MQL4

У частного алготрейдера есть 4 ключевых задачи:

1. Поиск идей торговых стратегий и упаковка их в роботов;
2. Проверка роботов на подгонку и устойчивость к изменениям;
3. Формирование портфеля роботов с отрицательной попарной корреляцией;
4. Управление этим портфелем стратегий на реальном счете (переоптимизация/замена на новые стратегии)

В данной статье попробуем решить первую задачу с помощью data mining.

Data mining (рус. добыча данных, интеллектуальный анализ данных, глубинный анализ данных) — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Термин введён Григорием Пятецким-Шапироruen в 1989 году.

Чтобы проиллюстрировать что такое data mining в Metatrader 5 на срочном рынке Мосбиржи, установим в Metatrader 5 из Market mql5.com

Всех приветствую. Продолжаем изучение языка MQL4. В прошлый раз мы говорили о вещественных  типах данных, а сегодня поговорим о строковом типе. Начать следует с того, что из себя представляет строка. Строка – это последовательность из юникод-символов. Таблица юникод-символов включает в себя очень много символов, хотя в практическом использовании строк, скорее всего, мы будем пользоваться только теми символами, которые видим на клавиатуре. Сюда входят и буквы, и цифры и знаки пунктуации. Как раз строковый тип данных string и позволяет хранить последовательности из таких символов.  

Строки могут быть полезны для вывода какой-либо информации на экран или в журнал. В этом смысле они весьма универсальны, поскольку позволяют совмещать текстовую и числовую информацию. Используя строки, можно обеспечить информативность работы советника, т. е. советник может сопровождать свои действия выводом пояснительных сообщений. Это даёт понять, какой этап алгоритма выполняется в данный момент времени. Так же эти сопроводительные сообщения позволят, в случае возникновения ошибок в работе советника, быстрее сориентироваться где они могли произойти и исправить их.

Всех приветствую. Продолжаем изучение языка MQL4.

В прошлый раз мы рассмотрели целые типы данных, а сегодня поговорим о вещественных типах. Они предназначены для того, чтобы хранить не только целую, но и дробную часть числа. Поэтому они гораздо более универсальны, чем целые типы данных. В плане математических операций с целыми числами мы ограничены тем, что результат обязательно должен быть целым, иначе мы потеряем дробную часть числа. По этой причине целые типы чаще всего применяются для нумерации элементов массива и для всевозможных счётчиков, когда нам необходимо посчитать сколько раз выполнилось какое-либо условие. Например, перебрать все активные ордера и посчитать сколько из них каждого типа: (buy, sell, buy stop, buy limit, sell stop, sell limit).

Вещественные типы в этом смысле могут применяться гораздо шире, в самых разных математических операциях, потому что хранят целую и дробную часть числа.

Вещественных типов данных в языке MQL4 (и в MQL5 тоже) всего 2:

Всех приветствую. Продолжаем цикл уроков по MQL4.

В прошлый раз мы начали тему типов данных, сегодня будем говорить о ней более конкретно. Речь пойдёт о целых типах данных, предназначенных для хранения целочисленных значений. В языке MQL4 их 11 штук и отличаются они друг от друга по количеству места, которое занимают в памяти, и по области значений, которые переменные данных типов могут  принимать. Естественно, исходя из этих отличий, иногда рациональнее использовать один тип данных, а иногда другой.

Список целых типов данных в MQL4 выглядит следующим образом:

• char
• uchar
• bool
• short
• ushort
• int
• uint
• color
• long
• ulong
• datetime

Кстати, в языке MQL5 типы данных такие же, так что содержание поста можно смело отнести и к целым типам данных в MQL5.

Все подробности о каждом типе данных с примерами применения можно узнать из закреплённого видео. Спасибо за внимание.

• комментарии;
• идентификаторы;
• зарезервированные слова.