MQL5 Алготрейдинг
21.1K subscribers
3.33K photos
7 videos
3.33K links
Лучшие публикации самого большого общества алготрейдеров.

Подпишись, чтобы быть в курсе современных технологий и развития торговых систем.
Download Telegram
Статья разбирает, почему классические «цикловые» индикаторы ломаются на рынке: доминирующая частота внутри окна меняется, и сигнал становится чирпом. Вместо поиска частоты предлагается искать дробный порядок FrFT, при котором энергия окна максимально концентрируется; смещение оптимума относительно a=1 дает оценку скорости изменения частоты.

Показано, что наивная дискретизация ядра FrFT разрушает унитарность и начинает измерять артефакты, а вещественный вход теряет знак изменения частоты из‑за симметрии. Решение: формировать аналитический сигнал через спектральную маску и строить FrFT как унитарное преобразование на собственных векторах DFT, с аккуратной обработкой вырожденностей.

Для MT5 реализован модуль на чистом MQL5: Project/Rotate для ускорения, энтропия Реньи как мера концентрации, золотое сечение для поиска порядка и метрика доверия G. На синтетике работает стабильно; на цена...

👉 Читай | Фриланс | @mql5ru
👀1
В MQL5 подготовлен диагностический индикатор, показывающий частотно-временную картину цены через спектр Гильберта на базе HHT. Цель не в генерации сделок, а в визуальной оценке доминирующих циклов и их энергии на каждом баре.

Конвейер: EMD выделяет IMF без фиксированного базиса; затем дискретное преобразование Гильберта строится КИХ-ядром (65 отводов, окно Хэмминга) без FFT; мгновенная частота берется через развертку фазы; результат агрегируется в матрицу “время–частота–энергия” и рисуется тепловой картой через CCanvas.

Архитектура рассчитана на пересчет при закрытии бара из-за стоимости просеивания. Проверка корректности делается на синтетике с известными периодами и на XAUUSD M5 в реальном времени.

👉 Читай | Нейросети | @mql5ru
👀1
Статья разбирает офлайн-обучение торговой политики с подкреплением: модель учится только на фиксированном журнале переходов (state, action, reward, next_state) из истории сделок, без экспериментов на реальном счете. Это снижает риск потерь на этапе обучения и упрощает проверку данных перед запуском.

Ключевая проблема офлайна — экстраполяция в Q-обучении: сеть может завысить ценность действий, которых почти нет в датасете, а бутстрэппинг по Беллману разнесет ошибку по траекториям. Решение — Conservative Q-Learning: штраф в функции потерь через logsumexp/softmax подавляет недоказанные данными действия, оставляя точную подгонку для наблюдавшихся.

Практическая часть: полный конвейер реализован прямо на MQL5 (прямой проход, loss, backprop, фиксированные веса в советнике), без ONNX и ML-фреймворков. Python используется только для сборки датасета из CSV-экспортов MT5 и синхронизации призна...

👉 Читай | Маркет | @mql5ru
❤1👀1
Большинство real-time систем мониторинга дрейфа для ONNX ограничиваются средним и стандартным отклонением признаков. Такой контроль пропускает изменения формы распределения при сохранении первых двух моментов, включая переход от одномодального к бимодальному режиму.

Предлагается детектор на основе одномерного Wasserstein-1: сравнение фиксированного эталонного окна и скользящего окна одинакового размера через сортировку и среднюю L1-разность порядковых статистик. Метрика остается конечной при выходе значений за носитель, а также учитывает расхождения по всему распределению, в отличие от KS; KL для таких данных часто некорректна.

В реализации для MT5 детектор работает по каждому из 8 признаков, нормирует W1 на IQR эталона, контролирует и взвешенную сумму, и максимум по признакам, конфигурируется JSON-манифестом. Расчеты выполняются раз в N закрытых баров, с кольцевым буфером и предвар...

👉 Читай | Сигналы | @mql5ru
❤1👀1
В части 16 вложенная кросс-валидация закрыла смещение оценки качества из‑за отбора: итоговое число считается на данных, не участвовавших в настройке. Проблема переобучения при самом отборе осталась, а низкая оценка все еще смешивает дрейф режима, шум меток и нестабильность признаков.

Предложена диагностика различимости кандидатов: измеряется дисперсия критерия на допустимых повторных разбиениях временного ряда без перемешивания. Используется сдвиг границ PurgedKFold с сохранением очистки и эмбарго (OffsetPurgedKFold) и оговоркой о корреляции сдвигов.

Реализуется criterion_variance_audit и selection_overfit: noise_floor (шум критерия), candidate_spread (разброс средних оценок кандидатов), resolution_ratio=candidate_spread/noise_floor, selection_regret и argmax_stability. В примере resolution_ratio=0.49, что указывает на доминирование шума и риск ухудшения обобщения при расширении пои...

👉 Читай | VPS | @mql5ru
👀1
Опубликован открытый бесплатный советник GER40 Evening Coil для индекса German 40 на H1. Логика: вход только в вечерней сессии после узкодиапазонного бара при низкой волатильности и нормальном тиковом объеме, выход принудительно до 23:00 по серверному времени.

Ограничения: только лонг, одна позиция одновременно, стоп на каждой сделке. Вход на открытии следующего бара, SL 3,5 ATR, TP 4,5 ATR.

Бэктест 01.01.2022–13.10.2026: старт $10k, фиксированный лот 5. Итог +376,5% при максимальной просадке 10,5%, PF 2,07, MAR 2,74, 465 сделок, winrate 62,6%, худшая серия убытков 5.

Заявлены проверки устойчивости: 15 стресс-тестов (оценка A), штрафы на комиссии/проскальзывание/задержку входа, статистическая значимость (включая коррекцию Harvey–Liu), тесты Монте-Карло и вариации параметров. Отмечен риск различий тикового объема у брокеров и повышенные спреды вечером. Материал заявлен как исследова...

👉 Читай | Коды | @mql5ru
👀1
InfoPanel — компактная панель на графике для постоянного мониторинга ключевых параметров: времени до закрытия текущей свечи, текущего спреда, дневного ATR и доли среднего дневного диапазона, уже пройденной за день.

Отображаемые данные включают символ и обратный отсчёт по свече, спред в пунктах с подсветкой при расширении, ATR D1 в пунктах и текущий дневной диапазон в процентах от ATR с выделением при значении выше 100%.

Настраиваются период ATR, позиция в углу графика, смещения по X/Y, размер шрифта и цвет текста.

Решение рассчитано на любые инструменты и таймфреймы, с минимальной нагрузкой: один таймер в секунду и четыре текстовые метки. Торговые сигналы не формируются, используется только для информирования.

👉 Читай | Справка | @mql5ru
👀1
RoundNumbers наносит на график горизонтальные уровни по круглым ценам вокруг текущей видимой цены: 1,1000 и 1,1050 для EURUSD, 2650,00 для золота, 30500 для индекса. Такие уровни часто выступают психологическими ориентирами, где концентрируются заявки и возрастает вероятность реакции цены.

Отображение включает тонкие пунктирные линии на каждом шаге сетки и более толстые сплошные линии на каждом десятом шаге. Шаг может подбираться автоматически по текущему масштабу, чтобы сохранять разумную плотность уровней. При прокрутке и изменении масштаба линии пересчитываются для видимой области.

Параметры: фиксированный шаг (0 для авто), лимит линий при автошаге, цвета основных и второстепенных уровней, стиль второстепенных линий. Поддерживаются любые инструменты и таймфреймы; отрисовка ограничена экранной областью. Индикатор носит информационный характер и не является торговой системой.

👉 Читай | Нейросети | @mql5ru
👀1
В цепочку модификаторов PropFirmAwareSizer.size() добавлены derisking_factor и news_window_factor. Первый снижает размер позиции по мере достижения цели по прибыли, используя phase_progress и отдельные нижние границы в зависимости от meets_min_trading_days. Второй ограничивает риск по календарю новостей на стадии торговли на финансируемом счете, без привязки к бюджету убытков и прогрессу этапа.

WParamCalibrator продолжает масштабировать сигмоиду через risk_budget_pct, отражая остаток допустимой просадки. Модификаторы перемножаются, а не выбираются по min(), поэтому несколько умеренных ограничений дают более жесткий итог.

Для исторического тестирования требуется расчет derisking на каждом событии с корректным снимком состояния. Один общий snapshot на пакет приводит к скрытому завышению размера позиции ближе к завершению этапа и эффекту look-ahead без явных ошибок.

👉 Читай | Котировки | @mql5ru
👀1
В платформе зон спроса/предложения добавлен слой долговременного хранения, чтобы после перезапуска не терялись жизненный цикл, история касаний, оценки, флаги сигналов, записи черного списка и управляемая геометрия ручных зон. Без этого восстановленные прямоугольники ведут себя как новые и создают риск повторных входов и рассогласования логики с отображением.

Состояние выносится в SZonePersist как снимок простых данных: идентификаторы, геометрия и время, оценки и телеметрия, флаги жизненного цикла, точки привязки для пользовательских зон. CZone остается ответственным за обнаружение, сопровождение и торговые действия.

Хранилище размещается в Terminal\Common\Files\DynamicSR\V5, файл выбирается по контексту «инструмент+таймфрейм». Изменения помечаются через MarkPersistDirty(), сериализация выполняется пакетно через SavePersistState(), чтение — через LoadPersistState() и CZonePersistence...

👉 Читай | Маркет | @mql5ru
❤1👀1
Обновление редактора объектов в MT5: вместо ленты быстрых правок добавлено полноценное окно настроек с вкладками, привязанное к выбранному графическому объекту и открываемое кнопкой «Настройки». Вкладки «Стиль», «Текст», «Координаты», «Видимость» строятся на той же системе дескрипторов и API чтения/записи свойств, поэтому лента и окно используют единый источник метаданных и общие всплывающие панели выбора цвета/толщины/стиля.

Окно добавляет то, чего не хватало ленте: прокрутку, разворачивание списков уровней в отдельные строки на каждый уровень, точный ввод цены/времени для опорных точек и компактные числовые поля с диапазонами. Жизненный цикл продуман под трейдерскую «примерку»: изменения сразу видны на графике через снапшот, а при закрытии можно зафиксировать или полностью откатить правки.

👉 Читай | Фриланс | @mql5ru
❤1👀1
В статье разбирается, почему типичный быстрый отбор признаков в трейдинге часто неверен: наивные перестановочные тесты ломаются на перекрывающихся метках доходности и персистентных признаках. На EURUSD H1 независимый признак мог давать 100% ложных «находок» при номинальных 5% из‑за разрушения временной структуры.

Предлагается отдельная, откалиброванная генерация нулевого распределения: циклический сдвиг (включая вариант с сохранением суточной сезонности) и аккуратный блочный бутстрэп с явным контролем длины блока.

Реализован трехэтапный конвейер afml.screening: 1) фильтр стационарности ADF+KPSS, 2) энтропийный фильтр через равные по ширине интервалы, 3) отбор по взаимной информации с групповым контролем ошибок (Westfall–Young). Это снижает ложные сигналы и экономит вычисления, оставляя трейдерам переносимые признаки.

👉 Читай | Календарь | @mql5ru
PDF может корректно отображаться и извлекаться по тексту, оставаясь структурно некорректным. Ошибки в байтовых смещениях, /Length и startxref часто не видны без явной валидации.

В эксперименте один и тот же hello.pdf повреждается тремя способами: изменение текста без пересчета смещений, нарушение 20-байтовой структуры xref-записей, неверный startxref. PDFium и pypdf принимают такие файлы и восстанавливают структуру сканированием, иногда без сообщений при настройках по умолчанию.

Практический вывод: просмотрщик не является валидатором. Для генераторов и серверной обработки требуется независимая проверка: заголовок с нулевого байта, startxref должен указывать на xref, каждая xref-запись фиксированной длины, а запись i должна вести на i 0 obj. На этой базе строится PdfValidate.mqh с отчетом по объектам и фактическим/ожидаемым смещениям.

👉 Читай | Котировки | @mql5ru
❤1
Статья проверяет распространенное допущение: одинаковый прямой проход нейросети должен давать одинаковые числа независимо от библиотеки. На практике сравниваются три реализации инференса одного и того же MLP 8-16-8-1 (ReLU, линейный выход): штатные matrix/vector в MQL5, ALGLIB CMatrixDouble и ONNX Runtime через OnnxRun(), при одинаковых весах и входах.

Тестовый стенд измеряет два параметра, критичных для советников: отклонение от эталона float64 (посчитан в Python) и время на вызов в микросекундах, включая хвосты распределения (p95/p99), а не только среднее. Это важно для пороговых решений и рекурсивных расчетов (EMA/фильтры), где ошибка может накапливаться.

Ключевая инженерная часть — жесткий “контракт” форм и данных: веса и тест-векторы грузятся из CSV с проверкой тегов и размерностей, чтобы исключить тихие ошибки ориентации матриц/форм тензоров. Результат: два движка совпадают с ...

👉 Читай | Справка | @mql5ru
Постфактум-объяснимость в торговых моделях (SHAP, PDP) опирается на усреднения и возмущения входов, поэтому всегда остается расхождение между атрибуцией и реальными вычислениями сети.

Нейронная аддитивная модель (NAM) устраняет этот разрыв: по одной подсети на признак, итоговый сигнал равен сумме их выходов. Вклад признака определяется однозначно и получается в том же прямом проходе, без отдельного этапа интерпретации.

Реализация для MetaTrader 5: обучение NAM на 5 признаках в PyTorch, экспорт в ONNX и запуск в советнике. На каждом закрытом баре советник читает сигнал и точные вклады признаков.

В архитектуре используются подсети с блоком ExU для нестационарных входов, выход без сигмоиды и встроенная загрузка ONNX из буфера через #resource, чтобы исключить проблемы путей в тестере стратегий.

👉 Читай | Маркет | @mql5ru
Forest Optimization Algorithm (FOA) использует два оператора генерации решений: локальный сдвиг одной координаты у новых деревьев и глобальную замену нескольких координат случайными значениями. Остальная логика сводится к возрасту решений, отсеву по lifeTime и удержанию лучших в пределах areaLimit.

Один цикл включает локальный посев, старение, ограничение популяции с формированием кандидатов, глобальный посев из кандидатов и сброс возраста лучшего дерева до 0. В реализации для стенда цикл растянут на батчи фиксированного размера popSize, а очередь оценки дополняется локальными потомками для заполнения порции.

Тесты на Hilly/Forest/Megacity при бюджете 10 000 оценок показывают: 10D — 88.2% от максимума, 50D — 69.1%, 1000D — 21.0%. Ручная настройка сместила параметры к LSC=1, dx=0.4, увеличенному lifeTime и сниженной доле замен GSC, что позволяет делать больше циклов отбора при том же...

👉 Читай | Нейросети | @mql5ru
Вышла версия 1.33 USDX Trader для MT5 с исправлением ошибок. Инструмент формирует синтетический индекс доллара США из доступных у брокера USD-пар, отображает его как пользовательский символ и позволяет торговать индексом как корзиной базовых инструментов.

Корзина открывается и закрывается одной командой, объёмы рассчитываются по весам, а виртуальные TP/SL задаются в индексных пунктах и контролируются по уровню индекса, а не по отдельной паре. Предусмотрены пресеты (USDX и расширенные корзины), поддержка пользовательских комбинаций, автопоиск символов с суффиксами, а также восстановление последних баров по тикам.

В Strategy Tester пользовательские символы недоступны, поэтому индекс рассчитывается виртуально по компонентам; доступен демонстрационный автоматический режим на пересечении EMA. Отмечены ограничения: неофициальные котировки, многоэтапное исполнение со спредами/свопами, и от...

👉 Читай | Коды | @mql5ru
Индикатор PivotPoints рассчитывает дневную точку разворота и уровни R1–R3 и S1–S3 по максимуму, минимуму и цене закрытия предыдущего дня. Отображаются также уровни за несколько прошлых дней, каждый набор действует только в пределах своего торгового дня.

Поддерживаются формулы: классическая (PP и уровни через диапазон), Фибоначчи (смещения 0,382/0,618/1,000 от диапазона) и Камарилла (смещения от Close через 1,1×range с делителями 12/6/4). Цвета настраиваются: PP, сопротивления и поддержки, опционально включаются текстовые метки.

Расчет ведется по дневным свечам на любых символах и таймфреймах. Уровни фиксируются на открытии дня и не перерисовываются. Инструмент носит информационный характер и не является торговой системой.

Практика применения: сначала оценка реакции цены на PP, R1 или S1, затем проверка совпадений с экстремумами предыдущего дня для выявления зон концентрации уровней.

👉 Читай | Календарь | @mql5ru
👍1
Индикатор формирует цветную гистограмму в отдельном окне по зонам Williams %R. По умолчанию перекупленность отмечается Lime, перепроданность Magenta. Диапазон (-40; -11) окрашивается в Green, диапазон (-89; -60) в Red, нейтральная область (-60; -40) в Gray. Цвета и границы зон настраиваются.

Расчёт выполняется с заполнением истории на первом проходе и последующим обновлением только текущего формирующегося бара, что снижает нагрузку на терминал.

Параметры включают период %R, уровни High_level (-11) и Low_level (-89), зоны High_zone (-40) и Low_zone (-60), а также отдельные цвета для каждой области и нейтрального диапазона. Логика отрисовки сводится к сравнением значения %R с заданными порогами и выбору соответствующего цвета столбца.

👉 Читай | Учебник | @mql5ru
❤1
Алгоритм Гёрцеля применяется для вычисления отдельных бинов ДПФ и удобен, когда требуется контролируемый набор частот. Для финансовых рядов это дает режим близкий к real-time при умеренной вычислительной нагрузке и пригодно для поиска доминирующих циклов.

В практической реализации на MQL5 используется класс CGoertzel для сканирования полосы частот через min/max period. Перед расчетом обычно требуется предобработка: удаление тренда (например, МНК), оконная функция и сглаживание конечных точек для снижения спектральной утечки.

Поверх базового расчета предлагается CGoertzelCycle: получение спектра, ранжирование доминирующих циклов по амплитуде или cycle strength, а также методы Calculate* для индикаторов. Показаны примеры: реконструкция сигнала по 10 ведущим циклам и адаптивный RSI, где параметры зависят от найденного периода.

👉 Читай | Календарь | @mql5ru