پیشنیازها: دانش پایه MQL5
اخبار، سوخت روزانه ترس و طمع در زندگی ما هستند. اخبار نحوه برنامهریزی آینده و پیشبینی خوشبختی یا بدبختی ما را تعیین میکنند. آگاهان همیشه در امان هستند، این قانون جنگل است.
بازار فارکس، هیولایی است که جز ترس و طمع هیچ چیز دیگری آن را تغذیه نمیکند. این بازار، طبیعت واقعی رفتار انسان را نشان میدهد. این یک جنگل رقابتی است که در آن قویترینها برای بقا آمادهاند. این محفظهای از ثروت و درد است که مانند یین و یانگ به یکدیگر پیوند خوردهاند.
از آنجایی که اخبار، رفتارهای ترس و طمع را ترویج میدهند، این اخبار هستند که باعث هرج و مرج و نوسان در بازار فارکس میشوند. این اخبار هستند که باعث رفتار غیرمنطقی بازارها میشوند و این اخبار هستند که باعث روند بازارها میشوند. بدون اخبار، نوسانی وجود نخواهد داشت که سرمایهگذاران را به بازار فارکس جذب کند، طمعی که باعث خرید میشود و ترسی که باعث فروش میشود، وجود نخواهد داشت. بازارها برای مدتهای طولانی رکود و سکون خواهند داشت و جذابیت خود را به عنوان سازندگان فرصت از دست خواهند داد.
اخبار مؤثر بر بازار فارکس در تقویم اقتصادی جمعآوری میشوند. برای معاملهگران الگوریتمی، اخبار قابل اعتماد و به موقع امری حیاتی است و اینجاست که تقویم اقتصادی MQL5 میدرخشد. دلیل اصلی این امر این است که حتی با وجود وبسایتهای دادههای اقتصادی در همهجا، ادغام صحیح آنها در Expert Advisors (EAs) شما میتواند بسیار چالش برانگیز باشد.
تقویم MQL5 در خود پلتفرم MetaTrader قرار دارد. این امر نیاز به فیدهای داده خارجی را از بین میبرد و ادغام بینقص و تأخیر حداقل را تضمین میکند. EA شما بهروزرسانیهای رویدادهای اقتصادی را مستقیماً دریافت میکند و امکان واکنش تقریباً آنی به تغییرات بازار ناشی از انتشار دادهها را فراهم میآورد.
همچنین، تقویم اقتصادی MQL5 مجموعهای اختصاصی از توابع را ارائه میدهد که به طور خاص برای EAs طراحی شدهاند. این توابع به شما امکان میدهند تا به طور مؤثر تقویم را برای رویدادهای آینده پرسوجو کنید، بر اساس انواع دادههای خاص (نرخ بهره، ارقام اشتغال و غیره) فیلتر کنید و جزئیات حیاتی مانند زمان انتشار و مقادیر پیشبینی شده را استخراج کنید. این رویکرد ساده شده، شما را از دردسر تجزیه و تحلیل دادههای وبسایتهای خارجی نجات میدهد و تضمین میکند که EA شما قدرت پردازش خود را بر روی تحلیل و اجرای معاملات متمرکز کند.
با اتکا صرف به تقویم داخلی MQL5، شما خطرات امنیتی بالقوه مرتبط با منابع داده خارجی را از بین میبرید. وبسایتهای شخص ثالث میتوانند در معرض هک یا دستکاری باشند که میتواند منجر به خطا یا اطلاعات گمراهکننده در فرآیند تصمیمگیری EA شما شود. محیط امن MQL5 این خطرات را کاهش میدهد و از تمامیت دادههایی که EA شما استفاده میکند، اطمینان حاصل میکند.
در این دوره، ما با ایجاد یک فیلتر اخبار شروع خواهیم کرد که اساساً ریسک نوسانات شدید ناشی از انتشار اخبار را در استراتژیهای بازگشت به میانگین (mean reversion strategies) کاهش میدهد، استراتژیهایی که در بازارهای جانبدارانه متحمل ضررهای زیادی میشوند. در ایجاد فیلتر اخبار، ما بر چگونگی دسترسی به دادههای اقتصادی گذشته، دادههای اقتصادی آینده و نحوه دسترسی به عناصر خاص مانند مقادیر اخبار از دادهها تمرکز خواهیم کرد.
سپس اسکریپتی را کدنویسی خواهیم کرد که دادههای اخبار گذشته را جمعآوری کرده و آن را در یک فایل CSV ذخیره میکند. پس از آن، یک Expert Advisor کدنویسی خواهیم کرد که دادهها را از فایل CSV اخبار ذخیره شده میگیرد و بر اساس آن در استراتژی تستر معاملات را وارد میکند، این امر به ما امکان میدهد ایدهها و استراتژیهای معاملاتی خود را بر اساس رویدادهای خبری با استفاده از استراتژی تستر متاتریدر آزمایش کنیم. در نهایت، استراتژی آزمایش شده خود را برای معاملات بازار زنده تطبیق خواهیم داد تا بتوانیم آن را برای رویدادهای خبری زنده پیادهسازی کنیم.
برای کسانی که هنوز در حال یادگیری MQL5 هستند، تا زمانی که اصول اولیه MQL5 را درک کرده باشید، این دوره برای شما مناسب است. ما شما را به آرامی در هر مرحله از فرآیند توسعه استراتژی راهنمایی میکنیم و شما را در هر خط از کدی که مینویسیم، همراهی میکنیم. امیدواریم در پایان دوره، مهارتهای لازم برای کدنویسی استراتژیهای معاملاتی مشابه را کسب کرده و بتوانید قدردان این باشید که چگونه دستکاری دادههای اخبار میتواند استراتژیهای شما را بهبود بخشد.
پس همین حالا بر روی دکمه ثبتنام کلیک کنید و در این سفر باورنکردنی کدنویسی یک فیلتر معاملاتی اخبار و استراتژیهای معاملاتی مرتبط با اخبار به من بپیوندید.
Joy D Moyo
طراح و توسعه دهنده سیستم های معاملاتی الگوریتمی
Latvian Trading Solutions
معامله گران و توسعه دهندگان نرم افزار
Omega Joctan
توسعهدهنده فول استک وب، علاقهمند به هوش مصنوعی و یادگیری ماشین
نمایش نظرات