Jonathan Pereira / Профиль
- Информация
4 года
опыт работы
|
5
продуктов
|
5
демо-версий
|
57
работ
|
1
сигналов
|
0
подписчиков
|
Foi em 2016 que, por um feliz acaso, me deparei com o mercado financeiro e me encantei instantaneamente. Ao descobrir a plataforma MetaTrader e sua capacidade de integrar estratégias codificadas ao mercado financeiro, soube que tinha encontrado um novo amor.
Explore meus tutoriais no GitHub e acompanhe minha jornada de crescimento e compartilhamento de conhecimento: https://github.com/jowpereira/mql5-tutoriais
Se desejar iniciar um novo projeto e aproveitar minha expertise, acesse: https://www.mql5.com/pt/job/new?prefered=14134597.
Tenho certeza de que, juntos, podemos desenvolver soluções interessantes e inspiradoras!
Conheça meu GPT - https://chat.openai.com/g/g-1DCzqDcMF-arnaldo
![Desenvolvendo um agente de Aprendizado por Reforço em MQL5 com Integração RestAPI (Parte 5): Escolhendo o Algoritmo do agente](https://c.mql5.com/2/74/Desenvolvendo_um_agente_de_Aprendizado_por_Refor4o_em_MQL5_com_Integrav6o_RestAPI_8Parte_5v___LOGO.png)
Este capítulo da série aborda algoritmos de aprendizado por reforço, focando em Q-Learning, Deep Q-Network (DQN), e Proximal Policy Optimization (PPO). Explora como essas técnicas podem ser integradas para melhorar a automação de tarefas, detalhando suas características, vantagens, e aplicabilidades práticas. A seleção do algoritmo mais adequado é vista como crucial para otimizar a eficiência operacional em ambientes dinâmicos e incertos, prometendo discussões futuras sobre a implementação prática e teórica desses métodos.
![Как разработать агент обучения с подкреплением на MQL5 с интеграцией RestAPI (Часть 4): Организация функций в классах в MQL5](https://c.mql5.com/2/64/RestAPIs_em_MQL5_Logo.png)
В данной статье рассматривается переход от процедурного написания кода к объектно-ориентированному программированию (ООП) в MQL5 с упором на интеграцию с REST API. Сегодня мы обсуждаем организацию функций HTTP-запросов (GET и POST) в классы и подчеркнем такие преимущества, как инкапсуляция, модульность и простота обслуживания. Подробно рассмотрим рефакторинг кода и покажем замену изолированных функций методами класса. Статья содержит практические примеры и тесты.
Operating Principle: The "RSDForce" merges trading volume analysis and price movements to provide valuable market insights. Here's how it works: Volume and Price Analysis : The indicator examines the trading volume (quantity of traded assets) and price variations over time. Market Force Calculation : It calculates a value that reflects the market's 'force', indicating whether the price trend is strong and based on substantial trading volume. Simple Visualization : The result is displayed as a
The "ZScore Quantum Edge" is based on an advanced algorithm that combines volume analysis and price movement, providing a clear and accurate representation of market trends. Key Features: In-Depth Trend Analysis : The indicator uses a configurable period for trend analysis, allowing traders to adjust the indicator's sensitivity according to their trading strategies. Data Smoothing : With an adjustable range for data smoothing, the "ZScore Quantum Edge" offers a clearer view of the market
![Как разработать агент обучения с подкреплением на MQL5 с интеграцией RestAPI (Часть 3): Создание автоматических ходов и тестовых скриптов на MQL5](https://c.mql5.com/2/61/RestAPI_Parte_3_-_Criando_jogadas_automuticas_e_Scripts_de_Teste_em_MQL5__LOGO.png)
В этой статье рассматривается реализация автоматических ходов в игре "Крестики-нолики" на языке Python, интегрированная с функциями MQL5 и модульными тестами. Цель - улучшить интерактивность игры и обеспечить надежность системы с помощью тестирования на MQL5. Изложение охватывает разработку игровой логики, интеграцию и практическое тестирование, а завершается созданием динамической игровой среды и надежной интегрированной системы.
![Как разработать агент обучения с подкреплением на MQL5 с интеграцией RestAPI (Часть 2): Функции MQL5 для HTTP-взаимодействия с REST API игры "крестики-нолики"](https://c.mql5.com/2/61/DALLvE_2023-11-26_00.52.08_-_A_digital_artwork_illustrating_the_integration_of_MQL55_Pythono_and_Fas.png)
В этой статье расскажем о том, как MQL5 может взаимодействовать с Python и FastAPI, используя HTTP-вызовы в MQL5 для взаимодействия с игрой "крестики-нолики" на Python. В статье рассматривается создание API с помощью FastAPI для этой интеграции и приводится тестовый скрипт на MQL5, подчеркивающий универсальность MQL5, простоту Python и эффективность FastAPI в соединении различных технологий для создания инновационных решений.
![Как разработать агент обучения с подкреплением на MQL5 с интеграцией RestAPI (Часть 1): Как использовать RestAPI в MQL5](https://c.mql5.com/2/60/RestAPIs_em_MQL5_Logo.png)
В этой статье мы расскажем о важности интерфейсов программирования API для взаимодействия между различными приложениями и программными системами. В ней подчеркивается роль API в упрощении взаимодействия между приложениями, позволяя им эффективно обмениваться данными и функциональными возможностями.
![Интеграция ML-моделей с тестером стратегий (Заключение): Реализация регрессионной модели для прогнозирования цен](https://c.mql5.com/2/58/implementation_regression_model_avatar.png)
В данной статье описывается реализация регрессионной модели на основе дерева решений для прогнозирования цен финансовых активов. Мы уже провели подготовку данных, обучение и оценку модели, а также ее корректировку и оптимизацию. Однако важно отметить, что данная модель является лишь исследованием и не должна использоваться при реальной торговле.
![Интеграция ML-моделей с тестером стратегий (Часть 3): Управление файлами CSV(II)](https://c.mql5.com/2/51/Avatar_Perceptron_Multicamadas_e_o-Algoritmo_Backpropagation_Parte_3_02.png)
Данный материал - полное руководство по созданию класса в MQL5 для эффективного управления CSV-файлами. Вы поймете, как реализуются методы открытия, записи, чтения и преобразования данных и как можно использовать их для хранения и доступа к информации. Кроме того, мы обсудим ограничения и важнейшие аспекты использования такого класса. Это ценный материал для тех, кто хочет научиться обрабатывать CSV-файлы в MQL5.
![Многослойный перцептрон и алгоритм обратного распространения ошибки (Часть 3): Интеграция с тестером стратегии - Обзор (I)](https://c.mql5.com/2/51/Perceptron_Multicamadas_60x60.png)
Многослойный перцептрон - это эволюция простого перцептрона, способного решать нелинейно разделяемые задачи. Вместе с алгоритмом обратного распространения можно эффективно обучить данную нейронную сеть. В третьей части серии статей о многослойном перцептроне и обратном распространении мы посмотрим, как интегрировать эту технику в тестер стратегий. Эта интеграция позволит использовать комплексный анализ данных и принимать лучшие решения для оптимизации торговых стратегий. В данном обзоре мы обсудим преимущества и проблемы применения этой методики.
![Многослойный перцептрон и алгоритм обратного распространения ошибки (Часть II): Реализация на Python и интеграция с MQL5](https://c.mql5.com/2/42/Sem_tqtulo.png)
Уже доступен пакет Python для разработки интеграции с MQL, что открывает двери для многих возможностей, таких как изучение данных и создание и использование моделей машинного обучения. Эта встроенная интеграция MQL5 в Python открывает для нас много возможностей, которые позволяют построить от простой линейной регрессии до моделей глубокого обучения. Давайте разберемся, как установить и подготовить среду разработки и использовать некоторые библиотеки машинного обучения.
Скользящая средняя Т3 Тиллсона была представлена миру технического анализа в статье «Лучшая скользящая средняя», опубликованной в американском журнале Technical Analysis of Stock Commodities. Разработанный Тимом Тиллсоном, аналитики и трейдеры фьючерсных рынков вскоре увлеклись этой техникой, которая сглаживает ценовой ряд, уменьшая при этом лаг (лаг), типичный для систем следования за трендом
Объем - широко используемый индикатор в техническом анализе, однако есть вариант, который даже более полезен, чем сам объем: скользящее среднее объема. Это не что иное, как скользящая средняя, применяемая к популярному индикатору Volume. Как следует из названия, Volume + MA служит для отображения объема транзакций (совершенных покупок и продаж) определенного финансового актива в заданный момент времени вместе со скользящей средней этого же объема с течением времени. Для чего это? С помощью
![Многослойный перцептрон и алгоритм обратного распространения ошибки](https://c.mql5.com/2/41/Sem_tbtulo.png)
В последнее время, с ростом популярности этих двух методов появилось много библиотек на Matlab, R, Python, C ++ и т.д., которые получают на вход обучающий набор и автоматически создают соответствующую нейронную сеть для вашей задачи. Мы постараемся понять, как работает базовый тип нейронной сети — перцептрон с одним нейроном и многослойный перцептрон — замечательный алгоритм, который отвечает за обучение сети (градиентный спуск и обратное распространение). Эти сетевые модели будут основой для более сложных моделей, существующих на сегодняшний день.
Hi-Lo - это индикатор, цель которого - более точно определять тенденции данного актива, указывая, таким образом, на возможное лучшее время для покупки или продажи. Что такое хай-лоу? Hi-Lo - это термин, полученный из английского языка, где Hi связано со словом High, а Lo - со словом Low. Это индикатор тренда, используемый для оценки торговли активами на финансовом рынке. Следовательно, его использование дается для определения того, показывает ли конкретный актив восходящий или понижательный
![Jonathan Pereira Jonathan Pereira](https://c.mql5.com/avatar/2020/3/5E5F1716-E757.jpg)
![Jose Gustavo De Almeida Verneque Jose Gustavo De Almeida Verneque](https://c.mql5.com/avatar/2019/9/5D6F00EA-F072.jpg)
![Jonathan Pereira Jonathan Pereira](https://c.mql5.com/avatar/2020/3/5E5F1716-E757.jpg)
![Aldirenio Barbosa Dos Santos Barbosa Aldirenio Barbosa Dos Santos Barbosa](https://c.mql5.com/avatar/2020/10/5F9AAECF-01E6.jpg)