MQL5 프로그래밍 기고글

이 글에서는 반딧불이 알고리즘(FA) 최적화 방법에 대해 살펴보겠습니다. 수정을 통해 알고리즘은 주변부의 존재에서평점 테이블의 실제 리더가 되었습니다.

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.

이제 주문 시스템을 더욱 유연하게 만들어 볼 것입니다. 여기서는 포지션 스톱 레벨을 훨씬 더 빠르게 변경할 수 있도록 코드를 더 유연하게 변경하는 방법을 알아보겠습니다.

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.

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.

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.

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.

다음은 가장 인기 있는 보조 지표로 트레이딩 시스템을 설계하는 방법에 대한 시리즈의 새 글입니다. 이 글에서는 디마커 지표로 트레이딩 시스템을 만드는 방법을 소개합니다.

다음으로 살펴볼 알고리즘은 레비 비행을 사용한 뻐꾸기 검색 최적화입니다. 이는 최신의 최적화 알고리즘 중 하나이며 인기 있는 새로운 알고즘 중 하나입니다.

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.

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.

이번 글은 가장 인기 있는 보조지표로 트레이딩 시스템을 설계하는 방법을 알아보는 시리즈의 새로운 글입니다. 이번에는 불스 파워 보조지표로 트레이딩 시스템을 설계하는 방법에 대해 알아봅니다.

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.

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.

이번에는 개미 군집 최적화 알고리즘을 분석해 보겠습니다. 이 알고리즘은 매우 흥미롭고 복잡합니다. 이 글에서는 새로운 유형의 ACO를 만들기 위한 시도를 할 것입니다.

이번 글은 가장 인기 있는 보조지표로 트레이딩 시스템을 설계하는 방법을 알아보는 시리즈의 새로운 글입니다. 이번에는 베어스 파워 보조지표로 트레이딩 시스템을 설계하는 방법을 알아봅니다.

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.

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.

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.

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.

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.

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.

이 문서에서는 웹에서 데이터를 가져와 Expert Advisor에서 사용하는 방법에 대해 계속 살펴봅니다. 이번에는 대체 시스템 개발에 대해 알아볼 것입니다.

웹에서 Expert Advisor에 데이터를 입력하는 방법은 그리 당연하지 않습니다. MetaTrader 5가 제공하는 모든 가능성을 이해하지 않고는 그렇게 쉬운 일이 아닙니다.

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.

이 기사에서는 CCI 지표를 업그레이드 하는 가능성에 대해 알아봅니다. 또한 저는 지표의 수정을 제시할 것입니다.

이 기사는 MetaTrader 5 MQL5의 가장 인기 있는 기술 지표를 사용하여 거래 시스템을 설계하는 방법을 알아보는 시리즈의 새로운 기사입니다. 이 기사에서는 Williams의 %R 지표로 거래 시스템을 설계하는 방법에 대해 알아봅니다.

다음은 가장 인기 있는 지표인 거래 시스템을 설계하는 방법에 대한 시리즈의 새로운 기사입니다. 일목균형 지표에 대해 자세히 설명하고 이 지표로 거래 시스템을 설계하는 방법에 대해 설명합니다.

MetaTrader 5를 통해 온라인 데이터에 어떻게 액세스할 수 있을까요? 웹에는 엄청난 양의 정보를 제공하는 많은 웹사이트가 있습니다. 여러분이 알아야 할 것은 어디에서 이 정보를 가장 잘 사용할 수 있을까 하는 점입니다.

가장 인기 있는 기술 지표를 기반으로 거래 시스템을 설계하는 방법에 대한 시리즈 중 이번 기사에서는 새로운 기술 지표인 MFI(Money Flow Index)를 사용할 것입니다. 우리는 MFI에 대해 자세히 알아보고 MetaTrader 5에서 실행할 수 있도록 MQL5로 간단한 거래 시스템을 개발할 것입니다.

오늘 우리는 EA에 더 많은 리소스를 추가할 것입니다. 이 흥미로운 기사는 정보를 표시하는 새로운 아이디어와 방법을 제공합니다. 동시에 프로젝트의 사소한 결함을 수정하는 데에도 도움이 될 수 있습니다.

오늘은 시장 분석을 위한 Times & Trade 시스템의 두 번째 부분입니다. 이전 기사 "Times & Trade (I)"에서 우리는 시장에서 실행된 거래에 대해 가능한 가장 빠른 해석을 가능하게 하는 지표를 가질 수 있는 차트 구성 시스템에 대해 알아보았습니다.

이 글은 인기 있는 기술 지표를 기반으로 거래 시스템을 설계하는 방법과 관련한 시리즈의 새로운 글입니다. 이 기사에서는 볼륨 지표에 대해 설명합니다. 볼륨의 개념은 금융 시장 거래에서 매우 중요한 요소 중 하나이며 우리 모두 주의를 기울여야 할 요소입니다. 이 글을 통해 볼륨 지표로 간단한 거래 시스템을 설계하는 방법에 대해서 알아보겠습니다.

의사 결정 트리는 인간이 데이터를 분류하기 위해 생각하는 방식을 모방합니다. 트리를 구축하고 트리를 사용하여 데이터를 분류하고 예측하는 방법에 대해 알아보겠습니다. 의사 결정 트리 알고리즘의 주요 목표는 불순물이 있는 데이터를 순수한 것으로 분리하거나 노드에 가깝게 분리하는 것입니다.

이 기사에서는 로지스틱 모델을 사용하여 미국 경제의 펀더멘털을 기반으로 주식 시장 폭락을 예측하려고 합니다. NETFLIX와 APPLE은 우리가 집중해서 볼 주식입니다. 이전의 2019년과 2020년의 시장 폭락을 통해 우리 모델이 현재의 암울한 상황에서 어떻게 작동하는지를 알아 봅시다.

특수한 데이터 유형인 '매트릭스' 및 '벡터'를 사용하여 수학적 표기법에 매우 가까운 코드를 생성할 수 있습니다. 이러한 메서드를 사용하면 중첩된 루프를 만들거나 계산시 배열의 올바른 인덱싱을 염두에 둘 필요가 없습니다. 따라서 행렬 및 벡터 메서드를 사용하면 복잡한 프로그램을 개발할 때 안정성과 속도가 향상됩니다.

오늘은 주문의 흐름을 알아보기 위해 Times & Trade를 만들 것입니다. 이는 우리가 앞으로 구축할 시스템의 첫 번째 부분입니다. 다음 글에서는 추가적인 내용을 더해 시스템을 완성하도록 하겠습니다. 이 새로운 기능을 구현하려면 Expert Advisor 코드에 몇 가지의 새로운 항목을 추가해야 합니다.