MQL4和MQL5编程文章
在众多发表的文章中研究 MQL5语言编程交易策略 的多数由您—我们 MQL5.community的会员所作。文章以类别分组来帮助您迅速找到任何有关MQL5编程问题的答案：集成，测试，交易策略等等。
Follow our 新发表讨论它们在 MQL5.community论坛！
用 MQL5 连接 EA 交易程序和 ICQ
本文描述 EA 交易程序和 ICQ 用户之间的信息交换方法，并提供了几个例子。通过他们的手机或 PDA 中的 ICQ 客户端，从一个客户端远程接收交易信息的人会对提供的材料感兴趣。
计算数学表达式（第二部分）。 普拉特和分流场解析器
在本文中，我们基于运算符优先级的解析器，研究数学表达式解析和评估的原理。 我们将实现普拉特（Pratt）和分流场解析器，字节代码的生成和代码计算，查看如何在表达式中将指标用作函数，以及如何基于这些指标在智能交易系统中设置交易信号。
DoEasy 函数库中的图形（第七十五部分）：处理基本图形元素图元和文本的方法
在本文中，我将继续开发由 CCanvas 标准库类提供强力支持的所有函数库图形对象的基准图形元素类。 我将创建绘制图元和在图形元素对象上显示文本的方法。
神经网络变得轻松（第二十七部分）：深度 Q-学习（DQN）
我们继续研究强化学习。 在本文中，我们将与深度 Q-学习方法打交道。 DeepMind 团队曾运用这种方法创建了一个模型，在玩 Atari 电脑游戏时其表现优于人类。 我认为评估该技术来解决交易问题的可能性将会很有益处。
自动选择经纪公司，以便 Expert Advisor 高效运行
众所周知，要 Expert Advisor 实现高效运行，我们需要找到一个合适的经纪公司。本文将介绍用于本搜索的系统方法。您将了解使用 dll 创建适用于不同终端的程序的过程。
基于大众交易系统和交易机器人优化点金术的 Expert Advisor(续)
在本文中，作者继续分析最简单的交易系统的实现算法，并介绍使用优化结果的一些相关细节。本文对于交易新手和 EA 编写新手很有帮助。</div>
神经网络实验（第 2 部分）：智能神经网络优化
在本文中，我将利用实验和非标准方法开发一个可盈利的交易系统，并验证神经网络是否对交易者有任何帮助。 若在交易中运用神经网络的话， MetaTrader 5 完全可作为一款自给自足的工具。
使用TesterWithdrawal() 函数模拟利润提取
本文讲述的是用于交易系统风险评估的TesterWithDrawal()函数的用法，即运行期间提取一部分资产。此外，还会讲到此函数对于策略测试程序中资产净值减少的计算算法的作用。在优化您的EA交易的时候，就会用到此函数。
外部指标的提醒和注释(第二部分)
自发表了“外部指标的提醒和注释”文章以来，我不断收到关于开发基于指标线运行的外部通知程序的可能性的请求和询问。 在对问题进行分析之后，我决定继续探讨该话题。 获得储存在指标缓冲区中的数据成为用户的另一个关注领域。
数据科学与机器学习 — 神经网络（第 01 部分）：前馈神经网络解密
许多人喜欢它们，但却只有少数人理解神经网络背后的整个操作。 在本文中，我尝试用淳朴的语言来解释前馈多层感知，解密其封闭大门背后的一切。
从自营公司那里吸取一些教训（第 1 部分）— 简介
在这篇介绍性文章中，我将讨论从自营交易公司实施的挑战规则中吸取的一些教训。 这对于初学者和那些努力在这个交易世界中站稳脚跟的人来说尤其重要。 后续文章会介绍代码实现。
针对市场分析的数据库的具体应用
处理数据成为现代软件的主要任务 - 独立应用程序和网络应用程序都是如此。为解决此问题而创建了专业软件。这些软件被称为数据库管理系统 (DBMS)，能够针对它们的计算机存储和处理对数据进行构建、系统化和组织。对于交易，大多数分析师并不在他们的工作中使用数据库。但是对于一些任务，必须使用此类解决方案。本文提供了一个在客户端-服务器和文件-服务器架构中都能将数据保存到数据库或从数据库加载数据的指标例子。
日内交易：拉里·康纳斯（Larry Connors）RSI2均值回归策略
拉里·康纳斯（Larry Connors）是知名交易员与量化交易领域权威作家，其最著名的成果之一是2周期相对强弱指数（RSI2）策略。该指标通过捕捉短期超买超卖信号，辅助判断市场反转时机。在本文中，我们将首先阐述研究契机，随后在MQL5中复现康纳斯的三大经典策略，并应用于标普500指数差价合约（CFD）的日内交易场景。
如何准备 MetaTrader 5 报价用于其他应用程序
本文介绍创建目录、复制数据、归档、使用 Market Watch（市场报价）或常用列表中的交易品种以及错误处理等示例。实际上，所有这些元素可集中在一个以用户定义格式归档数据的脚本中。
价格走势模型及其主要规定（第 1 部分）：概率价格域演化方程与发生的可观测随机游走
本文研究的是概率价格域演化方程，与即将到来的价格尖峰准则。 它还揭示了图表上价格数值的本质，以及这些数值随机游走的发生机制。
如何利用 MQL5 创建简单的多币种智能交易系统（第 1 部分）：基于 ADX 指标的信号，并结合抛物线 SAR
本文中的多币种智能交易系统是交易机器人，它只能在单一品种图表中运营，但可交易（开单、平单和管理订单）超过一个品种对。
基于大众交易系统和交易机器人优化点金术的 Expert Advisor(续)
在本文中，作者继续分析最简单的交易系统的实现算法，并介绍以图表方式将回溯测试中的优化结果记录到一个 html 文件中。本文对于交易新手和 EA 编写新手很有帮助。
指标和提醒的盈利能力可视化测试
通过这些提醒进行 EA 测试时，通常将决定是使用交易提醒的哪个指标或只是指标计算方式。但是，为每个指标编写一个 EA 并非总是可能/必要/合理的。你可以通过自己收集提醒并绘制理想交易图像的特殊指标，快速计算出基于其他指标提醒的交易盈利能力。这可帮助你既对所得结果进行可视化估计，又快速选择了最优参数。
掌握 MQL5：从入门到精通（第二部分）基本数据类型和变量的使用
这是初学者系列的延续。本文将介绍如何创建常量和变量、写入日期、颜色和其他有用的数据。我们将学习如何创建枚举，如一周中的天数或线条样式（实线、虚线等）。变量和表达式是编程的基础。它们肯定存在于99%以上的程序中，因此理解它们至关重要。因此，如果你是编程新手，这篇文章会对你非常有用。所需的编程知识水平：非常基础，在我上一篇文章（见开头的链接）的范围内。
在交易中应用 OLAP（第 3 部分）：为开发交易策略而分析报价
在本文中，我们将继续研讨在交易中运用 OLAP 技术。 我们会扩展前两篇文章中表述的功能。 这次我们将研究报价的操盘分析。 我们还将基于所汇集的历史数据，推导并检验交易策略的设想。 本文推介了基于柱线形态研究和自适应交易的智能交易系统。
更好的程序员（第 05 部分）：如何成为更迅捷的开发人员
每位开发人员都希望能够更快地编写代码，且能够更快、更有效地编写代码并非只是少数人与生俱来的特殊能力。 这项技能是可通过学习提升的，这就是我在本文中尝试传授的内容。
使用 Python 和 MetaTrader5 python 软件包及 ONNX 模型文件进行深度学习预测和排序
本项目涉及在金融市场中使用 Python 进行基于深度学习的预测。我们将探索使用平均绝对误差（MAE）、均方误差（MSE）和R平方（R2）等关键指标测试模型性能的复杂性，并学习如何将所有内容打包到可执行文件中。我们还将制作一个 ONNX 模型文件以及它的 EA。
学习如何基于建仓/派发（AD）设计交易系统
欢迎阅读本系列的新文章，了解如何基于最流行的技术指标设计交易系统。 在本文中，我们将学习一种新的技术指标，称为建仓/派发指标，并了解如何基于简单的 AD 交易策略设计一款 MQL5 交易系统。
连续前行优化 (第八部分): 程序改进和修复
根据本系列文章的用户和读者的评论和要求，程序已进行了修改。 本文包含一个自动优化器的新版本。 该版本实现了所需的功能，并提供了其他改进，这些是我运用该程序操作时发现的。
您应该知道的 MQL5 向导技术（第 05 部分）：马尔可夫（Markov）链
马尔可夫（Markov）链是一个强大的数学工具，能够针对包括金融在内的各个领域的时间序列数据进行建模和预测。 在金融时间序列建模和预测中，马尔可夫链通常用于模拟金融资产随时间的演变，例如股票价格或汇率。 马尔可夫链模型的主要优点之一是其简单性和易用性。
三维图形 - 市场分析的专业工具
本文中，我们将编写一个简单的库，用于构建 3D 图形及其在 Microsoft Excel 中的进一步浏览。我们将使用标准的 MQL4 选项准备和导出数据至 *.csv 文件。
从头开始开发智能交易系统（第 26 部分）：面向未来（I）
今天，我们将把我们的订单系统提升到一个新的层次。 但在此之前，我们需要解决少量问题。 我们现有的一些问题，是与在交易日里我们想要如何工作，以及我们做什么事情相关。
山型或冰山型图表
您如何看待往 MetaTrader 5 平台里添加新图表类型的想法？ 有人说它缺少其它平台里提供的一些东西。 但事实是，MetaTrader 5 是一个非常实用的平台，因为它允许您做到在许多其它平台上无法完成（或至少不能轻松完成）的事情。
神经网络变得轻松（第七部分）：自适应优化方法
在之前的文章中，我们利用随机梯度下降法针对网络中的所有神经元按照相同的学习率训练神经网络。 在本文中，我提议着眼于自适应学习方法，该方法能够改变每个神经元的学习率。 我们还将研究这种方法的利弊。
