畅销市场
本月阅读最多文章
在本文中,我们演示了一种在流行的Linux版本(Ubuntu和Debian)上安装MetaTrader 5的简单方法。这些系统广泛用于服务器硬件以及交易者的个人计算机上。
今天,我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。 当前状态下,我们的 EA 已能在任何状况下工作,但尚未准备好自动化。 我们仍然需要在几点上努力。
本月下载最多代码
- 蜡烛结束时间和点差 此指标在同一时间显示当前点差和距收盘的剩余时间 (蜡烛条)。
- b-clock 显示距离新蜡烛线出现的分、秒数。
- SuperTrend SuperTrend指标
已发布文章 "DoEasy. 控件(第三十部分):动画态滚动条控件"。
在本文中,我将继续开发滚动条(ScrollBar)控件,并开始实现鼠标交互功能。 此外,我将扩展鼠标状态标志和事件的列表。
已发布文章 "矩阵实用工具,扩展矩阵和向量的标准库功能"。
矩阵作为机器学习算法和计算机的基础,因为它们能够有效地处理大型数学运算,标准库拥有所需的一切,但让我们看看如何在实用工具文件中引入若干个函数来扩展它,这些函数在标准库中尚未提供。
大多数可免费下载的产品
畅销市场
本周阅读最多文章
在本文中,我们演示了一种在流行的Linux版本(Ubuntu和Debian)上安装MetaTrader 5的简单方法。这些系统广泛用于服务器硬件以及交易者的个人计算机上。
构建自动运行的 EA(第 08 部分):OnTradeTransaction
在本文中,我们将目睹如何利用事件处理系统快速有效地处理与订单系统相关的问题。 配合这个系统,EA 就能更快地工作,如此它就不必持续不断地搜索所需的数据。
本周下载最多代码
- 交易时段指标 本指标基于 DRAW_FILLING 缓存区。输入参数无, 使用了 TimeTradeServer(), TimeGMT() 函数。
- 蜡烛结束时间和点差 此指标在同一时间显示当前点差和距收盘的剩余时间 (蜡烛条)。
- PivotPoint 本指标绘制轴点, 阻力和支撑。
畅销市场
大多数可免费下载的产品
畅销市场
3 新信号 现在可以订阅:
畅销市场
已发布文章 "MQL5 中的范畴论 (第 1 部分)"。
范畴论是数学的一个多样化和不断扩展的分支,到目前为止,在 MQL 社区中还相对难以发现。 这些系列文章旨在介绍和研究其一些概念,其总体目标是建立一个开放的函数库,吸引评论和研讨,同时希望在交易者的策略开发中进一步在运用这一非凡的领域。
大多数可免费下载的产品
畅销市场
2 新信号 现在可以订阅:
已发布文章 "种群优化算法:鱼群搜索(FSS)"。
鱼群搜索(FSS)是一种新的优化算法,其灵感来自鱼群中鱼的行为,其中大多数(高达 80%)游弋在有组织的亲属群落中。 经证明,鱼类的聚集在觅食效率和保护捕食者方面起着重要作用。
大多数可免费下载的产品
畅销市场
大多数可免费下载的产品
畅销市场
本月阅读最多文章
在本文中,我们演示了一种在流行的Linux版本(Ubuntu和Debian)上安装MetaTrader 5的简单方法。这些系统广泛用于服务器硬件以及交易者的个人计算机上。
今天,我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。 在上一篇文章的末尾,我建议允许手工操作 EA 是合适的,至少在一段时间内。
本月下载最多代码
- 蜡烛结束时间和点差 此指标在同一时间显示当前点差和距收盘的剩余时间 (蜡烛条)。
- b-clock 显示距离新蜡烛线出现的分、秒数。
- SuperTrend SuperTrend指标
已发布文章 "DoEasy. 控件(第 二十九 部分):滚动条(ScrollBar)辅助控件"。
在本文中,我起始开发滚动条(ScrollBar)辅助控制元素,及其衍生对象 — 垂直和水平滚动条。 滚动条用于窗体内容(如果窗体超出容器)的滚动显示。 滚动条通常位于窗体的底部和右侧。 底部的水平滚动条可左右滚动内容,而垂直的则上下滚动内容。
畅销市场
大多数可免费下载的产品
新发布在 代码库
- EA实用框架 官方给的实例代码中,涉及到比较复杂的类封装。 这里给出一个比较简单容易上手的EA框架
- K线显示本地时间 K线显示北京时间 K线显示本地时间 会自动计算时间差 但如果出差 可以手动修正 鼠标需要按住中间滚轴移动一下 按一下中键无效果 或 Ctrl+鼠标左键点击图表 鼠标右键删除 第一次加载指标时 请确认 平台是开市状态
2 新信号 现在可以订阅:
已发布文章 "神经网络变得轻松(第三十五部分):内在好奇心模块"。
我们继续研究强化学习算法。 到目前为止,我们所研究的所有算法都需要创建一个奖励政策,从而令代理者能够每次从一个系统状态过渡到另一个系统状态的转换中估算其每个动作。 然而,这种方式人为因素相当大。 在实践中,动作和奖励之间存在一些时间滞后。 在本文中,我们将领略一种模型训练算法,该算法可以操控从动作到奖励的各种时间延迟。