wupan123898 / Профиль
![wupan123898](https://c.mql5.com/avatar/2020/9/5F5B0B6D-67A4.png)
![Несколько индикаторов на графике (Часть 01): Понимание концепций](https://c.mql5.com/2/44/variety_of_indicators.png)
Сегодня разберем, как можно добавить несколько индикаторов в график одновременно, не занимая при этом отдельную его область. При торговле много трейдеров чувствуют себя более уверенно, если одновременно смотрят на несколько индикаторов (например, RSI, STOCASTIC, MACD, ADX и другие), а в некоторых случаях даже на разные активы, составляющие тот или иной индекс.
![wupan123898](https://c.mql5.com/avatar/2020/9/5F5B0B6D-67A4.png)
![Разработка торговой системы на основе индикатора RSI](https://c.mql5.com/2/45/why-and-how__4.png)
В этой статье мы поговорим об еще одном популярном и часто используемом индикаторе — RSI. Узнаем, как разработать торговую систему на основе показателей от этого индикатора.
![wupan123898](https://c.mql5.com/avatar/2020/9/5F5B0B6D-67A4.png)
![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.
![wupan123898](https://c.mql5.com/avatar/2020/9/5F5B0B6D-67A4.png)
![wupan123898](https://c.mql5.com/avatar/2020/9/5F5B0B6D-67A4.png)
![Прогнозирование временных рядов (Часть 1): метод эмпирической модовой декомпозиции (EMD)](https://c.mql5.com/2/38/mql5-avatar-emd.png)
В статье рассмотрена теория и практическое применение алгоритма прогнозирования временных рядов на основе эмпирической модовой декомпозиции, предложена его реализации на MQL, предоставлены тестовые индикаторы и эксперты.
![wupan123898](https://c.mql5.com/avatar/2020/9/5F5B0B6D-67A4.png)
![Нейросети — это просто (Часть 5): Многопоточные вычисления в OpenCL](https://c.mql5.com/2/48/Neural_networks_made_easy_0065.png)
Мы уже познакомились с некоторыми типами реализации нейронных сетей. Легко заметить, что для каждого нейрона сети повторяются те же самые операции. И тут возникает желание воспользоваться возможностями многопоточных вычислений современной техники для ускорения процесса обучения нейронной сети. Об одном из вариантов такой реализации пойдет речь в данной статье.
![wupan123898](https://c.mql5.com/avatar/2020/9/5F5B0B6D-67A4.png)
![Практическое применение нейросетей в трейдинге. Python (Часть I)](https://c.mql5.com/2/40/neural_python.png)
В данной статье мы поэтапно разберем вариант реализации торговой системы на основе программирования глубоких нейронных сетей на Python. Для этого мы используем библиотеку машинного обучения TensorFlow, разработанной компанией Google. А для описания нейронных сетей используем библиотеку Keras.
![wupan123898](https://c.mql5.com/avatar/2020/9/5F5B0B6D-67A4.png)
![Разработка самоадаптирующегося алгоритма (Часть I): Поиск базовой закономерности](https://c.mql5.com/2/41/50_percents__1.png)
В серии статей я покажу пример, как разрабатывать самоадаптирующиеся алгоритмы, учитывающие максимум факторов, возникающих на рынках, как эти ситуации систематизировать, описать в логике и учесть при торговле. Начну с очень простого алгоритма, который со временем обрастет теорией и эволюционирует в сложнейший проект.
![wupan123898](https://c.mql5.com/avatar/2020/9/5F5B0B6D-67A4.png)
![Автоматический поиск дивергенций и конвергенций](https://c.mql5.com/2/29/MQL5_article_Divergention.png)
В статье рассматриваются всевозможные виды дивергенции: простая, скрытая, расширенная, тройная, четвертная дивергенции, конвергенция, дивергенции классов A, B и C. Создается универсальный индикатор для их поиска и отображения на графике.
![wupan123898](https://c.mql5.com/avatar/2020/9/5F5B0B6D-67A4.png)
![Построение мультивалютного индикатора с применением множества промежуточных индикаторных буферов](https://c.mql5.com/2/0/Multicurrency_Indicator_MQL5.png)
В последнее время возрос интерес к кластерному анализу рынка FOREX. MQL5 открывает новые возможности исследования закономерностей движения валютных пар. Важным преимуществом MQL5, по сравнению с MQL4, является возможность использования неограниченного количества индикаторных буферов. В данной статье описан пример построения мультивалютного индикатора.
![wupan123898](https://c.mql5.com/avatar/2020/9/5F5B0B6D-67A4.png)
![Реализация мультивалютного режима в MetaTrader 5](https://c.mql5.com/2/0/Multicurrency_Expert_Advisor.png)
Интерес к мультивалютному анализу и мультивалютной торговле существует давно. Но только с выпуском в свет терминала MetaTrader 5 и языка программирования MQL5 появилась возможность реализации полноценного мультивалютного режима. В данной статье предложен способ, позволяющий проводить анализ и обработку всех поступающих тиков по множеству финансовых инструментов. В качестве иллюстрации рассмотрен мультивалютный индикатор RSI для индекса доллара USDx.