matrix A(2, 3); matrix B(3, 2); matrix C = A @ B; // Результат: матрица C размером [2,2]Матричное умножение (матрица × вектор)
matrix M(2, 3); vector V(3); vector R = M @ V; // Результат: вектор R из 2 элементовМатричное умножение (вектор × матрица)
matrix M(2, 3); vector V(1, 2); vector R = V @ M; // Результат: вектор R из 3 элементовСкалярное произведение (вектор × вектор)
vector V1(1, 3), V2(1, 3); double r = V1 @ V2; // Результат: скаляр
static vector vector::Random( const ulong size, // длина вектора const double min=0.0, // минимальное значение const double max=1.0 // максимальное значение ); static matrix matrix::Random( const ulong rows, // количество строк const ulong cols // количество столбцов const float min=0.0, // минимальное значение const float max=1.0 // максимальное значение );
Обновление будет доступно через систему Live Update.
В последних версиях мобильного приложения MetaTrader 5 для iOS мы добавили множество удобных функций для графиков, а также сделали несколько важных исправлений для более стабильной работы приложения.
Установите последнюю версию приложения и расширьте свои торговые возможности:
![]() |
![]() |
В MetaTrader 5 build 4755 мы исправили ошибку в расчете тройного свопа в тестере стратегий, происходившую при некоторых сочетаниях условий тестирования. Также мы внесли ряд более мелких улучшений и исправлений, чтобы сделать работу платформы еще более стабильной.
matrix<complex<T>> matrix<complex<T>>::TransposeConjugate(void) const;Метод возвращает новую сопряженно-транспонированную матрицу, в которой элементы исходной матрицы транспонированы и приведены к их комплексно сопряженным значениям.
int matrix<T>::CompareEqual(const matrix<T>& mat) constВозвращаемые значения:
pip install --upgrade MetaTrader5
Функция | Действие |
---|---|
Singular Value Decomposition, алгоритм divide and conquer. Считается наиболее быстрым среди других алгоритмов SVD (lapack-функция GESDD). | |
Singular Value Decomposition, QR-алгоритм. Считается классическим алгоритмом SVD (lapack-функция GESVD). | |
Singular Value Decomposition, алгоритм QR with pivoting (lapack-функция GESVDQ). | |
Singular Value Decomposition, алгоритм bisection (lapack-функция GESVDX). | |
Singular Value Decomposition, алгоритм Jacobi high level (lapack-функция GEJSV). | |
Singular Value Decomposition, алгоритм Jacobi low level (lapack-функция GESVJ). В некоторых случаях вычисляет малые сингулярные значения и их сингулярные векторы гораздо более точно, чем другие подпрограммы SVD. | |
Singular Value Decomposition, алгоритм divide and conquer для бидиагональной матрицы (lapack-функция BDSDC). | |
Singular Value Decomposition, алгоритм bisection для бидиагональных матриц (lapack-функция BDSVDX). | |
Вычисление собственных значений и собственных векторов обычной квадратной матрицы классическим алгоритмом (lapack-функция GEEV). | |
Вычисление собственных значений и собственных векторов симметричной или эрмитовой (комплексно-сопряжённой) матрицы при помощи алгоритма divide and conquer (lapack-функции SYEVD, HEEVD). | |
Функция-метод расчета относительных вкладов спектральных компонент по собственным значениям. | |
Функция-метод расчета реконструированных и прогнозируемых данных с использованием спектральных компонент входного временного ряда. | |
Функция-метод расчета реконструированных компонент входного временного ряда и их вклады. | |
Функция-метод расчета реконструированного временного ряда с использованием первых component_count компонент. |
Terminal
MQL5
Web Terminal
Обновление доступно через систему Live Update.
MetaTrader 5 Android
Обновите ваши мобильные приложения на билд 4360 через Google Play, Huawei AppGallery или скачайте файл APK.
Добавлена горячая клавиша Alt+X для вызова списка экспертов, исправлены ошибки в MetaTester при установке свойств графического объекта «Рисунок». Также запрещено подключение агентов тестирования к MQL5 Cloud Network в виртуальных средах и при отсутствии поддержки AVX у процессора.
Terminal
MetaTester
Web Terminal
MetaEditor
Terminal
MQL5
MetaTrader 5 Web Terminal
vector<double/complex> operator[](const int i) const; vector<double/complex> operator[](const ulong i) const;Теперь вместо них используется один метод с константным возвращаемым значением:
const vector<double/complex> operator[](const ulong i) const;Внесенная правка позволит отловить некорректное использование результата по месту: в новой версии Alglib код mat[row][col]=x работает не так, как в старой. Ранее это была запись в матрицу, а теперь — запись во временный объект vector<double/complex>, который после записи сразу же уничтожается.
bool ArrayToFP16(ushort &dst_array[],const float &src_array[],ENUM_FLOAT16_FORMAT fmt); bool ArrayToFP16(ushort &dst_array[],const double &src_array[],ENUM_FLOAT16_FORMAT fmt); bool ArrayToFP8(uchar &dst_array[],const float &src_array[],ENUM_FLOAT8_FORMAT fmt); bool ArrayToFP8(uchar &dst_array[],const double &src_array[],ENUM_FLOAT8_FORMAT fmt); bool ArrayFromFP16(float &dst_array[],const ushort &src_array[],ENUM_FLOAT16_FORMAT fmt); bool ArrayFromFP16(double &dst_array[],const ushort &src_array[],ENUM_FLOAT16_FORMAT fmt); bool ArrayFromFP8(float &dst_array[],const uchar &src_array[],ENUM_FLOAT8_FORMAT fmt); bool ArrayFromFP8(double &dst_array[],const uchar &src_array[],ENUM_FLOAT8_FORMAT fmt);Поскольку форматы вещественных чисел для 16 и 8 бит могут отличаться, в параметре fmt в функциях конверсии необходимо указывать, какой именно формат числа требуется обработать. Для 16-битных версий используется новое перечисление NUM_FLOAT16_FORMAT, которое на данный момент имеет следующие значения:
Улучшено отображение маржевых требований в спецификации контракта. Теперь помимо коэффициентов и исходных параметров для расчета отображается итоговое значение маржи. Если сумма залога зависит от объема позиции, в диалоге будут показаны соответствующие уровни.
Terminal
MQL5
MetaEditor
Tester
Web Terminal
Terminal
MQL5
MetaTrader 5 Web Terminal
Terminal
MetaTrader 5 Web Terminal
Terminal
MQL5
//+------------------------------------------------------------------+ //| Script program start function | //+------------------------------------------------------------------+ void OnStart() { complex a=1+1i; complex b=a.Conjugate(); Print(a, " ", b); /* (1,1) (1,-1) */ vectorc va= {0.1+0.1i, 0.2+0.2i, 0.3+0.3i}; vectorc vb=va.Conjugate(); Print(va, " ", vb); /* [(0.1,0.1),(0.2,0.2),(0.3,0.3)] [(0.1,-0.1),(0.2,-0.2),(0.3,-0.3)] */ matrixc ma(2, 3); ma.Row(va, 0); ma.Row(vb, 1); matrixc mb=ma.Conjugate(); Print(ma); Print(mb); /* [[(0.1,0.1),(0.2,0.2),(0.3,0.3)] [(0.1,-0.1),(0.2,-0.2),(0.3,-0.3)]] [[(0.1,-0.1),(0.2,-0.2),(0.3,-0.3)] [(0.1,0.1),(0.2,0.2),(0.3,0.3)]] */ ma=mb.Transpose().Conjugate(); Print(ma); /* [[(0.1,0.1),(0.1,-0.1)] [(0.2,0.2),(0.2,-0.2)] [(0.3,0.3),(0.3,-0.3)]] */ }
from sys import argv data_path=argv[0] last_index=data_path.rfind("\\")+1 data_path=data_path[0:last_index] from sklearn.datasets import load_iris iris_dataset = load_iris() from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(iris_dataset['data'], iris_dataset['target'], random_state=0) from sklearn.neighbors import KNeighborsClassifier knn = KNeighborsClassifier(n_neighbors=1) knn.fit(X_train, y_train) # Convert into ONNX format from skl2onnx import convert_sklearn from skl2onnx.common.data_types import FloatTensorType initial_type = [('float_input', FloatTensorType([None, 4]))] onx = convert_sklearn(knn, initial_types=initial_type) path = data_path+"iris.onnx" with open(path, "wb") as f: f.write(onx.SerializeToString())Откройте созданный onnx-файл в MetaEditor:
struct MyMap { long key[]; float value[]; };Здесь мы использовали динамические массивы с соответствующими типами. В данном случае можно использовать фиксированные массивы, поскольку для данной модели Map всегда содержит 3 пары ключ+значение.
//--- объявим массив для приема данных с выходного слоя output_probability MyMap output_probability[]; ... //--- выполнение модели OnnxRun(model,ONNX_DEBUG_LOGS,float_input,output_label,output_probability);
MetaEditor
Web Terminal
Отчет поделен на четыре вкладки, каждая из которых содержит агрегированную информацию в своем разрезе:
Новые отчеты позволяют визуально оценивать торговые результаты во множестве разрезов, просто переходя по вкладкам. Гистограммы, графики и диаграммы интерактивны и дают дополнительную информацию при наведении курсора мышки. Наши дизайнеры провели большую работу, чтобы информация с отчетов считывалась максимально просто и понятно. Попробуйте сами и оцените!
Terminal MetaTrader 5 x64 build 3914 started for MetaQuotes Software Corp.
Terminal Windows 10 build 19045, 20 x Intel Xeon E5-2630 v4 @ 2.20GHz, AVX, 41 / 63 Gb memory, 58 / 280 Gb disk, UAC, GMT+2
VPS Hosting
MQL5
#define MACRO1 /* #define MACRO2 */ void OnStart() { #ifdef MACRO2 Print( 2 ); #else Print( 1 ); #endif }
void OnStart() { Print("CPU name: ",TerminalInfoString(TERMINAL_CPU_NAME)); Print("CPU cores: ",TerminalInfoInteger(TERMINAL_CPU_CORES)); Print("CPU architecture: ",TerminalInfoString(TERMINAL_CPU_ARCHITECTURE)); Print(""); Print("EX5 architecture: ",__CPU_ARCHITECTURE__); } CPU name: 12th Gen Intel Core i9-12900K CPU cores: 24 CPU architecture: AVX2 + FMA3 EX5 architecture: AVX
extern int X=0; void OnStart() { }
extern int X; void OnStart() { }
extern int X; int Y=X; void OnStart(void) { Print("Y=",Y," X=",X); } int X=_Digits;
MetaEditor
Tester
Обновлены переводы пользовательского интерфейса.
Исправления по крешлогам.
MetaTrader 5 Web Terminal build 3950
Terminal
MQL5
double vector::RegressionMetric( const vector& vector_true, // истинные значения const ENUM_REGRESSION_METRIC metric // метрика ); double matrix::RegressionMetric( const matrix& matrix_true, // истинные значения const ENUM_REGRESSION_METRIC metric // метрика ); vector matrix::RegressionMetric( const matrix& matrix_true, // истинные значения const ENUM_REGRESSION_METRIC metric, // метрика const int axis // ось );
vector vector::LinearRegression(); matrix matrix::LinearRegression( ENUM_MATRIX_AXIS axis=AXIS_NONE // ось, вдоль которой считается регрессия );Пример:
vector vector_a; //--- заполним вектор ценами vector_a.CopyRates(_Symbol,_Period,COPY_RATES_CLOSE,1,100); //--- получим линейную регрессию vector vector_r=vector_a.LinearRegression();Визуализация результата в виде графика:
ulong vector::HasNan(); ulong matrix::HasNan();Методы Compare и CompareByDigits при сравнении соответствующей пары элементов, имеющих значения NaN, считают эти элементы равными, тогда как при обычном сравнении чисел с плавающей точкой NaN != NaN.
Изменена структура OnnxTypeInfo, используемая для работы с моделями ONNX (Open Neural Network Exchange):
struct OnnxTypeInfo { ENUM_ONNX_TYPE type; // тип параметра OnnxTensorTypeInfo tensor; // описание тензора OnnxMapTypeInfo map; // описание карты OnnxSequenceTypeInfo sequence; // описание последовательности };
Теперь тип данных в ней указывается при помощи новых подструктур:
struct OnnxTensorTypeInfo { ENUM_ONNX_DATATYPE data_type; // тип данных в тензоре long dimensions[]; // количество элементов }; struct OnnxMapTypeInfo { ENUM_ONNX_DATA_TYPE key_type; // тип ключа OnnxTypeInfo type_info; // тип значения }; struct OnnxSequenceTypeInfo { OnnxTypeInfo type_info; // тип данных в последовательности };В зависимости от OnnxTypeInfo::type (ONNX_TYPE_TENSOR, ONNX_TYPE_MAP или ONNX_TYPE_SEQUENCE) заполняется соответствующая подструктура.
bool vector<T>::CopyIndicatorBuffer(long indicator_handle,ulong buffer_index,ulong start_pos,ulong count); bool vector<T>::CopyIndicatorBuffer(long indicator_handle,ulong buffer_index,datetime start_time,ulong count); bool vector<T>::CopyIndicatorBuffer(long indicator_handle,ulong buffer_index,datetime start_time,datetime stop_time);
MetaEditor
Tester
Исправления по крешлогам.
Web Terminal
MQL5.community
Обновление будет доступно через систему Live Update.
Terminal
MQL5
Web Terminal