مشخصات دوره

• مدرس: بهرنگ موسوی

• از مفاهیم پایه تا ساخت ربات‌های هوشمند با کمک دستیار هوش مصنوعی – پروژه‌محور، عملیاتی، بدون پیش‌نیاز برنامه‌نویسی

• مناسب برای: علاقه مندان به معاملات الگوریتمی

• آخرین به روز رسانی : بهمن  1404

• تعداد جلسات: بیش از 100 جلسه 

• 24 ساعت ویدئو

• سوالهای چهارگزینه ای و تمرین های مفهومی

• پیش نیاز: تحلیل تکنیکال(متوسط)، بازار فارکس مقدماتی​​​​​​​

​درباره این دوره...

​​چرا این دوره رایگان شده؟​​​​​​​

• تسلط بر مبانی برنامه‌نویسی MQL5 برای ساخت ابزارهای معاملاتی واقعی در MetaTrader 5

• طراحی و پیاده‌سازی اکسپرت معاملاتی از صفر تا نسخه قابل استفاده

• کدنویسی سریع‌تر و دقیق‌تر با کمک دستیار هوش مصنوعی (پرامپت‌نویسی، دیباگ، مستندسازی)

• مدیریت ریسک در اکسپرت: محاسبه حجم بر اساس درصد ریسک، SL/TP، و کنترل شرایط ورود

• ساختاردهی حرفه‌ای پروژه‌ها: ماژولار کردن کد، فایل‌بندی صحیح، و آماده‌سازی برای توسعه‌های بعدی

• کار با چارت و آبجکت‌ها برای نمایش سیگنال‌ها و خروجی‌های بصری در MT5

• کار با تایمر و رویدادها برای اجرای دوره‌ای منطق اکسپرت و اتوماسیون

• ذخیره‌سازی و ساخت دیتاست با فایل‌ها در MQL5 برای لاگ‌گیری و تحلیل عملکرد

• تحلیل معاملات و تاریخچه برای پایش اکسپرت و مدیریت پوزیشن‌ها (History و رویدادهای ترید)

• اجرای تمرین‌های هدفمند، آزمون‌های چهارگزینه‌ای، و پروژه نهایی برای تثبیت مهارت‌ها

1: آموزش MQL5 به صورت گام‌به‌گام و کاملاً عملی
یادگیری از پایه شروع می‌شود و هر مفهوم بلافاصله با مثال و تمرین به کد واقعی تبدیل می‌شود تا فقط «حفظ کردن» نباشد.
​​​​​​​
2: طراحی اکسپرت فارکس به شکل پروژه‌محور
به جای تکه‌کدهای پراکنده، از ابتدا مسیر ساخت یک اکسپرت واقعی را می‌روید و در پایان به خروجی قابل استفاده می‌رسید.

3: برنامه‌نویسی MQL5 با رویکرد استاندارد و ماژولار
ساختار فایل‌ها و ماژول‌ها را اصولی می‌چینید تا پروژه‌تان قابل توسعه باشد و بعداً با افزودن ویژگی‌ها منفجر نشود.

4: استفاده از دستیار هوش مصنوعی برای کدنویسی سریع‌تر در MQL5
یاد می‌گیرید چطور درست پرامپت بدهید تا AI به جای تولید کدهای حدسی، در تولید اسکلت، تکمیل بخش‌ها و تمیزکاری کد کمک کند.

5: دیباگ و رفع خطای اکسپرت‌نویسی با کمک هوش مصنوعی
به جای سردرگمی در خطاها، روش دقیق تحلیل خطا، اصلاح مرحله‌ای و تست مجدد را یاد می‌گیرید و AI را مثل «دیباگر کمکی» استفاده می‌کنید.

6: تمرین‌های عملی برای تثبیت مهارت‌ها
بعد از هر بخش، تمرین‌ها طوری طراحی شده‌اند که شما را مجبور می‌کنند همان مفهوم را مستقل پیاده کنید، نه اینکه فقط تماشا کنید.

7: آزمون‌های چهارگزینه‌ای هدفمند
کوئیزها فقط برای سرگرمی نیستند؛ نقاط کور و اشتباهات رایج را پیدا می‌کنند تا قبل از رفتن به مراحل بعدی، فهم شما تثبیت شود.

8: آموزش ساخت ربات معامله‌گر فارکس با منطق درست
به جای اینکه فقط «کد بنویسید»، یاد می‌گیرید سیگنال، ورود/خروج، مدیریت معامله و قوانین اجرایی را درست و قابل کنترل پیاده کنید.

9: پوشش نکات مدیریت ریسک در اکسپرت
مفاهیم کلیدی مثل حجم‌گذاری بر اساس درصد ریسک، SL/TP و کنترل شرایط پرریسک را به صورت عملی داخل اکسپرت پیاده می‌کنید.

10: کار با چارت و آبجکت‌ها در MetaTrader 5
یاد می‌گیرید خروجی‌های بصری بسازید (علامت‌ها، لیبل‌ها، نمایش وضعیت)، تا هم دیباگ راحت‌تر شود هم تجربه کاربری بهتر.

11: کار با رویدادها و تایمر در MQL5 برای اتوماسیون
منطق اجرای دوره‌ای، کنترل زمان‌بندی و اجرای وظایف خودکار را پیاده می‌کنید تا اکسپرت شما صرفاً وابسته به تیک نباشد.

12: آماده‌سازی برای مسیر حرفه‌ای‌تر الگوتریدینگ
این دوره یک پایه محکم می‌سازد تا بعداً بتوانید سراغ بخش‌های پیشرفته‌تر مثل بهینه‌سازی، بک‌تست حرفه‌ای و سیستم‌های معاملاتی پیچیده‌تر بروید.

1: آشنایی مقدماتی با بازارهای مالی و مفاهیم معاملاتی
2: آشنایی اولیه با نرم‌افزار متاتریدر ۵
3: آشنایی عمومی با کامپیوتر و کار با ابزارهای آنلاین
4: دانش برنامه‌نویسی ضروری نیست؛ دوره از پایه آموزش می‌دهد
5: دسترسی به یک ابزار هوش مصنوعی مانند ChatGPT  یا GapGPTبرای تمرین‌های عملی توصیه می‌شود​​​​​​​

۱ – آشنایی با ساختار بازار فارکس و مقدمه ورود به معاملات الگوریتمی – ۱۷:۰۷
۲ – نصب متاتریدر ۵ و ساخت حساب دمو در کارگزاری‌ها – ۱۰:۰۵
۳ – نصب متاتریدر روی موبایل و اتصال به حساب معاملاتی – ۲:۱۱
۴ – آشنایی با محیط متاتریدر و اجرای اولین اکسپرت – ۷:۰۵

ماژول ۱ (مبانی بازار و ورود به الگوتریدینگ)
مدت کل: ۳۶ دقیقه و ۲۸ ثانیه​​​​​​​

ماژول ۲ – مبانی برنامه‌نویسی در MQL5
مدت کل: ۳۶۶ دقیقه و ۵۳ ثانیه​​​​​​​​​​​​​​

۱ – مقدمه‌ای بر انواع برنامه‌ها در MQL و ساختار فایل‌ها – ۹:۵۱
۲ – ساختار استاندارد یک برنامه در MQL و رویدادهای اصلی (Event Functions) – ۱۰:۱۶
۳ – آشنایی با فایل‌های اجرایی، انواع خطاها و دیباگ در MetaEditor – ۹:۱۳
۴ – آشنایی با متغیرها، انواع داده، نام‌گذاری، ورودی‌ها و عملگرها در MQL5 – ۳۰:۵۱
۵ (قسمت اول) – ساختار شرطی if، else و ترکیب‌های منطقی در MQL5 – ۱۹:۲۲
۵ (قسمت دوم) – دستور Switch و کنترل چندحالتی در برنامه‌نویسی MQL5 – ۸:۳۸
۵ (قسمت سوم) – حلقه‌ها (for، while، nested loops) و کنترل اجرای برنامه با break و continue – ۱۹:۲۰
۶ (قسمت اول) – آشنایی با توابع (Functions)، ورودی، خروجی و اورلود در MQL5 – ۱۰:۲۴
۶ (قسمت دوم) – ارجاع با Reference، چند خروجی در توابع، فایل‌های Include و متغیرهای محلی و سراسری – ۱۶:۴۲
۶ (قسمت سوم) – متغیرهای سراسری در سطح ترمینال و اشتراک داده بین چند اکسپرت – ۱۴:۲۲
۷ – دستورات ورودی و خروجی (Input / Output) در MQL5 – ۱۵:۵۱
۸ (قسمت اول) – آرایه‌ها (Arrays)، تعریف، مقداردهی و آرایه‌های با طول متغیر – ۱۷:۵۰
۸ (قسمت دوم) – توابع پیشرفته آرایه‌ها، آزادسازی حافظه و ارسال آرایه به تابع – ۱۸:۱۱
۹ – متغیرهای رشته‌ای و توابع کار با متن در MQL5 – ۱۶:۴۳
۱۰ (قسمت اول) – آشنایی با سیمبل‌ها، تایم‌فریم‌ها و دسترسی به داده‌های کندل در MQL5 – ۱۴:۱۷
۱۰ (قسمت دوم) – کار با اطلاعات سیمبل‌ها، توابع iHigh/iLowest، تشخیص الگوهای کندلی و اسپرد لحظه‌ای – ۲۸:۵۹
۱۱ – کار با متغیرهای زمانی و مدیریت زمان در اکسپرت‌نویسی – ۱۴:۰۶
۱۲ – تمرین عملی: ترکیب چند مفهوم و طراحی اولین الگوریتم تحلیل چندتایم‌فریمی – ۱۴:۳۸
۱۳ (قسمت اول) – ساختارها (Structures) و آرایه‌ای از ساختارها در MQL5 – ۱۵:۴۳
۱۳ (قسمت دوم) – کار با داده‌های OHLC در MQL5 (CopyRates, CopyOpen, CopyHigh, CopyLow, CopyClose) – ۹:۱۹
۱۴ – متغیرهای شمارشی (Enumerations / Enum) و کاربرد آن‌ها در برنامه‌نویسی اکسپرت – ۱۸:۵۶
۱۵ – تمرین جامع متغیرهای شمارشی (Enum) و طراحی ورودی‌های هوشمند برای اکسپرت – ۱۹:۲۱
۱۶ (قسمت اول) – خواندن اندیکاتورهای داخلی متاتریدر با تابع و آرایه – ۲۶:۲۵
۱۶ (قسمت دوم) – بهینه‌سازی تابع خواندن اندیکاتور و مدیریت خطاها در MQL5 – ۹:۵۱
۱۶ (قسمت سوم) – خواندن اندیکاتورهای چندبافری، طراحی تابع کراس مووینگ‌اوریج و آماده‌سازی برای بهینه‌سازی – ۳۰:۱۶
۱۶ (قسمت چهارم) – خواندن اندیکاتورهای کاستوم (Custom Indicators) و نکات اجرایی آن‌ها – ۱۲:۳۹
۱۷ – کار با Market Watch، مدیریت نمادها و بررسی چندتایم‌فریمی – ۱۶:۳۳

 ماژول ۲.۵ – پروژه‌های تمرینی: از اندیکاتور تا استراتژی‌های چندتایم‌فریمی
مدت کل: ۵۲ دقیقه و ۱۸ ثانیه​​​​​​​

۱ – خواندن اندیکاتورهایی با بافرهای خالی (مثال: Fractals) – ۹:۳۷
۲ – طراحی استراتژی کراس دو مووینگ‌اوریج – ۱۳:۳۸
۳ – طراحی استراتژی مالتی‌تایم‌فریم با ترکیب RSI و مووینگ‌اوریج – ۱۱:۰۵
۴ – تشخیص کندل جدید (New Candle Detection) و بهینه‌سازی اجرای اکسپرت – ۱۷:۵۸​​​​​​​​​​​​​​

ماژول ۳ – مدیریت پوزیشن‌ها و تاریخچه معاملات در MQL5
مدت کل: ۵ ساعت و ۳ دقیقه و ۲۰ ثانیه​​​​​​​

۱ – باز کردن پوزیشن‌ها با استفاده از ساختارهای MQLTradeRequest و MQLTradeResult – ۲۵:۲۲
۲ – ساخت تابع باز کردن سفارش‌های پندینگ (Pending Orders) و مفهوم Expiration Date – ۲۱:۳۱
۳ – افزودن حد ضرر (Stop Loss) و حد سود (Take Profit) به سفارش‌ها – ۷:۵۵
۴ – تنظیم استاپ‌لاس بر اساس مووینگ‌اوریج و تعریف نسبت ریسک به بازده (R:R) – ۹:۰۸
۵ – طراحی چند نوع استاپ‌لاس (Fixed, Moving Average, Swing, Parabolic SAR) و مقایسه در بهینه‌سازی – ۱۳:۲۹
۶ – طراحی اکسپرت معاملاتی با سیگنال RSI و دو نوع استاپ‌لاس (Fixed و Swing) – ۲۶:۱۸
۷ – افزودن استاپ‌لاس و تیک‌پرافیت به سفارش‌های پندینگ (Pending Orders) – ۳:۴۳
۸ – مقدمه بر مدیریت پوزیشن‌ها (Position Management Basics) – ۱۰:۲۸
۹ – بستن پوزیشن‌ها با تیکت و طراحی تابع CloseAllPositions – ۲۱:۳۵
۱۰ – بستن پوزیشن‌های انتخابی (Buy/Sell)، بستن بخشی از حجم پوزیشن و حذف سفارش‌های پندینگ – ۱۶:۱۶
۱۱ – مدیریت پوزیشن‌ها بر اساس مجیک نامبر و سمبل، محاسبه سود و زیان کلی، و طراحی استاپ داینامیک – ۲۰:۰۹
۱۲ – ویرایش استاپ‌لاس (SL) و تیک‌پرافیت (TP) پوزیشن‌های باز در MQL5 – ۱۶:۰۹
۱۳ – طراحی و پیاده‌سازی تریلینگ‌استاپ با اندیکاتور Parabolic SAR – ۱۷:۴۳
۱۴ – طراحی تابع ریسک‌فری (Risk-Free Position) و روش تست عملی در Strategy Tester – ۱۸:۳۱
۱۵ – کار با تاریخچه معاملات (History) و خواندن داده‌های معاملات بسته‌شده – ۱۸:۱۴
۱۶ – درک رابطه‌ی Position ID، Direction و محاسبه سود کل History – ۱۵:۲۴
۱۷ – محاسبه سود و زیان پوزیشن‌ها بر اساس Magic Number خاص در History – ۷:۱۱
۱۸ – معرفی و کاربرد توابع OnTrade و OnTradeTransaction در مدیریت معاملات – ۱۲:۱۵
۱۹ – تشخیص باز و بسته شدن سفارش‌های پندینگ با استفاده از OnTradeTransaction – ۷:۰۳
۲۰ – محاسبه‌ی بیشترین برد و باخت پشت سر هم (Max Consecutive Wins / Losses) – ۱۱:۵۸
۲۱ – انتخاب بخشی از تاریخچه معاملات با تعیین بازه زمانی دلخواه – ۲:۵۸​​​​​​​

ماژول ۳.۱ – کاربرد هوش مصنوعی (ChatGPT) در یادگیری و توسعه‌ی MQL5
مدت کل: ۱ ساعت و ۱۶ دقیقه و ۳۰ ثانیه

۱ – ذهنیت و اصول استفاده از هوش مصنوعی برای برنامه‌نویسی MQL – ۲۳:۰۲
۲ – اصول پرامپت‌نویسی ساختارمند برای کار با هوش مصنوعی – ۱۰:۴۵
۳ – پرسوناها و نقش‌های کلیدی هوش مصنوعی در توسعه ربات معاملاتی – ۵:۰۹
۴ (قسمت اول) – اجرای عملی نقش‌ها: نوشتن پرامپت و تحلیل یک اکسپرت واقعی – ۱۳:۴۱
۴ (قسمت دوم) – اجرای عملی نقش‌های AI: ساده‌ساز، دیباگر،  و داکیومنت‌نویس روی یک اکسپرت واقعی – ۱۰:۲۵
۴ (قسمت سوم) – اجرای عملی نقش برنامه‌نویس و بررسی محدودیت‌های هوش مصنوعی در تولید کد – ۱۳:۲۸​​​​​​​
5 معرفی سرویس GapGPT برای دسترسی به مدل‌های هوش مصنوعی ​​​​​​​

ماژول ۴ – کار با آبجکت‌ها و مدیریت چارت‌ها در MQL5
مدت کل: ۱ ساعت و ۲۸ دقیقه​​​​​​​​​​​​​​

۱ – آشنایی با آبجکت‌ها و اصول رسم خطوط در چارت – ۱۶:۰۹
۲ – حذف، فهرست‌گیری و ساده‌سازی رسم خطوط با توابع کمکی – ۱۳:۵۱
۳ (قسمت اول) – ساخت دستیار معاملاتی برای تشخیص شکست خطوط روند و ترسیم خودکار فرکتال‌ها – ۲۴:۰۵
۳ (قسمت دوم) – کار با توابع ObjectGetValueByTime و ObjectGetTimeByValue در تحلیل خطوط روند – ۵:۱۰
۴ – تحلیل چشمی استراتژی‌ها با ترسیم خودکار سیگنال‌های کراس مووینگ‌اوریج‌ها – ۸:۴۳
۵ – کار با چارت‌ها در MQL5 (مدیریت پنجره‌ها، باز و بسته کردن نمودارها، افزودن اندیکاتور) – ۱۴:۰۰
۶ – تنظیم و شخصی‌سازی نمودارها (Chart Properties) با دستورات MQL5 – ۱۱:۱۲

ماژول ۵ – مدیریت خطا، پایداری و مجوزها در اکسپرت‌های MQL5
مدت کل: ۲۵ دقیقه و ۳۶ ثانیه​​​​​​​

۱ – تشخیص خطاهای مجاز بودن ترید و بررسی تنظیمات سرور، اکسپرت و حساب کاربری – ۹:۱۸
۲ – خطاهای معاملاتی و روش‌های بازیابی خودکار در ارسال سفارش‌ها (Auto-Recovery System) – ۱۰:۳۱
۳ – بررسی قابلیت ترید نماد و هماهنگی داده‌ها با سرور – ۵:۴۷

ماژول ۶ – ابزارهای کمکی پیشرفته در MQL5
مدت کل: ۵۷ دقیقه و ۵۰ ثانیه​​​​​​​​​​​​​​

۱ – تحلیل همبستگی (Correlation) و کاربرد آن در معاملات – ۱۶:۰۱
۲ – نکات کاربردی تکمیلی در استفاده از ابزارهای کمکی متاتریدر – ۹:۴۳
۳ – کار با MQLInfoInteger و خواندن اطلاعات سیستمی در MQL5 – ۳:۲۴
۴ – ارسال ایمیل از طریق متاتریدر (MQL5) – ۳:۴۴
۵ – ارسال نوتیفیکیشن از اکسپرت متاتریدر به تلگرام با WebRequest و Telegram Bot API – ۶:۲۵
۶ – تایمر در MQL5 و مدیریت رویدادهای زمان‌بندی‌شده – ۱۸:۳۳

ماژول ۷ – کار با فایل‌ها و ساخت دیتاست در MQL5
مدت کل: ۳۹ دقیقه و ۱۰ ثانیه​​​​​​​​​​​​​​

۱ – آشنایی با فایل‌ها و ایجاد دیتاست در MQL5 – ۱۷:۳۰
۲ – مسیر ذخیره‌سازی فایل‌ها و ساخت دیتاست از تاریخ مشخص – ۸:۳۲
۳ – ساخت دیتاست چندنمادی و مدیریت ادامه‌نوشتن فایل‌ها با FileSeek – ۱۳:۰۸

ماژول ۸ – پروژه نهایی: طراحی اکسپرت ماژولار (Pro-EA)
مدت کل: ۱ ساعت و ۳۳ دقیقه و ۳۹ ثانیه​​​​​​​​​​​​​​

۱ – شروع پروژه نهایی و طراحی اکسپرت ماژولار (Pro-EA) – ۱۶:۰۹
۲ – کدنویسی بخش سیگنال در پروژه Pro-EA – ۹:۱۵
۳ – بهینه‌سازی ماژول سیگنال و افزودن اندیکاتورها به چارت – ۷:۴۵
۴ – طراحی ماژول ریسک (Risk.mqh) – محاسبه استاپ‌لاس و تیک‌پرافیت – ۱۰:۱۱
۵ – محاسبه حجم معامله بر اساس درصد ریسک – ۲۳:۲۵
۶ – مرور اصلاحات کد و آماده‌سازی برای ماژول ترید (Trade.mqh) – ۶:۴۱
۷ – کدنویسی ماژول Trade.mqh و مدیریت کامل معاملات – ۲۰:۱۳
۸ – ترکیب چند تایم‌فریم و فیلتر RSI در استراتژی چندلایه – ۲۰:۳۷

ماژول ۹ – استفاده حرفه‌ای از هوش مصنوعی در برنامه‌نویسی
مدت کل: ۲۶ دقیقه و ۴۳ ثانیه​​​​​​​​​​​​​​

۱ – آشنایی با GPTهای اختصاصی و ساخت دستیار MQL5 – ۱۸:۴۶
۲ – کار با Project در GPT و ساخت محیط کاری پایدار – ۷:۵۷

• یک بهمن 1404 اضافه کردن ماژول 9 ( استفاده حرفه ای از هوش مصنوعی، 27 دقیقه)

• بیست و یک فروردین 1405 اضافه کردن جلسه 5، ماژول 3.1( معرفی سرویس GapGPT برای دسترسی به مدل‌های هوش مصنوعی)
  

بهترین دوره برنامه نویسی mql5 که من تا حالا دیدم...یک مدرس وسواسی و با برنامه در تدریس...کاربلد....بدون اضافه گویی و کم گویی....به قول خودشون: خالص در تدریس سرعت گویش سریع و بدون اتلاف وقت...زمان تدریس طولانی....منتظر بقیه دوره های ایشون هستم....
جواد اسلامی

درود بر شما ممنون از این آموزش بسیار عالی و کاربردی . مفاهیم بسیار عالی تدریس شد
مهدی اژدری

من را سخت گیرانه نقد کنید

ادامه مسیر...

سوالهای متداول

مدرس دوره​​​​​​​

بهرنگ موسوی
تحلیل‌گر بازارهای مالی و متخصص معاملات الگوریتمی
با بیش از ۱۵ سال تجربه در بازارهای سهام، رمزارز و فارکس، در حوزه الگوتریدینگ و طراحی ربات‌های معامله‌گر فعالیت می‌کنم. تمرکز فعلی من توسعه سیستم‌های معاملاتی هوشمند با تکیه بر ترکیب علم داده و هوش مصنوعی است؛ از طراحی منطق معاملاتی و پیاده‌سازی الگوریتم‌ها تا بهینه‌سازی، تحلیل داده و ساخت ابزارهای عملیاتی برای اجرا در بازار واقعی.
کارشناس مهندسی کامپیوتر از دانشگاه صنعتی امیرکبیر و دارای کارشناسی ارشد مهندسی صنایع.​​​​​​​