![Глубокие нейросети (Часть VI). Ансамбль нейросетевых классификаторов: bagging](https://c.mql5.com/2/48/Deep_Neural_Networks_06.png)
![Глубокие нейросети (Часть VI). Ансамбль нейросетевых классификаторов: bagging](https://c.mql5.com/i/articles/overlay.png)
Глубокие нейросети (Часть VI). Ансамбль нейросетевых классификаторов: bagging
Рассмотрим методы построения и обучения ансамблей нейросетей со структурой bagging. Определим особенности оптимизации гиперпараметров индивидуальных нейросетевых классификаторов, составляющих ансамбль. Сравним качество оптимизированной нейросети, полученной в предыдущей статье серии, и созданного ансамбля нейросетей. Рассмотрим возможности дальнейшего улучшения качества классификации полученного ансамбля.
![Управляемая оптимизация: метод отжига](https://c.mql5.com/2/31/icon__1.png)
![Управляемая оптимизация: метод отжига](https://c.mql5.com/i/articles/overlay.png)
Управляемая оптимизация: метод отжига
В тестере стратегий торговой платформы MetaTrader 5 есть только два варианта оптимизации: полный перебор параметров и генетический алгоритм. В этой статье предложен новый вариант оптимизации торговых стратегий — метод отжига. Приводится алгоритм метода, его реализация и способ подключения к любому советнику. Разработанный алгоритм протестирован на советнике Moving Average.
![Визуализируем оптимизацию торговой стратегии в MetaTrader 5](https://c.mql5.com/2/31/t3b4bw8nglimc_2v6gmclew41_jdawvaf9_w1x5mnmfb_d_MetaTrader_5.png)
![Визуализируем оптимизацию торговой стратегии в MetaTrader 5](https://c.mql5.com/i/articles/overlay.png)
Визуализируем оптимизацию торговой стратегии в MetaTrader 5
В статье реализовано MQL-приложение с графическим интерфейсом для расширенной визуализации процесса оптимизации. Графический интерфейс создан с помощью последней версии библиотеки EasyAndFast. У многих пользователей возникает вопрос, зачем нужны графические интерфейсы в MQL-приложениях. В настоящей статье продемонстрирован один из множества случаев, когда они могут быть полезными для трейдеров.
![Глубокие нейросети (Часть V). Байесовская оптимизация гиперпараметров DNN](https://c.mql5.com/2/48/Deep_Neural_Networks_05.png)
![Глубокие нейросети (Часть V). Байесовская оптимизация гиперпараметров DNN](https://c.mql5.com/i/articles/overlay.png)
Глубокие нейросети (Часть V). Байесовская оптимизация гиперпараметров DNN
В статье рассматриваются возможности байесовской оптимизации гиперпараметров глубоких нейросетей, полученных различными вариантами обучения. Сравнивается качество классификации DNN с оптимальными гиперпараметрами при различных вариантах обучения. Форвард-тестами проверена глубина эффективности оптимальных гиперпараметров DNN. Определены возможные направления улучшения качества классификации.
![Управление капиталом по Винсу. Реализация в виде модуля Мастера MQL5](https://c.mql5.com/2/30/MQL5-avatar-capital-001.png)
![Управление капиталом по Винсу. Реализация в виде модуля Мастера MQL5](https://c.mql5.com/i/articles/overlay.png)
Управление капиталом по Винсу. Реализация в виде модуля Мастера MQL5
Статья написана на основе книги Р.Винса "Математика управления капиталом". В ней рассматриваются эмпирические и параметрические методы нахождения оптимального размера торгового лота, на основе которых написаны торговые модули управления капиталом для мастера MLQ5.
![Паттерн прорыва канала](https://c.mql5.com/2/30/breakthow_channel.png)
![Паттерн прорыва канала](https://c.mql5.com/i/articles/overlay.png)
Паттерн прорыва канала
Как известно, ценовые тренды образуют ценовые каналы. Один из сильных сигналов на изменение тренда — прорыв текущего канала. В этой статье я предлагаю попробовать автоматизировать процесс поиска таких сигналов и посмотреть, действительно ли можно на этом построить свою стратегию торговли.
![Как снизить риски трейдера](https://c.mql5.com/2/30/risk.png)
![Как снизить риски трейдера](https://c.mql5.com/i/articles/overlay.png)
Как снизить риски трейдера
Торговля на финансовых рынках связана с целым комплексом рисков, которые должны учитываться в алгоритмах торговых систем. Снижение таких рисков — важнейшая задача для получения прибыли при трейдинге.
![Создаем новую торговую стратегию с использованием технологии разложения входов на индикаторы](https://c.mql5.com/2/30/MQL5-avatar-New_trade_system-002.png)
![Создаем новую торговую стратегию с использованием технологии разложения входов на индикаторы](https://c.mql5.com/i/articles/overlay.png)
Создаем новую торговую стратегию с использованием технологии разложения входов на индикаторы
В статье предложена технология, с помощью которой каждый желающий сможет создать свою уникальную торговую стратегию, собрав индивидуальный набор индикаторов, и разработать собственные сигналы для входа в рынок.
![Ночная торговля в азиатскую сессию: как оставаться в прибыли](https://c.mql5.com/2/30/timezone.png)
![Ночная торговля в азиатскую сессию: как оставаться в прибыли](https://c.mql5.com/i/articles/overlay.png)
Ночная торговля в азиатскую сессию: как оставаться в прибыли
В статье рассматривается понятие ночной торговли, стратегии торговли, их реализация на MQL5. Проведено тестирование и сделаны выводы.
![Раскладываем входы по индикаторам](https://c.mql5.com/2/30/eagoh7z681u4_pdq0h_2f_8dqlderd9j5.png)
![Раскладываем входы по индикаторам](https://c.mql5.com/i/articles/overlay.png)
Раскладываем входы по индикаторам
В жизни трейдера бывают разные ситуации. Часто по истории успешных сделок мы пытаемся восстановить стратегию, а глядя на историю убытков — доработать и улучшить ее. И в том, и в другом случае мы сопоставляем сделки с известными индикаторами. В этой статье предлагается методика пакетного сопоставления сделок с рядом индикаторов.
![Кроссплатформенный торговый советник: Классы CExpertAdvisor и CExpertAdvisors](https://c.mql5.com/2/30/Cross_Platform_Expert_Advisor__2.png)
![Кроссплатформенный торговый советник: Классы CExpertAdvisor и CExpertAdvisors](https://c.mql5.com/i/articles/overlay.png)
Кроссплатформенный торговый советник: Классы CExpertAdvisor и CExpertAdvisors
В заключительной статье серии о кроссплатформенном торговом советнике речь пойдет о классах CExpertAdvisor и CExpertAdvisors, которые служат контейнерами для всех ранее описанных компонентов эксперта. Также рассмотрена реализация отслеживания новых баров и сохранения данных.
![Индикатор NRTR и торговые модули на его основе для Мастера MQL5](https://c.mql5.com/2/30/qatis21ft_NRTR_2.png)
![Индикатор NRTR и торговые модули на его основе для Мастера MQL5](https://c.mql5.com/i/articles/overlay.png)
Индикатор NRTR и торговые модули на его основе для Мастера MQL5
В статье описан индикатор NRTR и торговая система, созданная с его использованием. Для этих целей создаётся модуль торговых сигналов, с помощью которых создаются стратегии, основанные на комбинациях NRTR и дополнительных индикаторов, подтверждающих тренд.
![R-квадрат как оценка качества кривой баланса стратегии](https://c.mql5.com/2/30/eoezuq_R-hwedkf3.png)
![R-квадрат как оценка качества кривой баланса стратегии](https://c.mql5.com/i/articles/overlay.png)
R-квадрат как оценка качества кривой баланса стратегии
Статья описывает построение пользовательского критерия оптимизации R-квадрат. По этому критерию можно оценить качество кривой баланса стратегии и выбрать наиболее равномерно растущие и стабильные стратегии. Материал описывает принципы его построения и статистические методы, используемые для оценки свойств и качества этой метрики.
![Кроссплатформенный торговый советник: Пользовательские стопы, Безубыток и Трейлинг](https://c.mql5.com/2/30/Cross_Platform_Expert_Advisor__1.png)
![Кроссплатформенный торговый советник: Пользовательские стопы, Безубыток и Трейлинг](https://c.mql5.com/i/articles/overlay.png)
Кроссплатформенный торговый советник: Пользовательские стопы, Безубыток и Трейлинг
В статье обсуждается установка пользовательских стоп-уровней в кроссплатформенном советнике. Также описан тесно связанный с ними метод, который помогает задать изменение стоп-уровней с течением времени.
![Кроссплатформенный торговый советник: Стоп-уровни](https://c.mql5.com/2/29/Cross_Platform_Expert_Advisor__3.png)
![Кроссплатформенный торговый советник: Стоп-уровни](https://c.mql5.com/i/articles/overlay.png)
Кроссплатформенный торговый советник: Стоп-уровни
В этой статье рассматривается реализация стоп-уровней в торговом советнике, совместимая с платформами MetaTrader 4 и MetaTrader 5.
![Использование фильтра Калмана в прогнозе направления цены](https://c.mql5.com/2/30/1hud7w_rw12bho.png)
![Использование фильтра Калмана в прогнозе направления цены](https://c.mql5.com/i/articles/overlay.png)
Использование фильтра Калмана в прогнозе направления цены
Для успешного трейдинга почти всегда необходимы индикаторы, призванные отделить основное ценовое движение от шумовых колебаний. В этой статье рассматривается один из перспективнейших цифровых фильтров — фильтр Калмана. Описано его построение и использование на практике.
![Глубокие нейросети (Часть IV). Создание, обучение и тестирование модели нейросети](https://c.mql5.com/2/48/Deep_Neural_Networks_04.png)
![Глубокие нейросети (Часть IV). Создание, обучение и тестирование модели нейросети](https://c.mql5.com/i/articles/overlay.png)
Глубокие нейросети (Часть IV). Создание, обучение и тестирование модели нейросети
В статье рассматриваются новые возможности пакета darch (v.0.12.0). Описаны результаты обучения глубокой нейросети с различными типами данных, структурой и последовательностью обучения. Проанализированы результаты.
![Нечеткая логика в торговых стратегиях](https://c.mql5.com/2/29/Avatar.png)
![Нечеткая логика в торговых стратегиях](https://c.mql5.com/i/articles/overlay.png)
Нечеткая логика в торговых стратегиях
В статье рассматривается пример использования нечеткой логики для построения простой торговой системы, с использованием библиотеки Fuzzy. Предложены варианты улучшения системы путем сочетания нечеткой логики, генетических алгоритмов и нейронных сетей.
![Треугольный арбитраж](https://c.mql5.com/2/29/avatar_Triangular_Arbitration.png)
![Треугольный арбитраж](https://c.mql5.com/i/articles/overlay.png)
Треугольный арбитраж
Статья посвящена популярному методу торговли - треугольному арбитражу. Тема разобрана максимально подробно, рассмотрены положительные и отрицательные стороны стратегии, разработан готовый код эксперта.
![Кроссплатформенный торговый советник: Временные фильтры](https://c.mql5.com/2/28/Cross_Platform_Expert_Advisor__3.png)
![Кроссплатформенный торговый советник: Временные фильтры](https://c.mql5.com/i/articles/overlay.png)
Кроссплатформенный торговый советник: Временные фильтры
В статье обсуждается реализация различных методов временной фильтрации в кроссплатформенном торговом советнике. Классы временных фильтров отвечают за проверку того, попадает ли конкретное время в определенный период, заданный в настройках.
![Рассматриваем на практике адаптивный метод следования за рынком](https://c.mql5.com/2/29/MQL5-avatar-adaptiveMethod-001.png)
![Рассматриваем на практике адаптивный метод следования за рынком](https://c.mql5.com/i/articles/overlay.png)
Рассматриваем на практике адаптивный метод следования за рынком
Основное отличие торговой системы, предложенной в статье — использование математических инструментов для анализа биржевых котировок. В системе применяются цифровая фильтрация и спектральная оценка дискретных временных рядов. Описаны теоретические аспекты стратегии и построен советник для ее тестирования.
![Глубокие нейросети (Часть III). Выбор примеров и уменьшение размерности](https://c.mql5.com/2/48/Deep_Neural_Networks_03.png)
![Глубокие нейросети (Часть III). Выбор примеров и уменьшение размерности](https://c.mql5.com/i/articles/overlay.png)
Глубокие нейросети (Часть III). Выбор примеров и уменьшение размерности
Эта статья продолжает серию публикаций о глубоких нейросетях. Рассматривается выбор примеров (удаление шумовых), уменьшение размерности входных данных и разделение набора на train/val/test в процессе подготовки данных для обучения.
![Глубокие нейросети (Часть II). Разработка и выбор предикторов](https://c.mql5.com/2/48/Deep_Neural_Networks_02.png)
![Глубокие нейросети (Часть II). Разработка и выбор предикторов](https://c.mql5.com/i/articles/overlay.png)
Глубокие нейросети (Часть II). Разработка и выбор предикторов
Во второй статье из серии о глубоких нейросетях рассматриваются трансформация и выбор предикторов в процессе подготовки данных для обучения модели.
![TradeObjects: Автоматизация торговли на основе графических объектов в MetaTrader](https://c.mql5.com/2/29/MQL5_TradeObjects__1.png)
![TradeObjects: Автоматизация торговли на основе графических объектов в MetaTrader](https://c.mql5.com/i/articles/overlay.png)
TradeObjects: Автоматизация торговли на основе графических объектов в MetaTrader
В статье рассматривается простой подход к созданию системы автоматической торговли по линейной разметке графика. Предложен готовый эксперт, использующий стандартные свойства объектов MetaTrader 4 и 5 и поддерживающий основные торговые операции.
![Глубокие нейросети (Часть I). Подготовка данных](https://c.mql5.com/2/48/Deep_Neural_Networks_01.png)
![Глубокие нейросети (Часть I). Подготовка данных](https://c.mql5.com/i/articles/overlay.png)
Глубокие нейросети (Часть I). Подготовка данных
Эта серия статей продолжает и развивает тему глубоких нейросетей (DNN), которые в последнее время вошли во многие прикладные области, включая трейдинг. Рассматриваются новые направления темы, на практических экспериментах проверяются новые методы и идеи. Первая статья серии посвящена подготовке данных для DNN.
![Кроссплатформенный торговый советник: Мани-менеджмент](https://c.mql5.com/2/28/Cross_Platform_Expert_Advisor__1.png)
![Кроссплатформенный торговый советник: Мани-менеджмент](https://c.mql5.com/i/articles/overlay.png)
Кроссплатформенный торговый советник: Мани-менеджмент
В этой статье обсуждается реализация мани-менеджмента в кроссплатформенном торговом советнике. Классы мани-менеджмента отвечают за расчет размера лота, которым советник войдет в следующую сделку.
![Кроссплатформенный торговый советник: Сигналы](https://c.mql5.com/2/28/Cross_Platform_Expert_Advisor.png)
![Кроссплатформенный торговый советник: Сигналы](https://c.mql5.com/i/articles/overlay.png)
Кроссплатформенный торговый советник: Сигналы
В статье обсуждаются классы CSignal и CSignals, которые будут использоваться в кроссплатформенных торговых советниках. Рассмотрены различия между MQL4 и MQL5 в организации данных, необходимых для оценки полученных торговых сигналов. Итог — код, совместимый с компиляторами обеих версий.
![Кроссплатфоменный торговый советник: Менеджер ордеров](https://c.mql5.com/2/28/Expert_Advisor_Introduction__2.png)
![Кроссплатфоменный торговый советник: Менеджер ордеров](https://c.mql5.com/i/articles/overlay.png)
Кроссплатфоменный торговый советник: Менеджер ордеров
В статье обсуждается создание менеджера ордеров для кроссплатформенного торгового советника. Менеджер ордеров отвечает за открытие и закрытие экспертом ордеров или позиций, а также за ведение независимой записи о них, и будет доступен для обеих версий терминала.
![Наивный байесовский классификатор для сигналов набора индикаторов](https://c.mql5.com/2/27/MQL5-avatar-naiveClass-001.png)
![Наивный байесовский классификатор для сигналов набора индикаторов](https://c.mql5.com/i/articles/overlay.png)
Наивный байесовский классификатор для сигналов набора индикаторов
В статье анализируется применение формулы Байеса для повышения надежности торговых систем за счет использования сигналов нескольких независимых индикаторов. Теоретические расчеты проверяются с помощью простого универсального эксперта, настраиваемого для работы с произвольными индикаторами.
![Прогнозирование рыночных движений с помощью байес-классификации и индикаторов на основе сингулярного спектрального анализа](https://c.mql5.com/2/27/MQL5-avatar-SSAtrend-001__1.png)
![Прогнозирование рыночных движений с помощью байес-классификации и индикаторов на основе сингулярного спектрального анализа](https://c.mql5.com/i/articles/overlay.png)
Прогнозирование рыночных движений с помощью байес-классификации и индикаторов на основе сингулярного спектрального анализа
В статье рассматривается идеология и методика построения рекомендательной системы для оперативной торговли на основе объединения возможностей прогнозирования с помощью сингулярного спектрального анализа (ССА) и важного метода машинного обучения, основанного на теореме Байеса.
![Сравнительный анализ 10 трендовых стратегий](https://c.mql5.com/2/26/MQL5-avatar-sravn-analiz-001__1.png)
![Сравнительный анализ 10 трендовых стратегий](https://c.mql5.com/i/articles/overlay.png)
Сравнительный анализ 10 трендовых стратегий
В статье сделан краткий обзор 10 трендовых стратегий, проведено их тестирование, сравнительный анализ. На основе полученных результатов сделан общий вывод о целесообразности, достоинствах и недостатках торговли по тренду.
![Готовые советники из Мастера MQL5 работают в MetaTrader 4](https://c.mql5.com/2/26/MQL5_expert_in_MT4.png)
![Готовые советники из Мастера MQL5 работают в MetaTrader 4](https://c.mql5.com/i/articles/overlay.png)
Готовые советники из Мастера MQL5 работают в MetaTrader 4
В статье предлагается простой эмулятор торгового окружения MetaTrader 5 для MetaTrader 4. С его помощью выполняются перенос и адаптация торговых классов стандартной библиотеки. В результате советники, генерируемые в Мастере MetaTrader 5, могут компилироваться и запускаться без изменений в MetaTrader 4.
![Рецепты MQL5 - Торговые сигналы пивотов](https://c.mql5.com/2/26/MQL5_recipePivotePoint.png)
![Рецепты MQL5 - Торговые сигналы пивотов](https://c.mql5.com/i/articles/overlay.png)
Рецепты MQL5 - Торговые сигналы пивотов
В статье представлен процесс разработки и реализации класса-сигнальщика на основе пивотов — разворотных уровней. На базе этого класса строится стратегия с использованием Стандартной библиотеки. Рассматриваются возможности развития стратегии пивотов посредством добавления фильтров.
![Автоматическое нахождение экстремумов на основе заданного ценового перепада](https://c.mql5.com/2/25/math_compass.png)
![Автоматическое нахождение экстремумов на основе заданного ценового перепада](https://c.mql5.com/i/articles/overlay.png)
Автоматическое нахождение экстремумов на основе заданного ценового перепада
При автоматизации торговых стратегий, использующих графические модели, необходимо находить экстремумы на графиках для дальнейшей обработки и интерпретации. Существующие инструменты не всегда дают возможность это сделать. Представленные в статье алгоритмы позволяют находить все экстремумы на чартах. Разработанные инструменты одинаково эффективны как для работы на трендовом рынке, так и на боковом движении. Полученные результаты слабо зависят от выбранного таймфрейма и определяются только заданным масштабом.
![Торговая система 'Turtle Soup' и её модификация 'Turtle Soup Plus One'](https://c.mql5.com/2/25/turtles.png)
![Торговая система 'Turtle Soup' и её модификация 'Turtle Soup Plus One'](https://c.mql5.com/i/articles/overlay.png)
Торговая система 'Turtle Soup' и её модификация 'Turtle Soup Plus One'
В статье формализованы и запрограммированы правила торговых стратегий Turtle Soup и Turtle Soup Plus One из книги Линды Рашке и Лоуренса Коннорс Street Smarts: High Probability Short-Term Trading Strategies. Описанные в книге стратегии получили достаточно широкое распространение, но важно понимать, что авторы строили их исходя из поведения рынка 15..20-летней давности.
![Нейросеть: Самооптимизирующийся советник](https://c.mql5.com/2/24/Red_Neuronal.png)
![Нейросеть: Самооптимизирующийся советник](https://c.mql5.com/i/articles/overlay.png)
Нейросеть: Самооптимизирующийся советник
Возможно ли создать советник, который согласно командам кода автоматически оптимизировал бы критерии открытия и закрытия позиций с определенной периодичностью? Что произойдет, если реализовать в советнике нейросеть (многослойный персептрон), которая, будучи модулем, анализировала бы историю и оценивала стратегию? Можно дать коду команду на ежемесячную (еженедельную, ежедневную или ежечасную) оптимизацию нейросети с последующим продолжением работы. Таким образом возможно создать самооптимизирующийся советник.
![Кроссплатформенный торговый советник: Ордера](https://c.mql5.com/2/24/Expert_Advisor_Introduction__3.png)
![Кроссплатформенный торговый советник: Ордера](https://c.mql5.com/i/articles/overlay.png)
Кроссплатформенный торговый советник: Ордера
MetaTrader 4 и MetaTrader 5 используют различные правила обработки торговых запросов. В этой статье обсуждается возможность использования объекта класса, который представляет сделки для обработки сервером, чтобы в дальнейшем советник мог работать с ними независимо от версии торговой платформы и используемого режима.
![Рецепты MQL5 - Торговые сигналы скользящих каналов](https://c.mql5.com/2/24/ava2.png)
![Рецепты MQL5 - Торговые сигналы скользящих каналов](https://c.mql5.com/i/articles/overlay.png)
Рецепты MQL5 - Торговые сигналы скользящих каналов
В статье представлен процесс разработки и реализации класса-сигнальщика на основе скользящих каналов. За каждой из версий сигнала следует торговая стратегия с результатами тестирования. Используются классы Стандартной библиотеки для создания производных классов.
![Кроссплатформенный торговый советник: повторное использование компонентов из Стандартной библиотеки MQL5](https://c.mql5.com/2/24/Expert_Advisor_Introduction__2.png)
![Кроссплатформенный торговый советник: повторное использование компонентов из Стандартной библиотеки MQL5](https://c.mql5.com/i/articles/overlay.png)
Кроссплатформенный торговый советник: повторное использование компонентов из Стандартной библиотеки MQL5
В Стандартной библиотеке MQL5 есть некоторые компоненты, которые могут оказаться полезными в версиях кроссплатформенных торговых экспертов для MQL4. В этой статье рассматривается метод создания некоторых компонентов Стандартной библиотеки MQL5, совместимых с компилятором MQL4.
![Кроссплатформенный торговый советник: Введение](https://c.mql5.com/2/24/Expert_Advisor_Introduction.png)
![Кроссплатформенный торговый советник: Введение](https://c.mql5.com/i/articles/overlay.png)
Кроссплатформенный торговый советник: Введение
В этой статье подробно описан метод, с помощью которого быстро и просто может быть разработан кроссплатформенный торговый советник. Предлагаемый метод объединяет функции, общие для обеих версий, в один класс и разбивает реализацию для несовместимых функций на наследуемые классы.