Nouveau : la formation trading algorithmique MQL5, MQL4 et ProRealTimeDécouvrir →

MQL5 · Avancé

Matrices et vecteurs en MQL5 : algèbre linéaire et statistiques sur les cotations

Les types matrix et vector apportent l’algèbre linéaire native à MQL5 : chargement direct des cotations avec CopyRates, statistiques, corrélations, produit matriciel. Exemple complet : une matrice de corrélation multi-symboles.

Mis à jour le 23 octobre 2026Lecture : 9 minPar Alix, OptiBot Trading

MQL5 dispose de deux types de données dédiés au calcul numérique : vector, un tableau à une dimension, et matrix, un tableau à deux dimensions. Ils contiennent des nombres double par défaut, des float avec les variantes vectorf et matrixf, ou des complexes avec vectorc et matrixc. Ce sont des objets : ils connaissent leur taille, allouent leur mémoire dynamiquement et proposent une centaine de méthodes, de l’initialisation aux statistiques en passant par les décompositions et la résolution de systèmes. Pour un développeur d’EA, ils permettent de charger des cotations en une ligne avec la méthode CopyRates, puis de calculer moyennes, écarts-types ou corrélations sans écrire une seule boucle de calcul.

Cette page de la rubrique MQL5 avancé présente les méthodes les plus utiles en trading. Si vous ne connaissez que les tableaux classiques, la page Tableaux statiques et dynamiques vous servira de point de comparaison.

Vecteurs, matrices et tableaux : quelles différences ?

Un tableau double prix[] est un simple conteneur : toute opération (somme, moyenne, normalisation) doit être écrite à la main. Un vector est un objet mathématique : v.Mean() renvoie sa moyenne, v.Std() son écart-type, et les opérations arithmétiques s’appliquent élément par élément. La documentation précise qu’un vecteur n’a pas d’orientation propre (ni ligne ni colonne) ; c’est le contexte qui la détermine. Quand l’orientation compte, on utilise une matrice d’une ligne ou d’une colonne.

Les formes génériques matrix<double>, matrix<float>, vector<double> et vector<float> sont équivalentes aux noms courts. Choisissez float uniquement quand un traitement l’exige, typiquement l’entrée d’un modèle ONNX entraîné en float32 ; sinon, restez en double pour la précision.

Créer et initialiser

Plusieurs méthodes statiques créent un objet déjà rempli :

MéthodeEffetExemple
Zerosremplit de zérosvector::Zeros(16)
Onesremplit de unsmatrix::Ones(5,5)
Fullremplit d’une valeur donnéematrix::Full(3,4,M_PI)
Identitymatrice identitématrix::Identity(5,5)
Eyeuns sur une diagonalematrix::Eye(4,5,1)
Triuns sur et sous une diagonalematrix::Tri(4,5,-1)

Sur un objet existant, Init fixe la taille (avec une fonction de remplissage facultative) et Fill affecte une même valeur à tous les éléments. On peut aussi initialiser par une liste : vector v={1,2,3};. Enfin, Assign copie un tableau classique dans un vecteur ou une matrice en convertissant les types, ce qui facilite la transition depuis du code existant.

Charger des cotations et des indicateurs

Les méthodes de chargement sont l’atout majeur pour le trading. CopyRates remplit un vecteur ou une matrice avec l’historique d’un symbole. Elle existe en trois variantes, comme la fonction classique : par position de départ et nombre de barres, par date de départ et nombre, ou entre deux dates. Le troisième paramètre, rates_mask, choisit les séries via l’énumération ENUM_COPY_RATES :

ConstanteValeurSérie
COPY_RATES_OPEN1ouvertures
COPY_RATES_HIGH2plus hauts
COPY_RATES_LOW4plus bas
COPY_RATES_CLOSE8clôtures
COPY_RATES_TIME16heures d’ouverture des barres
COPY_RATES_VOLUME_TICK32volumes en ticks
COPY_RATES_VOLUME_REAL64volumes réels
COPY_RATES_SPREAD128spreads
COPY_RATES_OHLC15combinaison OHLC
COPY_RATES_OHLCT31OHLC et heure
COPY_RATES_VERTICAL32768séries en colonnes (matrice uniquement)

Règle importante : dans un vecteur, une seule série peut être copiée. Passer une combinaison comme COPY_RATES_OHLC à un vecteur échoue. Autre détail documenté : copier les heures (COPY_RATES_TIME) dans une matrice float fait perdre de la précision. Pour une matrice, le drapeau COPY_RATES_VERTICAL range chaque série dans une colonne au lieu d’une ligne, disposition habituelle des jeux de données d’apprentissage. La méthode CopyIndicatorBuffer charge de la même manière un buffer d’indicateur dans un vecteur à partir de son handle, et CopyTicks ou CopyTicksRange chargent des ticks.

Toutes ces méthodes renvoient true en cas de succès et false sinon, avec le code d’erreur disponible via GetLastError().

Calculer : opérations, statistiques, produits

Les quatre opérations arithmétiques s’appliquent élément par élément entre vecteurs ou matrices de même taille, et les fonctions mathématiques comme MathAbs, MathExp, MathLog ou MathSqrt acceptent directement un vecteur ou une matrice. Pour le produit matriciel au sens de l’algèbre linéaire, utilisez explicitement MatMul : matrix c=a.MatMul(b); multiplie une matrice 2×3 par une 3×2 et donne une 2×2. La méthode existe aussi entre vecteur et matrice, et entre deux vecteurs (produit scalaire), comme Dot.

Côté statistiques, les méthodes disponibles comprennent Mean, Average (moyenne pondérée), Median, Std, Var, Min, Max, ArgMin, ArgMax, Sum, CumSum, Percentile, Quantile et LinearRegression. Sur une matrice, la plupart acceptent un axe (AXIS_HORZ, AXIS_VERT) pour calculer ligne par ligne ou colonne par colonne. Std accepte en outre un paramètre ddof : le diviseur vaut N moins ddof, donc Std(1) donne l’écart-type d’échantillon.

Pour les relations entre séries, CorrCoef calcule le coefficient de corrélation de Pearson : entre deux vecteurs, il renvoie un scalaire ; sur une matrice, il renvoie la matrice des corrélations. Son paramètre rowvar (par défaut true) indique si les variables sont en lignes ; passez false si chaque colonne est une série. Cov calcule la matrice de covariance.

Exemple complet : matrice de corrélation des rendements

Le script ci-dessous charge les clôtures de plusieurs symboles, calcule leurs rendements logarithmiques, les range en colonnes dans une matrice et affiche la matrice de corrélation.

//+------------------------------------------------------------------+
//| CorrMatrix.mq5 : corrélation des rendements de plusieurs symboles|
//+------------------------------------------------------------------+
#property script_show_inputs
input string          InpSymbols="EURUSD,GBPUSD,USDJPY,XAUUSD"; // symboles séparés par des virgules
input ENUM_TIMEFRAMES InpTF     =PERIOD_H1;
input int             InpBars   =500;                            // nombre de clôtures

void OnStart()
  {
   string syms[];
   int n=StringSplit(InpSymbols,',',syms);
   if(n<2 || InpBars<3)
     {
      Print("Il faut au moins deux symboles et trois barres");
      return;
     }

   matrix rets(InpBars-1,n);            // une colonne de rendements par symbole
   for(int j=0;j<n;j++)
     {
      StringTrimLeft(syms[j]);
      StringTrimRight(syms[j]);
      vector close;
      //--- une seule série dans un vecteur : COPY_RATES_CLOSE
      if(!close.CopyRates(syms[j],InpTF,COPY_RATES_CLOSE,1,InpBars))
        {
         PrintFormat("CopyRates(%s) a échoué, erreur %d",syms[j],GetLastError());
         return;
        }
      if(close.Size()!=(ulong)InpBars)
        {
         PrintFormat("%s : historique insuffisant",syms[j]);
         return;
        }
      //--- rendements logarithmiques entre clôtures consécutives
      vector r(InpBars-1);
      for(int i=0;i<InpBars-1;i++)
         r[i]=MathLog(close[i+1]/close[i]);
      PrintFormat("%-8s moyenne %.6f  écart-type %.6f",syms[j],r.Mean(),r.Std());
      rets.Col(r,j);                    // écrit le vecteur dans la colonne j
     }

   //--- variables en colonnes : rowvar=false
   matrix corr=rets.CorrCoef(false);
   Print("Matrice de corrélation (ordre : ",InpSymbols,")");
   Print(corr);
  }

Trois remarques. D’abord, toutes les séries sont chargées avec les mêmes paramètres, donc dans le même ordre ; le sens du rendement est alors identique pour chaque symbole et n’affecte pas les corrélations. Ensuite, le script ne vérifie pas que les barres des différents symboles portent les mêmes horodatages : sur des instruments aux horaires différents (un indice et une paire de devises, par exemple), il faudrait aligner les séries sur l’heure, en chargeant aussi COPY_RATES_TIME. Enfin, Print accepte directement une matrice, ce qui est très pratique pour déboguer. L’interprétation de ces chiffres pour répartir le risque entre robots est abordée dans Corrélation entre stratégies.

Usages concrets dans un EA

  • Normalisation des entrées d’un modèle : soustraire la moyenne et diviser par l’écart-type de chaque colonne, exactement comme à l’entraînement. C’est le cœur de la page Modèles ONNX dans MQL5.
  • Filtre de régime : comparer l’écart-type des rendements récents à celui d’une fenêtre longue pour détecter une volatilité anormale.
  • Pente de tendance : LinearRegression sur les clôtures donne une droite dont la pente sert de filtre directionnel.
  • Exposition de portefeuille : un EA multi-symboles peut refuser une nouvelle position si elle est fortement corrélée à une position déjà ouverte.
  • Critère d’optimisation : dans OnTester, calculer un ratio à partir d’un vecteur de résultats de trades, comme le montre OnTester : critère personnalisé.

Pièges fréquents

  • Supposer que * est un produit matriciel : les opérations arithmétiques sont élément par élément ; utilisez MatMul pour le produit au sens de l’algèbre linéaire.
  • Copier plusieurs séries dans un vecteur : réservez les combinaisons de drapeaux aux matrices.
  • Historique incomplet : vérifiez Size() après chargement ; un symbole peu utilisé peut renvoyer moins de barres que demandé.
  • Mélanger float et double sans y penser : convertissez explicitement au moment où c’est nécessaire, par exemple juste avant l’appel d’un modèle.
  • Recalculer à chaque tick : une matrice de corrélation sur 500 barres ne change qu’à la clôture d’une bougie ; calculez-la une fois par barre.

Questions fréquentes

Quelle est la différence entre vector et un tableau double[] ?

Un tableau est un simple conteneur ; un vecteur est un objet qui connaît sa taille et propose des méthodes de calcul (moyenne, écart-type, corrélation, produit scalaire) et des opérations élément par élément. Les deux se convertissent facilement, notamment avec la méthode Assign.

Peut-on charger directement des cotations dans une matrice ?

Oui, avec la méthode CopyRates et un masque ENUM_COPY_RATES, par exemple COPY_RATES_OHLC pour quatre séries. Ajoutez COPY_RATES_VERTICAL pour obtenir une série par colonne. Dans un vecteur, une seule série est autorisée.

Comment calculer une corrélation entre deux symboles ?

Chargez leurs clôtures dans deux vecteurs, calculez les rendements, puis appelez v1.CorrCoef(v2), qui renvoie un coefficient entre -1 et 1. Pour plusieurs symboles, rangez les rendements en colonnes dans une matrice et appelez CorrCoef(false).

Les matrices fonctionnent-elles dans le Strategy Tester ?

Oui. Ce sont des types natifs du langage ; les méthodes de chargement lisent alors l’historique disponible dans le testeur. Veillez simplement à ne demander que des barres antérieures au moment simulé.

A

Alix · fondateur d’OptiBot Trading

Développeur MQL5 et ProBuilder, spécialiste du backtest et de l’optimisation de stratégies automatiques. Chaque contenu est vérifié sur la documentation officielle (MQL5.com, manuels ProRealTime) et testé avant publication. Notre méthode éditoriale.