Artikel über Datenanalyse und Statistik in MQL5

icon

Artikel über mathematische Modelle und die Gesetze der Wahrscheinlichkeit können für viele Börsenhändler interessant sein. Denn Mathematik liegt technischer Indikatoren zugrunde, und Kenntnisse in Statistik braucht man, um die Ergebnisse des Handels zu analysieren und Strategien zu entwickeln.

Lesen Sie über die Fuzzylogik, digitale Filter, Marktprofil, Kohonenkarten, neuronales Gas und andere Werkzeuge, die man für den Handel verwenden kann.

Neuer Artikel
letzte | beste
preview
Merkmalsauswahl und Dimensionenreduktion mit Hilfe von Hauptkomponenten

Merkmalsauswahl und Dimensionenreduktion mit Hilfe von Hauptkomponenten

Der Artikel befasst sich mit der Implementierung eines modifizierten Algorithmus der „Forward Selection Component Analysis“, der sich auf die von Luca Puggini und Sean McLoone in „Forward Selection Component Analysis: Algorithms and Applications“ vorgestellte Forschung stützt.
preview
Nachrichtenhandel leicht gemacht (Teil 5): Ausführen des Handels (II)

Nachrichtenhandel leicht gemacht (Teil 5): Ausführen des Handels (II)

In diesem Artikel wird die Klasse des Handelsmanagements um Kauf- und Sell-Stop-Aufträge für den Handel mit Nachrichtenereignissen erweitert und eine Ablaufbeschränkung für diese Aufträge implementiert, um den Handel über Nacht zu verhindern. Eine Slippage-Funktion wird in den Experten eingebettet, um zu versuchen, mögliche Slippage zu verhindern oder zu minimieren, die bei der Verwendung von Stop-Order im Handel auftreten können, insbesondere bei Nachrichtenereignissen.
preview
Entwicklung von Analyseinstrumenten für Preisentwicklungen (Teil 1): Der Chart-Projektor

Entwicklung von Analyseinstrumenten für Preisentwicklungen (Teil 1): Der Chart-Projektor

Dieses Projekt zielt darauf ab, den MQL5-Algorithmus zu nutzen, um einen umfassenden Satz von Analyseinstrumenten für MetaTrader 5 zu entwickeln. Diese Instrumente - von Skripten und Indikatoren bis hin zu KI-Modellen und Expert Advisor - automatisieren den Marktanalyseprozess. Mitunter wird diese Entwicklung zu Instrumenten führen, die in der Lage sind, fortgeschrittene Analysen ohne menschliches Zutun durchzuführen und die Ergebnisse auf geeigneten Plattformen vorherzusagen. Keine Gelegenheit wird jemals verpasst werden. Erkunden Sie mit mir den Prozess des Aufbaus einer robusten, maßgeschneiderten Marktanalyse-Instrumentenkasten. Wir werden mit der Entwicklung eines einfachen MQL5-Programms beginnen, das ich Chart-Projektor genannt habe.
preview
Integration von MQL5 mit Datenverarbeitungspaketen (Teil 3): Verbesserte Datenvisualisierung

Integration von MQL5 mit Datenverarbeitungspaketen (Teil 3): Verbesserte Datenvisualisierung

In diesem Artikel werden wir eine erweiterte Datenvisualisierung durchführen, indem wir über einfache Charts hinausgehen und Funktionen wie Interaktivität, geschichtete Daten und dynamische Elemente einbeziehen, die es Händlern ermöglichen, Trends, Muster und Korrelationen effektiver zu untersuchen.
preview
MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 43): Reinforcement Learning mit SARSA

MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 43): Reinforcement Learning mit SARSA

SARSA, eine Abkürzung für State-Action-Reward-State-Action, ist ein weiterer Algorithmus, der bei der Implementierung von Reinforcement Learning verwendet werden kann. Wie bei Q-Learning und DQN haben wir also untersucht, wie dies als unabhängiges Modell und nicht nur als Trainingsmechanismus in assistentengestützten Expert Advisors implementiert werden kann.
preview
Nachrichtenhandel leicht gemacht (Teil 4): Leistungsverbesserung

Nachrichtenhandel leicht gemacht (Teil 4): Leistungsverbesserung

Dieser Artikel befasst sich mit Methoden zur Verbesserung der Laufzeit des Experten im Strategietester. Der Code wird so geschrieben, dass die Zeiten der Nachrichtenereignisse in stündliche Kategorien unterteilt werden. Der Zugriff auf diese Ereigniszeiten erfolgt innerhalb der angegebenen Stunde. Dadurch wird sichergestellt, dass der EA sowohl in Umgebungen mit hoher als auch mit niedriger Volatilität effizient ereignisgesteuerte Trades verwalten kann.
preview
Nachbarschaftsübergreifende Suche (ANS)

Nachbarschaftsübergreifende Suche (ANS)

Der Artikel zeigt das Potenzial des ANS-Algorithmus als einen wichtigen Schritt in der Entwicklung flexibler und intelligenter Optimierungsmethoden, die die Besonderheiten des Problems und die Dynamik der Umgebung im Suchraum berücksichtigen können.
preview
Entwicklung eines Handelsroboters in Python (Teil 3): Implementierung eines modellbasierten Handelsalgorithmus

Entwicklung eines Handelsroboters in Python (Teil 3): Implementierung eines modellbasierten Handelsalgorithmus

Wir setzen die Serie von Artikeln über die Entwicklung eines Handelsroboters in Python und MQL5 fort. In diesem Artikel werden wir einen Handelsalgorithmus in Python erstellen.
preview
Datenwissenschaft und ML (Teil 31): CatBoost AI-Modelle für den Handel verwenden

Datenwissenschaft und ML (Teil 31): CatBoost AI-Modelle für den Handel verwenden

CatBoost-KI-Modelle haben in letzter Zeit aufgrund ihrer Vorhersagegenauigkeit, Effizienz und Robustheit gegenüber verstreuten und schwierigen Datensätzen in der Community des maschinellen Lernens stark an Popularität gewonnen. In diesem Artikel werden wir im Detail erörtern, wie man diese Art von Modellen in einem Versuch, den Forex-Markt zu schlagen zu implementieren.
preview
Algorithmus zur chemischen Reaktionsoptimierung (CRO) (Teil II): Zusammenstellung und Ergebnisse

Algorithmus zur chemischen Reaktionsoptimierung (CRO) (Teil II): Zusammenstellung und Ergebnisse

Im zweiten Teil werden wir die chemischen Operatoren in einem einzigen Algorithmus zusammenfassen und eine detaillierte Analyse seiner Ergebnisse präsentieren. Wir wollen herausfinden, wie die Methode der chemischen Reaktionsoptimierung (CRO) mit der Lösung komplexer Probleme bei Testfunktionen zurechtkommt.
preview
Entwicklung eines Replay Systems (Teil 54): Die Geburt des ersten Moduls

Entwicklung eines Replay Systems (Teil 54): Die Geburt des ersten Moduls

In diesem Artikel werden wir uns ansehen, wie wir das erste einer Reihe von wirklich funktionalen Modulen für die Verwendung im Replay-/Simulatorsystem zusammenstellen, die auch für andere Zwecke geeignet sein werden. Die Rede ist vom Mausmodul.
preview
Ordinale Kodierung für Nominalvariablen

Ordinale Kodierung für Nominalvariablen

In diesem Artikel erörtern und demonstrieren wir, wie man nominale Prädiktoren in numerische Formate umwandelt, die für Algorithmen des maschinellen Lernens geeignet sind, und zwar sowohl mit Python als auch mit MQL5.
preview
Selbstoptimierender Expert Advisor mit MQL5 und Python (Teil V): Tiefe Markov-Modelle

Selbstoptimierender Expert Advisor mit MQL5 und Python (Teil V): Tiefe Markov-Modelle

In dieser Diskussion werden wir eine einfache Markov-Kette auf einen RSI-Indikator anwenden, um zu beobachten, wie sich der Preis verhält, nachdem der Indikator wichtige Niveaus durchlaufen hat. Wir kamen zu dem Schluss, dass die stärksten Kauf- und Verkaufssignale für das NZDJPY-Paar entstehen, wenn der RSI im Bereich von 11-20 bzw. 71-80 liegt. Wir werden Ihnen zeigen, wie Sie Ihre Daten manipulieren können, um optimale Handelsstrategien zu erstellen, die direkt aus den vorhandenen Daten gelernt werden. Darüber hinaus wird demonstriert, wie ein tiefes neuronales Netz so trainiert werden kann, dass es lernt, die Übergangsmatrix optimal zu nutzen.
preview
Datenwissenschaft und ML(Teil 30): Das Power-Paar für die Vorhersage des Aktienmarktes, Convolutional Neural Networks (CNNs) und Recurrent Neural Networks (RNNs)

Datenwissenschaft und ML(Teil 30): Das Power-Paar für die Vorhersage des Aktienmarktes, Convolutional Neural Networks (CNNs) und Recurrent Neural Networks (RNNs)

In diesem Artikel untersuchen wir die dynamische Integration von Convolutional Neural Networks (CNNs) und Recurrent Neural Networks (RNNs) in der Börsenprognose. Nutzen wir die Fähigkeit von CNNs, Muster zu extrahieren, und die Fähigkeit der RNNs, sequentielle Daten zu verarbeiten. Wir wollen sehen, wie diese leistungsstarke Kombination die Genauigkeit und Effizienz von Handelsalgorithmen verbessern kann.
preview
Vom Neuling zum Experten: Umfassende Fehlersuche in MQL5

Vom Neuling zum Experten: Umfassende Fehlersuche in MQL5

Die Problemlösung kann eine prägnante Routine für die Beherrschung komplexer Fertigkeiten, wie die Programmierung in MQL5, schaffen. Dieser Ansatz ermöglicht es Ihnen, sich auf die Lösung von Problemen zu konzentrieren und gleichzeitig Ihre Fähigkeiten zu entwickeln. Je mehr Probleme Sie lösen, desto mehr fortgeschrittenes Fachwissen erwerben Sie. Ich persönlich glaube, dass die Fehlersuche der effektivste Weg ist, das Programmieren zu beherrschen. Heute werden wir den Prozess der Codebereinigung durchgehen und die besten Techniken besprechen, um ein unordentliches Programm in ein sauberes, funktionales Programm zu verwandeln. Lesen Sie diesen Artikel und gewinnen Sie wertvolle Erkenntnisse.
preview
Algorithmus einer chemischen Reaktionsoptimierung (CRO) (Teil I): Prozesschemie in der Optimierung

Algorithmus einer chemischen Reaktionsoptimierung (CRO) (Teil I): Prozesschemie in der Optimierung

Im ersten Teil dieses Artikels werden wir in die Welt der chemischen Reaktionen eintauchen und einen neuen Ansatz zur Optimierung entdecken! Die chemische Reaktionsoptimierung (CRO) nutzt Prinzipien, die sich aus den Gesetzen der Thermodynamik ableiten, um effiziente Ergebnisse zu erzielen. Wir werden die Geheimnisse der Zersetzung, der Synthese und anderer chemischer Prozesse lüften, die die Grundlage für diese innovative Methode bilden.
preview
Visualisierung der Handelsgeschäfte auf dem Chart (Teil 2): Grafische Anzeige der Daten

Visualisierung der Handelsgeschäfte auf dem Chart (Teil 2): Grafische Anzeige der Daten

In diesem Artikel werden wir von Grund auf ein Skript zur einfachen Visualisierung von Handelsgeschäften (deals) für die nachträgliche Analyse von Handelsentscheidungen schreiben. Alle notwendigen Informationen über ein einzelnes Handelsgeschäft sollen bequem auf dem Chart angezeigt werden, wobei verschiedene Zeitrahmen gezeichnet werden können.
preview
Entwicklung eines Replay Systems (Teil 53): Die Dinge werden kompliziert (V)

Entwicklung eines Replay Systems (Teil 53): Die Dinge werden kompliziert (V)

In diesem Artikel behandeln wir ein wichtiges Thema, das nur wenige Menschen verstehen: Nutzerdefinierte Ereignisse. Gefahren. Vor- und Nachteile dieser Elemente. Dieses Thema ist der Schlüssel für diejenigen, die professionelle Programmierer in MQL5 oder einer anderen Sprache werden wollen. Hier werden wir uns auf MQL5 und MetaTrader 5 konzentrieren.
preview
Entwicklung eines Replay Systems (Teil 52): Die Dinge werden kompliziert (IV)

Entwicklung eines Replay Systems (Teil 52): Die Dinge werden kompliziert (IV)

In diesem Artikel werden wir den Mauszeiger ändern, um die Interaktion mit dem Kontrollindikator zu ermöglichen und einen zuverlässigen und stabilen Betrieb zu gewährleisten.
preview
Elemente der Korrelationsanalyse in MQL5: Chi-Quadrat-Test nach Pearson auf Unabhängigkeit und Korrelationsverhältnis

Elemente der Korrelationsanalyse in MQL5: Chi-Quadrat-Test nach Pearson auf Unabhängigkeit und Korrelationsverhältnis

In dem Artikel werden die klassischen Instrumente der Korrelationsanalyse betrachtet. Der Schwerpunkt liegt auf einem kurzen theoretischen Hintergrund sowie auf der praktischen Anwendung des Pearson-Chi-Quadrat-Tests auf Unabhängigkeit und des Korrelationsverhältnisses.
preview
Wichtigste Änderungen des Algorithmus für die künstliche kooperative Suche (ACSm)

Wichtigste Änderungen des Algorithmus für die künstliche kooperative Suche (ACSm)

Hier werden wir die Entwicklung des ACS-Algorithmus betrachten: drei Änderungen zur Verbesserung der Konvergenzeigenschaften und der Effizienz des Algorithmus. Umwandlung eines der führenden Optimierungsalgorithmen. Von Matrixmodifikationen bis hin zu revolutionären Ansätzen zur Bevölkerungsbildung.
preview
Entwicklung eines Replay Systems (Teil 51): Die Dinge werden kompliziert (III)

Entwicklung eines Replay Systems (Teil 51): Die Dinge werden kompliziert (III)

In diesem Artikel werden wir uns mit einem der schwierigsten Probleme im Bereich der MQL5-Programmierung befassen: wie man eine Chart-ID korrekt erhält und warum Objekte manchmal nicht im Chart gezeichnet werden. Die hier vorgestellten Materialien sind ausschließlich für didaktische Zwecke bestimmt. Die Anwendung sollte unter keinen Umständen zu einem anderen Zweck als zum Erlernen und Beherrschen der vorgestellten Konzepte verwendet werden.
preview
MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 37): Gaußsche Prozessregression mit linearen und Matérn-Kernel

MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 37): Gaußsche Prozessregression mit linearen und Matérn-Kernel

Lineare Kernel sind die einfachste Matrix ihrer Art, die beim maschinellen Lernen für lineare Regression und Support Vector Machines verwendet wird. Der Matérn-Kernel hingegen ist eine vielseitigere Version der Radialbasisfunktion, die wir in einem früheren Artikel besprochen haben, und er eignet sich für die Abbildung von Funktionen, die nicht so glatt sind, wie es die RBF annehmen würde. Wir erstellen eine nutzerdefinierte Signalklasse, die beide Kernel für die Vorhersage von Long- und Short-Bedingungen verwendet.
preview
Beispiel für stochastische Optimierung und optimale Kontrolle

Beispiel für stochastische Optimierung und optimale Kontrolle

Dieser Expert Advisor mit dem Namen SMOC (steht für Stochastic Model Optimal Control) ist ein einfaches Beispiel für ein fortschrittliches algorithmisches Handelssystem für MetaTrader 5. Es verwendet eine Kombination aus technischen Indikatoren, modellprädiktiver Steuerung und dynamischem Risikomanagement, um Handelsentscheidungen zu treffen. Der EA verfügt über adaptive Parameter, volatilitätsbasierte Positionsgrößen und Trendanalysen, um seine Leistung unter verschiedenen Marktbedingungen zu optimieren.
preview
Algorithmus für die künstliche, kooperative Suche (Artificial Cooperative Search, ACS)

Algorithmus für die künstliche, kooperative Suche (Artificial Cooperative Search, ACS)

Die künstliche, kooperative Suche (Artificial Cooperative Search, ACS) ist eine innovative Methode, bei der eine binäre Matrix und mehrere dynamische Populationen auf der Grundlage von wechselseitigen Beziehungen und Kooperation verwendet werden, um schnell und genau optimale Lösungen zu finden. Der einzigartige Ansatz von ACS in Bezug auf Räuber und Beute ermöglicht es, hervorragende Ergebnisse bei numerischen Optimierungsproblemen zu erzielen.
preview
Nachrichtenhandel leicht gemacht (Teil 2): Risikomanagement

Nachrichtenhandel leicht gemacht (Teil 2): Risikomanagement

In diesem Artikel wird die Vererbung in unseren bisherigen und neuen Code eingeführt. Um die Effizienz zu erhöhen, wird ein neues Datenbankdesign eingeführt. Darüber hinaus wird eine Risikomanagementklasse eingerichtet, die sich mit der Berechnung des Volumens befasst.
preview
Visualisierung der Geschäfte auf dem Chart (Teil 1): Auswahl eines Zeitraums für die Analyse

Visualisierung der Geschäfte auf dem Chart (Teil 1): Auswahl eines Zeitraums für die Analyse

In diesem Artikel werden wir von Grund auf ein Skript zur einfachen Visualisierung von Handelsgeschäften (deals) für die nachträgliche Analyse von Handelsentscheidungen schreiben. Alle notwendigen Informationen über ein einzelnes Geschäft sollen bequem auf dem Chart angezeigt werden, wobei verschiedene Zeitrahmen gezeichnet werden können.
preview
Entwicklung eines Replay Systems (Teil 50): Die Dinge werden kompliziert (II)

Entwicklung eines Replay Systems (Teil 50): Die Dinge werden kompliziert (II)

Wir werden das Problem der Chart-ID lösen und gleichzeitig dem Nutzer die Möglichkeit geben, eine persönliche Vorlage für die Analyse und Simulation des gewünschten Assets zu verwenden. Das hier vorgestellte Material dient ausschließlich didaktischen Zwecken und sollte in keiner Weise als Anwendung für einen anderen Zweck als das Studium und die Beherrschung der vorgestellten Konzepte betrachtet werden.
preview
Matrix-Faktorisierung: Ein praktikables Modell

Matrix-Faktorisierung: Ein praktikables Modell

Sie haben vielleicht nicht bemerkt, dass die Matrixmodellierung etwas seltsam war, da nur Spalten und nicht Zeilen und Spalten angegeben wurden. Das sieht sehr seltsam aus, wenn man den Code liest, der die Matrixfaktorisierung durchführt. Wenn Sie erwartet haben, die Zeilen und Spalten aufgelistet zu sehen, könnten Sie beim Versuch, zu faktorisieren, verwirrt werden. Außerdem ist diese Matrixmodellierungsmethode nicht die beste. Denn wenn wir Matrizen auf diese Weise modellieren, stoßen wir auf einige Einschränkungen, die uns zwingen, andere Methoden oder Funktionen zu verwenden, die nicht notwendig wären, wenn die Modellierung auf eine angemessenere Weise erfolgen würde.
preview
Entwicklung eins Replay Systems (Teil 49): Die Dinge werden kompliziert (I)

Entwicklung eins Replay Systems (Teil 49): Die Dinge werden kompliziert (I)

In diesem Artikel werden wir die Dinge ein wenig komplizierter machen. Anhand der in den vorangegangenen Artikeln gezeigten Vorgehensweise werden wir die Vorlagendatei öffnen, damit der Nutzer seine eigene Vorlage verwenden kann. Ich werde jedoch nach und nach Änderungen vornehmen, da ich auch den Indikator verfeinern werde, um die Belastung des MetaTrader 5 zu verringern.
preview
Entwicklung eines Replay Systems (Teil 48): Das Konzept eines Dienstes verstehen

Entwicklung eines Replay Systems (Teil 48): Das Konzept eines Dienstes verstehen

Wie wäre es, etwas Neues zu lernen? In diesem Artikel erfahren Sie, wie Sie Skripte in Dienste umwandeln können und warum dies sinnvoll ist.
preview
Entwicklung eines Wiedergabesystems (Teil 47): Chart Trade Projekt (VI)

Entwicklung eines Wiedergabesystems (Teil 47): Chart Trade Projekt (VI)

Schließlich beginnt unser Indikator Chart Trade mit dem EA zu interagieren, sodass die Informationen interaktiv übertragen werden können. Daher werden wir in diesem Artikel den Indikator verbessern, sodass er funktional genug ist, um zusammen mit jedem EA verwendet zu werden. Dadurch können wir auf den Indikator Chart Trade zugreifen und mit ihm arbeiten, als ob er tatsächlich mit einem EA verbunden wäre. Aber wir werden es auf eine viel interessantere Weise tun als bisher.
preview
Entwicklung eines Roboters in Python und MQL5 (Teil 2): Auswahl, Erstellung und Training von Modellen, Python Custom Tester

Entwicklung eines Roboters in Python und MQL5 (Teil 2): Auswahl, Erstellung und Training von Modellen, Python Custom Tester

Wir setzen die Serie von Artikeln über die Entwicklung eines Handelsroboters in Python und MQL5 fort. Heute werden wir das Problem der Auswahl und des Trainings eines Modells, das Testen desselben, die Implementierung der Kreuzvalidierung, die Rastersuche sowie das Problem des Modell-Ensembles lösen.
preview
MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 36): Q-Learning mit Markov-Ketten

MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 36): Q-Learning mit Markov-Ketten

Reinforcement Learning ist neben dem überwachten und dem unüberwachten Lernen eine der drei Hauptrichtungen des maschinellen Lernens. Es geht also um die optimale Steuerung oder das Erlernen der besten langfristigen Strategie, die der Zielfunktion am besten entspricht. Vor diesem Hintergrund untersuchen wir die mögliche Rolle, die ein MLP für den Lernprozess eines von einem Assistenten zusammengestellten Expertenberaters spielt.
preview
Beispiel einer Kausalitätsnetzwerkanalyse (CNA) und eines Vektor-Autoregressionsmodells zur Vorhersage von Marktereignissen

Beispiel einer Kausalitätsnetzwerkanalyse (CNA) und eines Vektor-Autoregressionsmodells zur Vorhersage von Marktereignissen

Dieser Artikel enthält eine umfassende Anleitung zur Implementierung eines ausgeklügelten Handelssystems unter Verwendung der Kausalitätsnetzwerkanalyse (Causality Network Analysis, CNA) und der Vektorautoregression (VAR) in MQL5. Es deckt den theoretischen Hintergrund dieser Methoden ab, bietet detaillierte Erklärungen der Schlüsselfunktionen im Handelsalgorithmus und enthält Beispielcode für die Implementierung.
preview
MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 35): Support-Vektor-Regression

MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 35): Support-Vektor-Regression

Die Support-Vektor-Regression ist eine idealistische Methode, um eine Funktion oder „Hyperebene“ zu finden, die die Beziehung zwischen zwei Datensätzen am besten beschreibt. Wir versuchen, dies bei der Zeitreihenprognose innerhalb der nutzerdefinierten Klassen des MQL5-Assistenten auszunutzen.
preview
MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 34): Preiseinbettung mit einem unkonventionellen RBM

MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 34): Preiseinbettung mit einem unkonventionellen RBM

Restricted Boltzmann Machines sind eine Form von neuronalen Netzen, die Mitte der 1980er Jahre entwickelt wurde, als Rechenressourcen noch unerschwinglich waren. Zu Beginn stützte es sich auf Gibbs Sampling und kontrastive Divergenz, um die Dimensionalität zu reduzieren oder die verborgenen Wahrscheinlichkeiten/Eigenschaften über die eingegebenen Trainingsdatensätze zu erfassen. Wir untersuchen, wie Backpropagation eine ähnliche Leistung erbringen kann, wenn das RBM Preise für ein prognostizierendes Multi-Layer-Perceptron „embeds“ (einbettet).
preview
Automatisieren von Handelsstrategien mit Parabolic SAR Trend Strategy in MQL5: Erstellung eines effektiven Expertenberaters

Automatisieren von Handelsstrategien mit Parabolic SAR Trend Strategy in MQL5: Erstellung eines effektiven Expertenberaters

In diesem Artikel werden wir die Handelsstrategien mit der Parabolic SAR Strategie in MQL5 automatisieren: Erstellung eines effektiven Expertenberaters. Der EA wird auf der Grundlage der vom Parabolic SAR-Indikator identifizierten Trends Trades durchführen.
preview
MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 33): Gauß-Prozess-Kerne

MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 33): Gauß-Prozess-Kerne

Gaußsche Prozesskerne sind die Kovarianzfunktion der Normalverteilung, die bei der Vorhersage eine Rolle spielen können. Wir untersuchen diesen einzigartigen Algorithmus in einer nutzerdefinierten Signalklasse von MQL5, um zu sehen, ob er als erstklassiges Einstiegs- und Ausstiegssignal verwendet werden kann.
preview
MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 32): Regularisierung

MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 32): Regularisierung

Die Regularisierung ist eine Form der Bestrafung der Verlustfunktion im Verhältnis zur diskreten Gewichtung, die in den verschiedenen Schichten eines neuronalen Netzes angewendet wird. Wir sehen uns an, welche Bedeutung dies für einige der verschiedenen Regularisierungsformen in Testläufen mit einem vom Assistenten zusammengestellten Expert Advisor haben kann.