solcher Indikatoren sowie deren Betrieb in Echtzeit und im Strategietester werden ebenfalls beschrieben.
![950 Webseiten offerieren den Wirtschaftskalender von MetaQuotes](https://c.mql5.com/2/34/calendar_icon.png)
![950 Webseiten offerieren den Wirtschaftskalender von MetaQuotes](https://c.mql5.com/i/articles/overlay.png)
950 Webseiten offerieren den Wirtschaftskalender von MetaQuotes
Mit dem Kalender bieten Webseiten einen detaillierten Zeitplan der Veröffentlichung von 500 Indikatoren und Indizes der größten Volkswirtschaften der Welt. So erhalten Händler schnell die aktuellen Informationen über alle wichtigen Ereignisse mit Erklärungen und Grafiken, zusätzlich zu den wichtigsten Inhalten der jeweiligen Webseite.
![Integration von MQL-basierten Expert Advisors und Datenbanken (SQL Server, .NET und C#)](https://c.mql5.com/2/25/ForArticle.png)
![Integration von MQL-basierten Expert Advisors und Datenbanken (SQL Server, .NET und C#)](https://c.mql5.com/i/articles/overlay.png)
Integration von MQL-basierten Expert Advisors und Datenbanken (SQL Server, .NET und C#)
Der Artikel beschreibt die Möglichkeit, wie ein MQL5-basierter Expert Advisors mit dem Datenbankserver Microsoft SQL Server arbeiten kann. Es wird der Import von Funktionen aus einer DLL-Datei verwendet. Die DLL wird mit der Microsoft.NET-Plattform in der Sprache C# erstellt. Die im Artikel verwendeten Methoden eignen sich, mit kleinen Anpassungen, auch für Experten, die in MQL4 geschrieben sind.
![Tiefe Neuronale Netzwerke (Teil VII). Ensembles von Neuronalen Netzen: Stacking](https://c.mql5.com/2/48/Deep_Neural_Networks_07.png)
![Tiefe Neuronale Netzwerke (Teil VII). Ensembles von Neuronalen Netzen: Stacking](https://c.mql5.com/i/articles/overlay.png)
Tiefe Neuronale Netzwerke (Teil VII). Ensembles von Neuronalen Netzen: Stacking
Wir erstellen weitere Ensembles. Diesmal wird das zuvor mittels Bagging geschaffene Ensemble durch einen trainierbaren Kombinator (Combiner) - ein tiefes neuronales Netzwerk - ergänzt. Ein neuronales Netz kombiniert die 7 besten Ensemble-Ergebnisse nach der Bereinigung (pruning). Der zweite nimmt alle 500 Ausgänge des Ensembles als Input, bereinigt sie und kombiniert sie neu. Die neuronalen Netze werden mit dem keras/TensorFlow-Paket für Python aufgebaut. Die Eigenschaften des Pakets werden kurz erläutert. Es werden Tests durchgeführt und die Klassifizierungsqualität der Ensembles mit Bagging und Stacking verglichen.
![So formulieren Sie das Pflichtenheft eines Auftrages für einen Handelsroboter](https://c.mql5.com/2/32/HowCreateExpertSpecification.png)
![So formulieren Sie das Pflichtenheft eines Auftrages für einen Handelsroboter](https://c.mql5.com/i/articles/overlay.png)
So formulieren Sie das Pflichtenheft eines Auftrages für einen Handelsroboter
Handeln Sie nach Ihrer eigenen Strategie? Wenn Sie Ihre Handelsregeln formalisieren und als Algorithmus für ein Programm beschreiben können, wäre es doch besser, Ihren Handel einem automatisierten Expert Advisor anzuvertrauen. Ein Roboter braucht weder Schlaf noch Nahrung und ist keinen menschlichen Schwächen unterworfen. In diesem Artikel zeigen wir Ihnen, wie Sie, um einen Handelsroboter im Freelance-Service in Auftrag zu geben, das sogenannte Pflichtenheft erstellen.
![Tiefe Neuronale Netzwerke (Teil VI). Gruppen von Klassifikatoren von Neuronalen Netzen: Bagging](https://c.mql5.com/2/48/Deep_Neural_Networks_06.png)
![Tiefe Neuronale Netzwerke (Teil VI). Gruppen von Klassifikatoren von Neuronalen Netzen: Bagging](https://c.mql5.com/i/articles/overlay.png)
Tiefe Neuronale Netzwerke (Teil VI). Gruppen von Klassifikatoren von Neuronalen Netzen: Bagging
Der Artikel beschreibt die Methoden des Aufbaus und Trainings von Gruppen von Neuronalen Netzen mit einer Struktur für das Bagging, einer Methode, um Vorhersagen aus verschiedenen Regressions- oder Klassifikationsmodellen zu kombinieren. Es bestimmt auch die Besonderheiten der Hyperparameter-Optimierung für einzelne Neuronale Netzwerk-Klassifikatoren, aus denen sich das Ensemble zusammensetzt. Die Qualität des optimierten Neuronalen Netzes, das im vorherigen Artikel der Serie erhalten wurde, wird mit der Qualität des erzeugten Ensembles Neuronaler Netze verglichen. Möglichkeiten, die Qualität der Klassifizierung des Ensembles weiter zu verbessern, werden geprüft.
![ZUP - Universeller ZigZag mit Pesavento-Mustern. Suche nach Mustern](https://c.mql5.com/2/31/MQL5_ZUP.png)
![ZUP - Universeller ZigZag mit Pesavento-Mustern. Suche nach Mustern](https://c.mql5.com/i/articles/overlay.png)
ZUP - Universeller ZigZag mit Pesavento-Mustern. Suche nach Mustern
Die Indikator-Plattform ZUP erlaubt es, nach einer Vielzahl bekannter Muster zu suchen, deren Parameter bereits festgelegt wurden. Man kann solche Parameter auch an eigene Anforderungen anpassen. Darüber hinaus gibt es die Möglichkeit, neue Muster mithilfe des grafischen Interfaces des ZUP-Indikators zu erstellen und deren Parameter in einer Datei zu speichern. Danach kann man schnell überprüfen, ob neue Muster in den Charts entstehen.
![Tiefe neuronale Netzwerke (Teil V). Bayes'sche Optimierung von DNN-Hyperparametern](https://c.mql5.com/2/48/Deep_Neural_Networks_05.png)
![Tiefe neuronale Netzwerke (Teil V). Bayes'sche Optimierung von DNN-Hyperparametern](https://c.mql5.com/i/articles/overlay.png)
Tiefe neuronale Netzwerke (Teil V). Bayes'sche Optimierung von DNN-Hyperparametern
Der Artikel beschäftigt sich mit der Möglichkeit, die Bayes'sche Optimierung auf Hyperparameter von tiefen neuronalen Netzen anzuwenden, die durch verschiedene Trainingsvarianten gewonnen werden. Die Klassifikationsqualität eines DNN mit den optimalen Hyperparametern in verschiedenen Trainingsvarianten wird verglichen. Die Tiefe der Effektivität der optimalen DNN-Hyperparameter wurde in Vorwärtstests überprüft. Die möglichen Richtungen zur Verbesserung der Klassifizierungsqualität wurden festgelegt.
![Geschwindigkeitsvergleich von sich selbst speichernden Indikatoren](https://c.mql5.com/2/31/ioba2pczxv_grzmti38_0ew8fnzw9enkgmrv_6f1dur6dvwg.png)
![Geschwindigkeitsvergleich von sich selbst speichernden Indikatoren](https://c.mql5.com/i/articles/overlay.png)
Geschwindigkeitsvergleich von sich selbst speichernden Indikatoren
Der Artikel vergleicht den klassischen MQL5-Zugriff auf Indikatoren mit alternativen MQL4-Methoden. Mehrere Varianten des Zugriffs auf Indikatoren im MQL4-Stil werden berücksichtigt: mit und ohne Speicherung (caching) der Handles der Indikatoren. Die Handles auf die Indikatoren innerhalb des MQL5-Kerns werden ebenfalls analysiert.
![Wie erstellt man ein grafisches Panel beliebiger Komplexität?](https://c.mql5.com/2/68/graphic-panel_600x314.jpg)
Wie erstellt man ein grafisches Panel beliebiger Komplexität?
Der Artikel beschreibt ausführlich, wie ein Panel auf der Basis der CAppDialog-Klasse erstellt wird und wie ihm Steuerelemente hinzufügt werden können. Sie liefert die Beschreibung der Panelstruktur und ein Schema, das die Vererbung von Objekten zeigt. Der Artikel zeigt auch, wie Ereignisse behandelt werden und wie sie an abhängige Steuerelemente übergeben werden. Weitere Beispiele zeigen, wie die Parameter des Panels wie Größe und Hintergrundfarbe bearbeitet werden können.
![Erstellen eines eigenen Newsfeeds für MetaTrader 5](https://c.mql5.com/2/30/Creating_a_Custom_news_feed.png)
![Erstellen eines eigenen Newsfeeds für MetaTrader 5](https://c.mql5.com/i/articles/overlay.png)
Erstellen eines eigenen Newsfeeds für MetaTrader 5
In diesem Artikel untersuchen wir die Möglichkeit, einen flexiblen Newsfeed zu erstellen, der mehr Optionen in Bezug auf die Art der Nachrichten und auch deren Quelle bietet. Der Artikel zeigt, wie eine Web-API in das MetaTrader 5 Terminal integriert werden kann.
![Kontrollierte Optimierung: Simuliertes Abkühlen](https://c.mql5.com/2/31/icon__1.png)
![Kontrollierte Optimierung: Simuliertes Abkühlen](https://c.mql5.com/i/articles/overlay.png)
Kontrollierte Optimierung: Simuliertes Abkühlen
Der Strategy Tester in der Handelsplattform MetaTrader 5 bietet nur zwei Optimierungsoptionen: Die vollständige Suche nach Parametern oder den genetischen Algorithmus. Dieser Artikel schlägt eine neue Methode zur Optimierung von Handelsstrategien vor — Simuliertes Abkühlen (simulated annealing). Dabei werden der Algorithmus der Methode, ihre Implementierung und die Integration in jeden Expert Advisor besprochen. Der entwickelte Algorithmus wird mit dem Moving Average EA getestet.
![LifeHack für Händler: ForEach mit #define zubereiten](https://c.mql5.com/2/31/ForEachwdefine.png)
![LifeHack für Händler: ForEach mit #define zubereiten](https://c.mql5.com/i/articles/overlay.png)
LifeHack für Händler: ForEach mit #define zubereiten
Eine Zwischenstufe für diejenigen, die immer noch in MQL4 schreiben und nicht auf MQL5 umsteigen können. Wir suchen weiter nach den Möglichkeiten, Codes im MQL4-Stil zu schreiben. Diesmal betrachten wir die Makrosubstitution des Präprozessors #define.
![LifeHack für Händler: Fast-Food aus Indikatoren](https://c.mql5.com/2/30/LifeHack_MQL4.png)
![LifeHack für Händler: Fast-Food aus Indikatoren](https://c.mql5.com/i/articles/overlay.png)
LifeHack für Händler: Fast-Food aus Indikatoren
Wenn Sie gerade erst auf MQL5 umgestiegen sind, dann wird Ihnen dieser Artikel helfen. Erstens erfolgt der Zugriff auf die Indikatorendaten und -serien im üblichen MQL4-Stil. Zweitens ist diese ganze Einfachheit in MQL5 implementiert. Alle Funktionen sind so übersichtlich wie möglich und eignen sich perfekt für ein schrittweise Debugging.
![Automatische Auswahl vielversprechender Signale](https://c.mql5.com/2/30/xf1zfo07t1b6ty_wozfke_cxp3ajzhsku9i_e6dfkszd.png)
![Automatische Auswahl vielversprechender Signale](https://c.mql5.com/i/articles/overlay.png)
Automatische Auswahl vielversprechender Signale
Der Artikel beschäftigt sich mit der Analyse von Handelssignalen für MetaTrader 5 mit der automatischen Ausführung von Trades auf dem Konto des Abonnenten. Darüber hinaus geht es um die Entwicklung von Werkzeugen für die Suche nach vielversprechenden Handelssignalen direkt im Terminal.
![R-Quadrat als Gütemaß der Saldenkurve einer Strategie](https://c.mql5.com/2/30/eoezuq_R-hwedkf3.png)
![R-Quadrat als Gütemaß der Saldenkurve einer Strategie](https://c.mql5.com/i/articles/overlay.png)
R-Quadrat als Gütemaß der Saldenkurve einer Strategie
Dieser Artikel beschreibt die Konstruktion des benutzerdefinierten Optimierungskriterium R². Anhand dieses Kriteriums kann die Qualität der Saldenkurve einer Strategie abgeschätzt und die bestgeeignete Strategie ausgewählt werden. Die Arbeit diskutiert die Grundsätze der Konstruktion und die statistischen Methoden, die in der Schätzung der Eigenschaften und Qualität dieser Metrik.
![Cross-Plattform Expert Advisor: Die Klassen CExpertAdvisor und CExpertAdvisors Classes](https://c.mql5.com/2/30/Cross_Platform_Expert_Advisor__2.png)
![Cross-Plattform Expert Advisor: Die Klassen CExpertAdvisor und CExpertAdvisors Classes](https://c.mql5.com/i/articles/overlay.png)
Cross-Plattform Expert Advisor: Die Klassen CExpertAdvisor und CExpertAdvisors Classes
In diesem Artikel geht es in erster Linie um die Klassen CExpertAdvisor und CExpertAdvisors, die als Container für alle anderen in dieser Artikelserie beschriebenen Komponenten im Hinblick auf einen plattformübergreifende Expert Advisor dienen.
![Cross-Plattform Expert Advisor: Eigene Stopps, Breakeven und Trailing](https://c.mql5.com/2/30/Cross_Platform_Expert_Advisor__1.png)
![Cross-Plattform Expert Advisor: Eigene Stopps, Breakeven und Trailing](https://c.mql5.com/i/articles/overlay.png)
Cross-Plattform Expert Advisor: Eigene Stopps, Breakeven und Trailing
Dieser Artikel beschreibt, wie nutzerdefinierte Stopps in einem plattformübergreifenden Expert Advisor eingerichtet werden können. Darüber hinaus wird eine eng verwandte Methode diskutiert, mit der das Nachziehen von Stopps für die Dauer einer Position entwickelt werden können.
![Cross-Plattform Expert Advisor: Stopps](https://c.mql5.com/2/29/Cross_Platform_Expert_Advisor__3.png)
![Cross-Plattform Expert Advisor: Stopps](https://c.mql5.com/i/articles/overlay.png)
Cross-Plattform Expert Advisor: Stopps
Dieser Artikel beschreibt eine Implementierung von Stopps in einem Experten Advisor, die mit den beiden Plattformen MetaTrader 4 und MetaTrader 5 kompatibel ist.
![Tiefe neuronale Netzwerke (Teil IV). Erstellen, trainieren und testen eines Modells des neuronalen Netzes](https://c.mql5.com/2/48/Deep_Neural_Networks_04.png)
![Tiefe neuronale Netzwerke (Teil IV). Erstellen, trainieren und testen eines Modells des neuronalen Netzes](https://c.mql5.com/i/articles/overlay.png)
Tiefe neuronale Netzwerke (Teil IV). Erstellen, trainieren und testen eines Modells des neuronalen Netzes
Dieser Artikel beschäftigt sich mit den neuen Fähigkeiten des Programmpaketes darch (v.0.12.0). Es enthält eine Beschreibung des Trainings eines tiefen neuronalen Netzes mit verschiedenen Datentypen, unterschiedlicher Struktur und Trainingsreihenfolge. Die Ergebnisse des Trainings sind enthalten.
![Tiefe neuronale Netzwerke (Teil III). Stichprobenauswahl und Verminderung der Dimensionen](https://c.mql5.com/2/48/Deep_Neural_Networks_03.png)
![Tiefe neuronale Netzwerke (Teil III). Stichprobenauswahl und Verminderung der Dimensionen](https://c.mql5.com/i/articles/overlay.png)
Tiefe neuronale Netzwerke (Teil III). Stichprobenauswahl und Verminderung der Dimensionen
Dieser Artikel ist eine Fortsetzung der Artikelreihe über tiefe neuronale Netze. Hierbei werden wir die Auswahl von Stichproben (Rauschunterdrückung), die Verminderung der Dimensionen der Eingangsdaten und die Aufteilung der Daten in die Datensätze train/val/test bei der Datenaufbereitung für das Training des neuronalen Netzes besprechen.
![Tiefe neuronale Netzwerke (Teil II). Ausarbeitung und Auswahl von Prädiktoren](https://c.mql5.com/2/48/Deep_Neural_Networks_02.png)
![Tiefe neuronale Netzwerke (Teil II). Ausarbeitung und Auswahl von Prädiktoren](https://c.mql5.com/i/articles/overlay.png)
Tiefe neuronale Netzwerke (Teil II). Ausarbeitung und Auswahl von Prädiktoren
Der zweite Artikel der Serie über tiefe neuronale Netze befasst sich mit der Ausarbeitung und Auswahl von Prädiktoren (= Variablen zur Wertevorhersage anderen Variablen) während des Prozesses der Datenaufbereitung für das Training eines Modells.
![Erstellen und Testen benutzerdefinierter Symbole im MetaTrader 5](https://c.mql5.com/2/29/MQL5_Custom_Symbols.png)
![Erstellen und Testen benutzerdefinierter Symbole im MetaTrader 5](https://c.mql5.com/i/articles/overlay.png)
Erstellen und Testen benutzerdefinierter Symbole im MetaTrader 5
Das Erstellen von benutzerdefinierten Symbolen verschiebt die Grenzen der Entwicklung von Handelssystemen und der Finanzmarktanalyse. Jetzt können Händler Charts erstellen und Handelsstrategien mit einer unbegrenzten Anzahl von Finanzinstrumenten testen.
![Tiefe neuronale Netzwerke (Teil I). Datenaufbereitung](https://c.mql5.com/2/48/Deep_Neural_Networks_01.png)
![Tiefe neuronale Netzwerke (Teil I). Datenaufbereitung](https://c.mql5.com/i/articles/overlay.png)
Tiefe neuronale Netzwerke (Teil I). Datenaufbereitung
Diese Artikelserie setzt das Thema "Tiefe neuronale Netzwerke" (DNN) fort, die in der letzten Zeit in vielen angewandten Bereichen einschließlich Trading verwendet werden. Es werden neue Themenbereiche betrachtet; anhand praktischer Experimente werden neue Methoden und Ideen geprüft. Der erste Artikel dieser Serie beschäftigt sich mit der Datenaufbereitung für DNN.
![Verwendung eines Cloud-Speichers für den Datenaustausch zwischen Terminals](https://c.mql5.com/2/28/7l8-fbt8.png)
![Verwendung eines Cloud-Speichers für den Datenaustausch zwischen Terminals](https://c.mql5.com/i/articles/overlay.png)
Verwendung eines Cloud-Speichers für den Datenaustausch zwischen Terminals
Immer beliebter werden die wolkigen Technologien. Sowohl kostenpflichtige, als auch kostenfreie Speicher stehen uns zur Verfügung. Können wir sie im Traiding verwenden? In diesem Artikel wird die Technologie für den Datenaustausch zwischen Terminals durch die Verwendung wolkiger Speichers angeboten.
![Cross-Plattform Expert Advisor: Zeitfilter](https://c.mql5.com/2/28/Cross_Platform_Expert_Advisor__3.png)
![Cross-Plattform Expert Advisor: Zeitfilter](https://c.mql5.com/i/articles/overlay.png)
Cross-Plattform Expert Advisor: Zeitfilter
Dieser Artikel beschreibt die Implementierung verschiedener Methoden einer Zeitfilterung für einen Cross-Plattform Expert Advisor. Die Klassen der Zeitfilter sind verantwortlich für die Prüfung, ob ein bestimmter Zeitpunkt in eine besondere Zeitkonfiguration fällt oder nicht.
![Cross-Plattform Expert Advisor: Geldmanagement](https://c.mql5.com/2/28/Cross_Platform_Expert_Advisor__1.png)
![Cross-Plattform Expert Advisor: Geldmanagement](https://c.mql5.com/i/articles/overlay.png)
Cross-Plattform Expert Advisor: Geldmanagement
Dieser Artikel beschreibt die Implementierung von Methoden des Geldmanagements für einen Cross-Plattform Expert Advisor. Die Klassen des Geldmanagements führen die Berechnungen der Lotgröße der nächsten Position des Expert Advisors durch.