![Trabalhando com séries temporais na biblioteca DoEasy (Parte 43): classes de objetos de buffers de indicador](https://c.mql5.com/2/38/MQL5-avatar-doeasy-library__8.png)
![Trabalhando com séries temporais na biblioteca DoEasy (Parte 43): classes de objetos de buffers de indicador](https://c.mql5.com/i/articles/overlay.png)
Trabalhando com séries temporais na biblioteca DoEasy (Parte 43): classes de objetos de buffers de indicador
Neste artigo, veremos a criação de classes de objetos-buffers de indicador como herdeiros de um objeto-buffer abstrato, o que simplifica a declaração e trabalho com buffers de indicadores ao criar programas-indicadores próprios baseados na biblioteca DoEasy.
![Mais uma vez vamos falar sobre mapas de Kohonen](https://c.mql5.com/2/20/jursbu_z7z.png)
![Mais uma vez vamos falar sobre mapas de Kohonen](https://c.mql5.com/i/articles/overlay.png)
Mais uma vez vamos falar sobre mapas de Kohonen
O artigo descreve as técnicas para trabalhar com mapas de Kohonen. Ele vai ser do interesse tanto para exploradores do mercado, com habilidades básicas nas plataformas MQL4 e MQL5, quanto para programadores experientes que enfrentam dificuldades com a conexão dos mapas de Kohonen aos seus projetos.
![Cálculo de características integrais das emissões de indicador](https://c.mql5.com/2/0/avatar__22.png)
![Cálculo de características integrais das emissões de indicador](https://c.mql5.com/i/articles/overlay.png)
Cálculo de características integrais das emissões de indicador
Emissões do indicador são uma área pouco estudada da pesquisa de mercado. Isso se deve principalmente à dificuldade de análise que é causada pelo processamento de arrays muito grandes de dados de tempo variável. A análise gráfica existente é um recurso muito intensivo e, portanto, tem provocado o desenvolvimento de um algoritmo parcimonioso que usa série temporal de emissões. Este artigo demonstra como a análise visual (imagem intuitiva) pode ser substituída pelo estudo de características de emissões integral. Isso pode ser de interesse para ambos negociantes e desenvolvedores de sistemas de negociação automatizados.
![Algoritmo auto-adaptável (Parte IV): funcionalidade e testes adicionais](https://c.mql5.com/2/41/50_percents__4.png)
![Algoritmo auto-adaptável (Parte IV): funcionalidade e testes adicionais](https://c.mql5.com/i/articles/overlay.png)
Algoritmo auto-adaptável (Parte IV): funcionalidade e testes adicionais
Continuo a complementar o algoritmo com a funcionalidade mínima necessária, vou fazer testes do que obtivemos como resultado. A lucratividade acabou sendo baixa, mas os artigos mostram um modelo que permite negociar com lucro de modo totalmente automático com base em instrumentos de negociação completamente diferentes, e não apenas diferentes, mas também operados em mercados fundamentalmente diferentes.
![Gráfico PairPlot baseado em CGraphic para analisar correlações entre arrays de dados (séries temporais)](https://c.mql5.com/2/33/PairPlot_Graphic.png)
![Gráfico PairPlot baseado em CGraphic para analisar correlações entre arrays de dados (séries temporais)](https://c.mql5.com/i/articles/overlay.png)
Gráfico PairPlot baseado em CGraphic para analisar correlações entre arrays de dados (séries temporais)
Comparar várias séries temporais durante uma análise técnica é uma tarefa bastante comum que requer ferramentas apropriadas. Neste artigo, eu sugiro o desenvolvimento de uma ferramenta para análise gráfica e a detecção de correlações entre duas ou mais séries temporais.
![Algoritmos genéticos: Matemática](https://c.mql5.com/2/13/133_1.png)
![Algoritmos genéticos: Matemática](https://c.mql5.com/i/articles/overlay.png)
Algoritmos genéticos: Matemática
Algoritmos genéticos (evolucionários) são usados para fins de otimização. Um exemplo desse tipo de fim pode ser o aprendizado neuronet, ou seja, a seleção de valores de peso tais que permitam se chegar ao erro mínimo. Além disso, o algoritmo genético é baseado no método de busca aleatória.
![Redes Neurais de Maneira Fácil (Parte 8): Mecanismos de Atenção](https://c.mql5.com/2/49/Neural_Networks_Easy_008_600x314.jpg)
Redes Neurais de Maneira Fácil (Parte 8): Mecanismos de Atenção
Nos artigos anteriores, nós já testamos várias opções para organizar as redes neurais. Nós também estudamos as redes convolucionais emprestadas dos algoritmos de processamento de imagem. Neste artigo, eu sugiro estudarmos os Mecanismos de Atenção, cujo surgimento deu impulso ao desenvolvimento dos modelos de linguagem.
![Trabalhando com séries temporais na biblioteca DoEasy (Parte 42): classe de um objeto de buffer abstrato de indicador](https://c.mql5.com/2/38/MQL5-avatar-doeasy-library__7.png)
![Trabalhando com séries temporais na biblioteca DoEasy (Parte 42): classe de um objeto de buffer abstrato de indicador](https://c.mql5.com/i/articles/overlay.png)
Trabalhando com séries temporais na biblioteca DoEasy (Parte 42): classe de um objeto de buffer abstrato de indicador
Com este artigo começaremos a criar classes de buffers de indicador para a biblioteca DoEasy. Hoje, criaremos uma classe base de buffer abstrato que será o alicerce para a criação de diversos tipos de classes de buffer de indicador.
![Aplicação do método de coordenadas de Eigen para a análise estrutural de distribuições estatísticas não extensivas](https://c.mql5.com/2/0/Eigencoordinates_Nonextensive_Statistical_Distributions_MQL5.png)
![Aplicação do método de coordenadas de Eigen para a análise estrutural de distribuições estatísticas não extensivas](https://c.mql5.com/i/articles/overlay.png)
Aplicação do método de coordenadas de Eigen para a análise estrutural de distribuições estatísticas não extensivas
O maior problema de estatísticas aplicadas é o problema de aceitar a hipótese estatística. Isso foi por muito tempo considerado impossível de resolver. A situação mudou com o aparecimento do método de coordenadas Eigen. é uma ferramenta excelente para um estudo estrutural de um sinal, permitindo ver mais do que é possível usando métodos de estatística aplicada moderna. O artigo foca no uso prático deste método e estabelece programas no MQL5. Ele também lida com o problema de identificação de função usando como exemplo a distribuição apresentada por Hilhorst e Schehr.
![Construindo um Analisador de Espectro](https://c.mql5.com/2/0/spectrum_MQL5__1.png)
![Construindo um Analisador de Espectro](https://c.mql5.com/i/articles/overlay.png)
Construindo um Analisador de Espectro
Este artigo é destinado a familiarizar seus leitores com uma possível variável de uso de objetos gráficos da linguagem MQL5. Ele analisa um indicador que implementa um painel de gerenciamento de um simples analisador de espectro usando objetos gráficos. O artigo é destinado para leitores familiarizados com o básico do MQL5.
![Utilitário para seleção e navegação em MQL5 e MQL4: aumentamos a informatividade de gráficos](https://c.mql5.com/2/35/Select_Symbols_Utility_MQL5__2.png)
![Utilitário para seleção e navegação em MQL5 e MQL4: aumentamos a informatividade de gráficos](https://c.mql5.com/i/articles/overlay.png)
Utilitário para seleção e navegação em MQL5 e MQL4: aumentamos a informatividade de gráficos
Neste artigo, continuaremos a expandir a funcionalidade do nosso utilitário. Desta vez, adicionaremos a possibilidade de exibir informações em gráficos projetados para facilitar nossa negociação. Em particular, adicionaremos ao gráfico os preços máximo e mínimo do dia anterior, os níveis arredondados, os preços máximo e mínimo do ano, a hora de início da sessão, etc.
![Biblioteca para criação simples e rápida de programas para MetaTrader (Parte XXV): processamento de erros retornados pelo servidor de negociação](https://c.mql5.com/2/37/MQL5-avatar-doeasy__12.png)
![Biblioteca para criação simples e rápida de programas para MetaTrader (Parte XXV): processamento de erros retornados pelo servidor de negociação](https://c.mql5.com/i/articles/overlay.png)
Biblioteca para criação simples e rápida de programas para MetaTrader (Parte XXV): processamento de erros retornados pelo servidor de negociação
Depois de enviarmos uma ordem de negociação para o servidor, não devemos assumir que o trabalho está concluído, uma vez que é necessário verificar quer os códigos de erro quer a ausência de erros. No artigo, veremos o processamento de erros retornados pelo servidor de negociação e prepararemos a base para a criação de ordens de negociação pendentes.
![Algoritmo auto-adaptável (Parte III): evitando a otimização](https://c.mql5.com/2/41/50_percents__3.png)
![Algoritmo auto-adaptável (Parte III): evitando a otimização](https://c.mql5.com/i/articles/overlay.png)
Algoritmo auto-adaptável (Parte III): evitando a otimização
É impossível obter um algoritmo verdadeiramente estável se para a seleção de parâmetros com base em dados históricos for usada uma otimização. Um algoritmo estável em si deve saber que parâmetros são necessários para trabalhar com qualquer instrumento de negociação a qualquer momento. Ele não deve adivinhar, ele deve saber com certeza.
![Widgets de sinais de negociação para MetaTrader 4 e MetaTrader 5](https://c.mql5.com/2/0/MetaTrader_trading_signal_widget_avatar__1.png)
![Widgets de sinais de negociação para MetaTrader 4 e MetaTrader 5](https://c.mql5.com/i/articles/overlay.png)
Widgets de sinais de negociação para MetaTrader 4 e MetaTrader 5
Recentemente, o usuário do MetaTrader 4 e MetaTrader 5 recebeu uma oportunidade de tornar-se um provedor de sinais e receber lucros adicionais. Agora, você pode exibir os seus sucessos de negociação em seu website, blog ou página de rede social utilizando os novos widgets. Os benefícios do uso de widgets são óbvios: eles aumentam a popularidade do provedor de sinais, estabelecem a reputação deles como negociadores de sucesso bem como atraem novos assinantes. Todos os negociadores que colocam os widgets em outros websites podem desfrutar desses benefícios.
![Uma abordagem científica para o desenvolvimento de algoritmos de negociação](https://c.mql5.com/2/40/algorithm_2.png)
![Uma abordagem científica para o desenvolvimento de algoritmos de negociação](https://c.mql5.com/i/articles/overlay.png)
Uma abordagem científica para o desenvolvimento de algoritmos de negociação
O artigo considera a metodologia para o desenvolvimento de algoritmos de negociação, na qual uma abordagem científica consistente é usada para analisar os possíveis padrões de preços e para construir algoritmos de negociação com base nesses padrões. Os ideais de desenvolvimento são demonstrados por meio de exemplos.
![Trabalhando com séries temporais na biblioteca DoEasy (Parte 46): buffers de indicador multiperíodos multissímbolos](https://c.mql5.com/2/39/MQL5-avatar-doeasy-library__2.png)
![Trabalhando com séries temporais na biblioteca DoEasy (Parte 46): buffers de indicador multiperíodos multissímbolos](https://c.mql5.com/i/articles/overlay.png)
Trabalhando com séries temporais na biblioteca DoEasy (Parte 46): buffers de indicador multiperíodos multissímbolos
No artigo acaberemos de modificar as classes-objetos de buffers de indicador para trabalhar no modo multissímbolo. Dessa maneira, teremos tudo pronto para criar indicadores multissímbolos multiperíodos em nossos programas. Adicionaremos a funcionalidade que falta aos objetos dos buffers calculados, o que nos permitirá criar indicadores multissímbolos e multiperíodos padrão.
![Filtragem de Sinais com Base em Dados Estatísticos de Correlação de Preço](https://c.mql5.com/2/0/fa_title01.png)
![Filtragem de Sinais com Base em Dados Estatísticos de Correlação de Preço](https://c.mql5.com/i/articles/overlay.png)
Filtragem de Sinais com Base em Dados Estatísticos de Correlação de Preço
Existe alguma correlação entre o comportamento do preço passado e suas futuras tendências? Por que o preço repete hoje a característica de seu movimento do dia anterior? A estatística pode ser usada para prever a dinâmica de preço? Existe uma resposta, e é positiva. Se tiver alguma dúvida, então, este artigo é para você. Vou lhe dizer como criar um filtro de trabalho para um sistema de negócio no MQL5, revelando um padrão interessante nas mudanças de preço.
![Pesquisa de Recorrências Estatísticas das Direções das Velas](https://c.mql5.com/2/17/890_32.gif)
![Pesquisa de Recorrências Estatísticas das Direções das Velas](https://c.mql5.com/i/articles/overlay.png)
Pesquisa de Recorrências Estatísticas das Direções das Velas
É possível prever o comportamento do mercado num próximo curto intervalo de tempo, com base em tendências recorrentes das direções das velas em momentos específicos ao longo do dia? Isto é, se tal ocorrência é encontrada primeiramente. Esta questão provavelmente surge na mente de cada trader. A finalidade deste artigo é uma tentativa de prever o comportamento do mercado com base nas recorrências estatísticas das direções das velas durante intervalos de tempo específicos.
![Força bruta para encontrar padrões (Parte II): Imersão](https://c.mql5.com/2/49/Brute_force_approach_to_pattern_search_002_600x314.jpg)
Força bruta para encontrar padrões (Parte II): Imersão
Neste artigo, continuarei o tópico sobre força bruta. Tentarei apresentar melhor os padrões com ajuda de uma nova versão melhorada do meu programa e me esforçarei para encontrar a diferença a nível de estabilidade usando diferentes períodos gráficos.
![Redes Neurais de Maneira Fácil (Parte 3): Redes Convolucionais](https://c.mql5.com/2/49/Neural_Networks_Easy_003_600x314.jpg)
Redes Neurais de Maneira Fácil (Parte 3): Redes Convolucionais
Como uma continuação do tópico das redes neurais, eu proponho ao leitor a análise das redes neurais convolucionais. Esse tipo de rede neural geralmente é aplicado para analisar imagens visuais. Neste artigo, nós consideraremos a aplicação dessas redes no mercado financeiro.
![Trabalhando com séries temporais na biblioteca DoEasy (Parte 40): indicadores com base na biblioteca - atualização de dados em tempo real](https://c.mql5.com/2/38/MQL5-avatar-doeasy-library__5.png)
![Trabalhando com séries temporais na biblioteca DoEasy (Parte 40): indicadores com base na biblioteca - atualização de dados em tempo real](https://c.mql5.com/i/articles/overlay.png)
Trabalhando com séries temporais na biblioteca DoEasy (Parte 40): indicadores com base na biblioteca - atualização de dados em tempo real
Neste artigo, consideraremos a criação de um indicador multiperíodo simples com base na biblioteca DoEasy. Modificaremos as classes de séries temporais para receber dados de qualquer timeframe e exibi-los no período gráfico atual.
![Gás neural em desenvolvimento: Implementação em MQL5](https://c.mql5.com/2/0/neural_gas_MQL5.png)
![Gás neural em desenvolvimento: Implementação em MQL5](https://c.mql5.com/i/articles/overlay.png)
Gás neural em desenvolvimento: Implementação em MQL5
Este artigo mostra um exemplo de como desenvolver um programa MQL5 implementando o algorítimo adaptável de fazer o cluster chamado gás neural em desenvolvimento (GNG). O artigo é destinado para usuários que tenham estudado a documentação de linguagem e têm determinadas habilidades de programação e conhecimento básico na área de neuroinformática.
![Redes Neurais de Maneira Fácil (Parte 5): Cálculos em Paralelo com o OpenCL](https://c.mql5.com/2/49/Neural_Networks_Easy_005_600x314.jpg)
Redes Neurais de Maneira Fácil (Parte 5): Cálculos em Paralelo com o OpenCL
Discutimos anteriormente alguns tipos de implementações da rede neural. Nas redes consideradas, as mesmas operações são repetidas para cada neurônio. Uma etapa lógica adicional é utilizar os recursos da computação multithread (paralelismo em nível de threads) fornecidos pela tecnologia moderna em um esforço para acelerar o processo de aprendizagem da rede neural. Uma das possíveis implementações é descrita neste artigo.
![Discretização da série de preços, componente aleatória e "ruído"](https://c.mql5.com/2/39/4qc92l.png)
![Discretização da série de preços, componente aleatória e "ruído"](https://c.mql5.com/i/articles/overlay.png)
Discretização da série de preços, componente aleatória e "ruído"
Estamos acostumados a analisar o mercado usando candles ou barras que "fatiam" a série de preços em intervalos regulares. Mas até que ponto essa forma de discretização distorce a estrutura real dos movimentos de mercado? Discretizar um sinal de áudio em intervalos regulares é uma solução aceitável, porque o sinal de áudio é uma função que muda com o tempo. O sinal em si é uma amplitude que depende do tempo e essa propriedade nele é fundamental.
![Desenvolvendo um algoritmo auto-adaptável (Parte II): melhorando a eficiência](https://c.mql5.com/2/41/50_percents__2.png)
![Desenvolvendo um algoritmo auto-adaptável (Parte II): melhorando a eficiência](https://c.mql5.com/i/articles/overlay.png)
Desenvolvendo um algoritmo auto-adaptável (Parte II): melhorando a eficiência
Neste artigo, continuarei meu tópico, mas começarei tornando o algoritmo desenvolvido anteriormente mais flexível. Ele se tornou mais estável com o aumento no número de candles na janela de análise ou com o aumento no valor limite da porcentagem a nível de preponderância de candles decrescentes ou crescentes. Tivemos que fazer concessões e definir um tamanho de amostra maior para análise ou uma porcentagem maior de preponderância de candles prevalecentes.
![Trabalhando com séries temporais na biblioteca DoEasy (Parte 41): exemplo de indicador multissímbolo multiperíodo](https://c.mql5.com/2/38/MQL5-avatar-doeasy-library__6.png)
![Trabalhando com séries temporais na biblioteca DoEasy (Parte 41): exemplo de indicador multissímbolo multiperíodo](https://c.mql5.com/i/articles/overlay.png)
Trabalhando com séries temporais na biblioteca DoEasy (Parte 41): exemplo de indicador multissímbolo multiperíodo
Neste artigo, veremos um exemplo de como criar um indicador multissímbolo multiperíodo usando as classes das séries temporais da biblioteca DoEasy que exibe numa subjanela um gráfico mostrando o par de moedas selecionado no período gráfico desejado na forma de velas japonesas. Vamos modificar um pouco as classes da biblioteca e criar um arquivo separado para armazenar enumerações dos parâmetros de entrada dos programas e para a escolher da linguagem de compilação.
![Redes neurais de maneira fácil (Parte 10): Atenção Multi-Cabeça](https://c.mql5.com/2/49/Neural_Networks_Easy_009_600x314.jpg)
Redes neurais de maneira fácil (Parte 10): Atenção Multi-Cabeça
Nós já consideramos anteriormente o mecanismo de self-attention (autoatenção) em redes neurais. Na prática, as arquiteturas de rede neural modernas usam várias threads de self-attention paralelas para encontrar várias dependências entre os elementos de uma sequência. Vamos considerar a implementação de tal abordagem e avaliar seu impacto no desempenho geral da rede.
![Utilitário de seleção e navegação em MQL5 e MQL4: incremetando abas de "lembretes" e salvando objetos gráficos](https://c.mql5.com/2/35/Select_Symbols_Utility_MQL5.png)
![Utilitário de seleção e navegação em MQL5 e MQL4: incremetando abas de "lembretes" e salvando objetos gráficos](https://c.mql5.com/i/articles/overlay.png)
Utilitário de seleção e navegação em MQL5 e MQL4: incremetando abas de "lembretes" e salvando objetos gráficos
Neste artigo, vamos expandir os recursos criados em publicação anterior, acrescentando abas para selecionar os símbolos que precisamos. Também aprenderemos como salvar objetos gráficos que criamos na plataforma, referente a símbolos específicos e assim, se necessitarmos, não tenhamos que criá-los novamente. E ainda, vamos descobrir como trabalhar apenas com símbolos que foram selecionados preliminarmente usando um site específico.
![Desenvolvendo um EA de negociação do zero (Parte 16): Acessando dados na WEB (II)](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_from_scratch_007_600x314.jpg)
Desenvolvendo um EA de negociação do zero (Parte 16): Acessando dados na WEB (II)
Como levar os dados da WEB para dentro de um EA . O caminho para fazer isto não é tão obvio, ou melhor dizendo, tão simples a ponto de você conseguir fazer, sem de fato conhecer e entender todos os recursos que estão presentes no MetaTrader 5.
![Lógica difusa na negociação via MQL4](https://c.mql5.com/2/20/fuzzy-logic1.png)
![Lógica difusa na negociação via MQL4](https://c.mql5.com/i/articles/overlay.png)
Lógica difusa na negociação via MQL4
Este artigo apresenta exemplos que tratam de como os recursos MQL4 aplicam a teoria de conjuntos difusos na negociação. Além disso, descreve o desenvolvimento de indicador e Expert Advisor, usando a biblioteca FuzzyNet para MQL4.
![Redes neurais de Maneira Fácil (Parte 6): Experimentos com a taxa de aprendizado da rede neural](https://c.mql5.com/2/49/Neural_Networks_Easy_006_600x314.jpg)
Redes neurais de Maneira Fácil (Parte 6): Experimentos com a taxa de aprendizado da rede neural
Anteriormente, nós consideramos vários tipos de redes neurais junto com suas implementações. Em todos os casos, as redes neurais foram treinadas usando o método gradiente descendente, para o qual nós precisamos escolher uma taxa de aprendizado. Neste artigo, eu quero mostrar a importância de uma taxa corretamente selecionada e o seu impacto no treinamento da rede neural, usando exemplos.
![Redes Neurais de Maneira Fácil(Parte 4): Redes Recorrentes](https://c.mql5.com/2/49/Neural_Networks_Easy_004_600x314.jpg)
Redes Neurais de Maneira Fácil(Parte 4): Redes Recorrentes
Nós continuamos estudando o mundo das redes neurais. Neste artigo, nós analisaremos outro tipo de rede neural, as redes recorrentes. Este tipo de rede foi proposto para uso com as séries temporais, que são representadas na plataforma de negociação MetaTrader 5 por meio do gráfico de preços.
![Redes Neurais de Maneira Fácil(Parte 7): Métodos de otimização adaptativos](https://c.mql5.com/2/49/Neural_Networks_Easy_007_600x314.jpg)
Redes Neurais de Maneira Fácil(Parte 7): Métodos de otimização adaptativos
Nos artigos anteriores, nós usamos o gradiente descendente estocástico para treinar uma rede neural usando a mesma taxa de aprendizado para todos os neurônios da rede. Neste artigo, eu proponho olhar para os métodos de aprendizagem adaptativos que permitem a mudança da taxa de aprendizagem para cada neurônio. Nós também consideraremos os prós e os contras dessa abordagem.
![Desenvolvendo um sistema de Replay - Simulação de mercado (Parte 23): FOREX (IV)](https://c.mql5.com/2/57/replay_p23_600x314.jpg)
Desenvolvendo um sistema de Replay - Simulação de mercado (Parte 23): FOREX (IV)
A criação, agora, é efetuada no mesmo ponto que fazemos a conversão dos tickets em barras. Então se algo vim a dar errado durante a conversão, iremos logo notar o erro. Pois o mesmo código que lança as barras de 1 minuto no gráfico, quando fazemos um avanço rápido, também é utilizando pelo sistema de posicionamento, e também é usado para lançar as barras durante o avanço normal. Ou seja, agora o código responsável por tal tarefa, não esta mais sendo duplicado em ponto algum. Desta forma, já temos um sistema bem mais adequado, tanto para manutenção, quanto para melhorias.
![Jeremy Scott - Vendedor de sucesso no MQL5 Market](https://c.mql5.com/2/0/Johnnypasado.png)
![Jeremy Scott - Vendedor de sucesso no MQL5 Market](https://c.mql5.com/i/articles/overlay.png)
Jeremy Scott - Vendedor de sucesso no MQL5 Market
Jeremy Scott, que é melhor conhecido pelo apelido de Johnnypasado na comunidade MQL5.community, tornou-se famoso oferecendo produtos em nosso serviço do MQL5 Market. Jeremy já ganhou vários milhares de dólares no mercado e esse não é o limite. Decidimos olhar mais de perto o futuro milionário e recebermos alguns conselhos para vendedores do MQL5 Market.
![Redes Neurais de Maneira Fácil (Parte 9): Documentação do trabalho](https://c.mql5.com/2/49/Neural_networks_made_easy_008_600x314.jpg)
Redes Neurais de Maneira Fácil (Parte 9): Documentação do trabalho
Nós já percorremos um longo caminho e o código em nossa biblioteca está se tornando cada vez maior. Isso torna difícil controlar todas as conexões e dependências. Portanto, eu sugiro criar uma documentação para o código criado anteriormente e mantê-lo atualizado a cada nova etapa. A documentação devidamente preparada nos ajudará a ver a integridade do nosso trabalho.
![Utilitário de seleção e navegação em MQL5 e MQL4: Adição da busca automática de padrões e exibição dos símbolos detectados](https://c.mql5.com/2/35/Select_Symbols_Utility_MQL5__1.png)
![Utilitário de seleção e navegação em MQL5 e MQL4: Adição da busca automática de padrões e exibição dos símbolos detectados](https://c.mql5.com/i/articles/overlay.png)
Utilitário de seleção e navegação em MQL5 e MQL4: Adição da busca automática de padrões e exibição dos símbolos detectados
Neste artigo, nós continuamos expandindo os recursos do utilitário para coleta e navegação através dos símbolos. Desta vez, nós criaremos novas guias exibindo apenas os símbolos que satisfazem alguns dos parâmetros necessários e descobriremos como adicionar facilmente guias personalizadas com as regras de classificação necessárias.
![Como escolher o Expert Advisor certo no Mercado MetaTrader?](https://c.mql5.com/2/49/choose_expert_from_market_600x314.jpg)
Como escolher o Expert Advisor certo no Mercado MetaTrader?
Neste artigo veremos as coisas às quais você deve prestar atenção ao comprar uma EA em primeiro lugar. Também analisaremos formas de aumentar os lucros e, o mais importante, como gastar o dinheiro sabiamente e obter lucro. Além disso, após a leitura, você perceberá que é possível ganhar dinheiro mesmo com produtos simples e gratuitos.
![Avaliação visual de resultados de otimização](https://c.mql5.com/2/49/visual_evaluation_of_optimization_results_600x314.jpg)
Avaliação visual de resultados de otimização
Neste artigo discutiremos como plotar todas passagens das otimizações e como selecionar o critério ótimo personalizado. Além disso, falaremos sobre como programarmos o que quisermos, simplesmente recorrendo a um conhecimento mínimo em MQL5, a uma grande vontade, ao uso dos artigos do site e aos comentários do fórum.
![Ciência de Dados e Aprendizado de Máquina (Parte 01): Regressão Linear](https://c.mql5.com/2/49/linear_regression_600x314.jpg)
Ciência de Dados e Aprendizado de Máquina (Parte 01): Regressão Linear
É hora de nós, como traders, treinarmos nossos sistemas e a nós mesmos para tomar decisões com base no que o número diz. Não aos nossos olhos, e o que nossas entranhas nos fazem acreditar, é para onde o mundo está indo, então vamos nos mover perpendicularmente à direção da onda.