Язык программирования MQL5: Продвинутое использование торговой платформы MetaTrader 5. Издание 2-е, исправленное и дополненное - Тимур Машнин
Шрифт:
Интервал:
Закладка:
Без этой информации мастер MQL5 просто не добавит сигнал в свой интерфейс, хотя файл сигнала и будет расположен в папке MQL5IncludeExpertSignal.
После создания модуля сигналов редактор MetaEditor необходимо перезагрузить, чтобы сигнал добавился в мастер MQL5.
Здесь строка Title отображается в списке сигналов окна мастера MQL5, строка Page указывает на раздел справки и должна быть пустой, строки Parameter описывают методы установки параметров сигнала и используются при генерации кода советника.
Далее идет объявление параметров и методов класса модуля сигналов.
Здесь объекты m_ma* представляют скользящие средние, используемые системой Сидуса, параметр m_numberOpenPosition представляет количество баров, на которых будет проверяться пересечение скользящих средних.
Для генерации сигналов определим три модели прогноза цены — пересечение скользящими средними 5WMA и 8 WMA скользящих средних 18 ЕМА и 28 ЕМА, пересечение скользящей средней 5WMA скользящую среднюю 8 WMA, и пересечение скользящей средней 18 ЕМА скользящую среднюю 28 ЕМА.
И здесь метод ValidationSettings проверяет на корректность параметры сигнала, метод InitIndicators инициализирует объекты m_ma*.
Генерируемый эксперт будет получать сигналы модуля с помощью методов CheckOpenLong. CheckOpenShort, CheckCloseLong, CheckCloseShort, CheckReverseLong, CheckReverseShort класса CExpertSignal.
Однако эти методы, в свою очередь, формируют свои возвращаемые значения на основе значений, которые возвращаются методами LongCondition и ShortCondition нашего модуля.
Методы LongCondition и ShortCondition как раз и оперируют моделями прогноза цены.
Потому в модуле сигналов достаточно определить эти два метода.
Далее определим конструктор класса и его методы.
Здесь в методе LongCondition мы реализуем три модели прогноза цены на покупку.
И в методе ShortCondition мы реализуем три модели прогноза цены на продажу.
С помощью мастера MQL5 сгенерируем код эксперта на основе созданного модуля сигналов.
При оптимизации параметров данного эксперта на часовом графике EUR/USD получим, что эксперт лучше всего работает со следующими значениями параметров:
Signal_ThresholdOpen =20;
Signal_ThresholdClose =20;
Signal_MA_NumberOpenPosition =3;
Signal_MA_Pattern_0 =60;
Signal_MA_Pattern_1 =10;
Signal_MA_Pattern_2 =100;
Trailing_FixedPips_StopLevel =100;
Создание индикатора на основе модулей торговых сигналов эксперта
В качестве примера создадим индикатор на основе двух модулей сигналов SignalMA и SignalMACD, файлы которых находятся в каталоге MQL5IncludeExpertSignal.
В мастере MQL5 создадим основу индикатора, выбрав вариант Пользовательский индикатор.
Теперь нам нужно указать свойства индикатора, а также определить функции OnInit и OnCalculate.
При создании индикатора на основе модулей торговых сигналов эксперта будем опираться на код сгенерированного с помощью MQL5 эксперта.
При работе такого эксперта, в функции OnTick, вызывается функция OnTick класса CExpert.
В этой функции сначала вызывается функция Refresh, обновляющая цены символа и значения индикаторов, а уже потом вызывается функция Processing, которая получает торговые сигналы и выставляет ордера.
Так как функция Refresh является защищенной, а нам нужно обновлять данные модулей торговых сигналов в нашей функции OnCalculate, создадим свой класс CExpertInd, расширяющий класс CExpert.
Здесь мы просто перенесли код функции Refresh из класса CExpert, сделав функцию Refresh публичной.
Посмотрев на классы CSignalMA и CSignalMACD, мы увидим, что функции LongCondition и ShortCondition, дающие рыночные модели, вызываются на текущем баре.
Нам же нужно вызывать эти функции на всей истории символа.
Кроме того, нам нужна функция BarsCalculated, возвращающая количество рассчитанных значений в модуле сигналов.
Поэтому создадим классы CSignalMAInd и CSignalMACDInd, расширяющие классы CSignalMA и CSignalMACD.
Здесь мы определили функцию BarsCalculated, возвращающую количество рассчитанных значений в модуле сигналов.
И изменили функции LongCondition и ShortCondition, передавая в них в качестве параметра индекс бара, на котором нужно вычислить сигнал.
Тоже самое сделаем и в классе CSignalMACDInd, расширяющем класс CSignalMACD.
Определим функцию BarsCalculated, возвращающую количество рассчитанных значений в модуле сигналов.
И изменим функции LongCondition и ShortCondition, передавая в них в качестве параметра индекс бара, на котором нужно вычислить сигнал.
Теперь можно приступить к коду нашего индикатора.
Будем рисовать индикатор в виде линии по ценам открытия, которая будет менять цвет в зависимости от прогноза на рост или снижение цены.
И здесь мы взяли входные параметры и код инициализации из кода сгенерированного эксперта.
Так как модули сигналов работают с данными как с таймсериями, применим функцию ArraySetAsSeries к буферам нашего индикатора.
В функции OnCalculate индикатора мы сначала обновляем все данные, а затем получаем взвешенные сигналы модулей и сравниваем их с пороговым значением.
В итоге получаем прогноз на увеличение или уменьшение цены.
После присоединения к графику нашего индикатора на основе модулей сигналов советника, мы увидим, как индикатор меняет цвет в зависимости от прогноза на рост или снижение цены.
Создание такого индикатора — это способ наглядно посмотреть работу советника на графике символа.
Генетические алгоритмы
Если рассматривать задачу создания самооптимизирующегося советника,
То при создании самооптимизирующегося советника, на определенном этапе его работы, требуется автоматический вызов кода, который заново оптимизирует параметры советника на истории финансового инструмента, и далее советник продолжит свою работу уже с новыми параметрами.
Так как сам советник работает на текущем баре и не использует историю символа, код оптимизации параметров советника должен опираться на код индикатора, который в свою очередь создан на основе кода советника.
Для оптимизации параметров советника, или теперь уже параметров индикатора, совпадающих с параметрами советника, можно использовать полный перебор, однако для сокращения времени оптимизации можно применить генетический алгоритм.
Для начала обратимся к терминологии.
Хромосома состоит из набора генов — набора случайно выбранных параметров советника в допустимых диапазонах.
Поколение это набор хромосом.
Фитнес функция FF это код, возвращающий значение советника, по которому производится оптимизация, например прибыль.
Значение функции фитнеса VFF используется для вычисления вероятности P воспроизведения хромосомы — члена популяции.
Начальная популяция формируется случайным образом и размер популяции (количество особей) фиксируется и не изменяется в течение работы всего алгоритма.
На основе
