有关MQL5交易系统自动化的文章

本文会验证创建一种高级峰谷指标的可能性。识别节点的概念是以使用轨道线指标为基础的。我们假设可以找到一系列轨道线输入参数的一种特定组合，所有峰谷节点均可借此处于轨道线带的界限之中。因此，我们可以尝试预测新节点的坐标。

我不是专业的程序员。 正因如此，对于我来说，要进行交易系统开发，“由简入繁”是最最重要的原则。 那么，对我来说，怎样才算是简单呢？ 首先，是创建系统过程的可视化，及其工作的逻辑。 还有，手写代码要尽可能地少。 在本文中，我将尝试根据 Matlab 软件包完成交易系统的创建和测试，然后再编写一个 MetaTrader 5 “EA 交易”。而测试过程会采用 MetaTrader 5 的历史数据。

在之前的文章中，我们已着手创建一个大型跨平台函数库，简化 MetaTrader 5 和 MetaTrader 4 平台程序的开发。 我们已拥有历史订单和成交集合，在场订单和仓位的集合，以及便捷选择和订单排序的类。 在这一部分中，我们将继续开发基础对象，并教导引擎（Engine）函数库跟踪帐户上的交易事件。

长时间以来，支持向量机一直被应用于生物信息学和应用数学等领域，以评估复杂数据集以及提取可用于数据分类的有用模式。本文会研究何为支持向量机、它们的工作方式，以及为什么说它们在提取复杂模式时非常有用。之后，我们再研究如何将其应用于市场，并发挥交易建议的潜在作用。本文将提供使用支持向量机学习工具的有效示例，让读者能够试验自己的交易。

有很多指标可用于确定一个交易系统的效率和盈利能力。但是，交易者始终会将任何系统推向一个新的崩溃测试。本文讲述基于效率指标的统计如何用于 MetaTrader 5 平台。它包含一个类，该类用于将成交统计解释转变成与 S.V. Bulashev 所著《Statistika dlya traderov（面向交易者的统计）》一书不冲突的一种解释。它还包括一个用于优化的自定义函数示例。

在这篇文章中, 我们继续致力于反向交易技巧。我们将会尝试减少最大余额回撤，直到对之前探讨的交易工具可以接受的水平。我们将会看看这样是否将会减少利润，我们还将在其它市场中检验反转方法的运行，包括股票、商品、指数、ETF和农产品市场。注意，本文包含了很多图片!

在本文中，我们将研究基于上一篇文章中所开发的抽象品种对象来创建品种集合。 抽象品种的后代会阐明品种数据，并在程序中定义基本品种对象属性的可用性。 此类品种对象应按其隶属的分组关系加以区分。

本文论述了形态分析器（Pattern Analyzer）应用程序的新版本。 此版本修复了已发现错误并提供了一些新功能，还改进了用户界面。 在新版本的开发过程中参考了上一篇文章中的意见和建议。 最终的应用程序会在本文中进行说明。

在本系列的前几篇文章中，我们尝试了各种方法来创建或多或少能够盈利的网格智能交易系统。 现在，我们将会尝试通过多元化来提高 EA 的盈利能力。 我们的终极目标是每年赚取 100％ 的利润，而最大回撤不超过 20％。

现今很难找到一台没有安装 Web 浏览器的计算机。长久一来，浏览器一直在进化和改进。本文讨论依据从 MetaTrader 5 客户端获得的信息，以简单和安全的方式创建图表，以在浏览器显示它们。

在本文中，我们将研究神经网络与交易终端集成的主要方面，从而创建功能齐全的交易机器人。

文中介绍了 Kagi 图指标以及各种制图选项和其它函数，同时考虑了指标制图原则及其 MQL5 实现功能。本文还展示了最常见的实现方式，阴阳交易策略，偏离走势线并不断提高“肩”部/降低“腰”部。

EA Tree 是第一款拖放 MetaTrader MQL5 EA 交易生成器。您可以使用非常易用的图形用户界面创建复杂的 MQL5。在 EA Tree 中，通过将盒子连接在一起创建 EA 交易。盒子可以包含 MQL5 函数、技术指标、自定义指标或值。使用盒子树，EA Tree 生成 EA 交易的 MQL5 代码。

本文讲述允许您以距当前价格的任意距离设置挂单的功能实现的交易信号模块代码的修改方法：它可以是上一个柱的收盘价或开盘价，或者是移动平均线的值。有很多的选择。重要的是，您可以为挂单设置任意的开盘价。本文对于使用挂单交易的交易人员而言会有所帮助。

MQL5 自由职业者板块是一个在线服务，开发者可以从交易员发布的创建交易应用程序订单中获取报酬。现在, 交易者理解了 MQL5.com 网站上的所有服务的不同之处: 一款准备就绪的交易机器人可以从 MetaTrader 的市场中买到, 而基于用户定义的特殊策略的 EA， 可以在自由职业者板块定购。经验丰富的开发者争夺交易者的订单的实现，使交易者可以选择一个最佳时间和成本条件的候选者。

本文会让我们以一种全新的视角，来进行 MQL4 与 MQL5 中 EA、指标及脚本的开发。将来，此编程范式会逐渐变成 EA 实施领域所有交易者的基本标准。利用这种自动机编程范式，MQL5 和 MetaTrader 5 开发人员也就具备了某种程度上创建新语言 - MQL6 - 和新平台 - MetaTrader 6 的能力。

在本文中，我们将创建品种对象类，该类将成为创建品种集合的基本对象。 该类可令我们获取必要品种的数据，以便进一步进行分析和比较。

这是有关延后请求概念的第三篇文章。 我们将创建平仓、删除挂单、修改持仓和挂单参数等方法来完成延后交易请求的测试。

MQL 编程语言允许实现交易策略的模块化开发概念。 本文展示由单独编译的文件开发多模块组合的智能交易系统示例。

市场价格是缺乏需求和供应之间的稳定平衡而形成的，反之，又取决于各种各样的经济、政治和心理因素。这些因素的性质以及影响原因所存在的差异，使得直接考虑所有因素非常困难。本文提出一种依据精心设计的回归模型预测市场价格的尝试。

在本文中，我们将着手开发新的函数库部分 - 交易类。 此外，我们将研究开发一套统合 MetaTrader 5 和 MetaTrader 4 平台的基准交易对象。 当向服务器发送请求时，即意味着传递给这种交易对象的交易请求参数已被验证和校正。

编程语言知识不再是创建自动交易的一个先决条件。以前，缺乏编程技能是实现自己的交易策略的不可逾越的障碍，但是随着 MQL5 向导的出现，这种情况迅速改变了。交易新手能够不再因为缺乏编程经验而担心 - 使用让您能够生成 EA 代码的新向导，编程经验不再是必不可少的了。

这篇文章详细讨论了跳空缺口 — 前一时间段的收盘价和后一时间段的开盘价之间的较大差距, 以及对日柱方向的预测。还探讨了通过系统DLL使用 GetOpenFileName 函数的问题。

在本文中，我们将继续开发交易请求，实现下挂单，并剔除检测到的交易类操作缺陷。

MQL5.com 网站汇集了来自世界各地的交易者。 用户发表文章、共享免费代码、在市场上销售产品、执行自由职业订单、以及跟单信号。 您可以在论坛、交易者聊天和元交易者频道中与他们交流。

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。 在上一篇文章中，我们讨论了任何人在继续创建自动交易的智能系统之前需要了解的第一步。 我们首先研究了概念和结构。

本文探讨了与指定交易品种和幻数有关的总持仓量的计算问题。所提议的方法仅请求交易历史记录的最少必要部分，在总持仓量等于零时查找最接近的时间，并用最新的交易进行计算。还考虑了客户端全局变量的处理。

本文研讨季节性特征的扩展研究：自相关热点图和散点图。 本文之目的是展示“市场记忆”的季节性，它通过任意顺序增量的最大相关性来表达。

我们继续功能开发，允许用户利用延后请求进行交易。 在本文中，我们将实现在特定条件下挂单的功能。

如何根据自定义指标创建一个交易信号生成器？如何创建自定义指标？如何访问自定义指标数据？我们为什么需要 IS_PATTERN_USAGE(0) 结构和模型 0？

这是 "Another MQL5 OOP"（另一个 MQL5 OOP 类）一文的续篇，该文向您展示了如何从头建立一个简单的面向对象的 EA 交易程序并向您提供了有关面向对象编程的某些提示。今天，我向您展示开发一个能够依据新闻进行交易的 EA 所需的技术基础。我的目标是继续向您提供有关面向对象编程的理念，同时也在这个系列的文章中涵盖新的主题——处理文件系统。

在之前的文章中，我们已着手创建一个大型跨平台函数库，简化 MetaTrader 5 和 MetaTrader 4 平台程序的开发。 在第九部分中，我们开始改进 MQL4 的库类。 在此，我们将继续改进函数库，确保其与 MQL4 的完全兼容。

我们继续测试形态并尝试在文章中描述的交易货币对篮子的方法。让我们探讨在实际应用中是否可能使用组合 WPR 图与移动平均交叉的形态，如果答案是可以，我们应当考虑适当的使用方法。

在本文中，我们将应用强化学习来开发可以自主学习的EA交易。在前一篇文章中，我们考虑了随机决策森林算法，并编写了一个简单的基于强化学习的自学习EA，概述了这种方法的主要优点（交易算法的开发简单和“培训”速度快）。强化学习（RL）可以很容易地融入到任何交易EA中，并加速其优化。

分析交易历史, 并依据仓位的入场时间以 HTML 形式绘制交易结果的分布图表。图表显示三个部分 - 按小时, 按周内天数和按月份。

本文讨论如何将数据存储在程序的源代码之中，并从中创建音频和图形文件。 在开发应用程序时，我们经常需要音频和图像。 MQL 语言拥有运用此类数据的若干种方法。

本文是专门讨论货币对篮子交易系列的总结。 在此，我们测试剩余的形态，并讨论在实际交易中如何应用整体方法。 入场和离场，搜索形态并分析它们，组合指标的复杂应用，这些均有研究。

在第二篇文章中，我们将继续研究神经网络，并研究在智能交易系统当中调用我们所创建 CNet 类的示例。 我们将操控两个神经网络模型，它们在训练时间和预测准确性方面都表现出相似的结果。

分析并通过技术实例说明怎样在MetaTrader 5平台上做交易分析而在MetaTrader 4上做交易。本文将展示如何在您的MetaTrader 5上创建简单的信号提供者，并且把它连接到多个客户端，甚至包括运行MetaTrader 4的客户端。而且您也可以发现怎样在您的真实MetaTrader 4账户中跟随自动交易锦标赛的选手。

本文详细阐述了运用若干种可能选项开发选择最佳优化递次的应用程序。 该应用程序能够通过各种因素来筛选优化结果。 优化递次始终写入数据库，因此您总能无需重新优化即可选择新的机器人参数。 此外，您可在单个图表上查看所有优化递次，计算参数 VaR 比率，并构建递次与特定比率集和的交易结果的正态分布图。 以及，自优化伊始（或从选定日期到另一个选定日期）开始动态构建一些计算比率的图形。