有关 MQL5 编程和自动交易使用的文章

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。

本文将帐户对象的操作安置于任意函数库对象的新基准对象之上，改进了 CBaseObj 基准对象，并测试了设置跟踪参数，以及接收任意函数库对象事件。

文章比较了使用基因演算方法和简单搜索获取的智能交易的时间和结果。

在互联网上很轻松就能找到许多策略，它们也会为您提供大量各式各样的建议。我们则会采取一种专业的方法，基于不同大陆不同时区，深入策略创建的过程。

我们知道一个市场周期的概率密度函数 (PDF) 并不会让我们想到高斯分布，而是一种正弦波的概率密度函数，并且大多数指标假定市场周期的概率密度函数为高斯分布，我们需要一种方式来纠正。解决方法是使用费歇尔变换。费歇尔变换将任何波形的概率密度函数转换为近似的高斯分布。本文介绍费歇尔变换和逆费歇尔变换的算法以及它们在交易中的应用。介绍和评估了一个基于逆费歇尔变换的专有交易模块。

在本文中，我们将展示 botbrains.app 的功能 — 一款无代码开发交易机器人的平台。 若要创建一款交易机器人，您无需编写任何代码 — 只需将必要的模块拖放到规划图上，设置它们的参数，并在它们之间建立连接。

本文会从一种理论性交易概念的构想，到编制一个在经验世界中实现这一概念的 MQL5 EA 交易，为您讲解如何从头建立一个面向对象的 EA 交易。依本人看，边做边学是取得成功的一种可靠方法。所以，我会拿出一个实用的例子，让您明白如何才能整理自己的想法，并最终完成外汇自动交易代码。和您一起遵守“面向对象”原则，也是我的目标之一。

作为神经网络主题的延续，我建议研究卷积神经网络。 这种类型的神经网络通常用来分析视觉成像。 在本文中，我们将研究这种网络在金融市场中的应用。

在人类的整个历史长河中，时间都是极其宝贵的，因此我们努力避免不必要的时间浪费。如果您的电脑配备了多核处理器，本文将告诉您如何为“EA 交易”的工作提速。此外，实施建议的方法不要求您掌握 MQL5 以外的其他语言的知识。

值此 MQL5 自由职业服务的第四个生日, 我们准备了一幅信息图来展示其自创生来的整体服务成果。让数据本身说话: 迄今已总计执行了超过 10000 笔订单, 价值约 $600,000, 有 3000 余客户和 300 余开发者已经在使用此服务。

交易首先是对可能性的计算. 有一句谚语, 懒惰是进步的引擎, 这也揭示了指标以及交易系统被开发出来的原因. 绝大多数交易新手学习的都是"成型"的交易理论. 但是, 如果够幸运的话, 还有更多的没有被发现的市场奥秘和用于分析价格走向的工具, 例如那些还没有实现的技术指标或者数学和统计学工具包. 非常感谢比尔.威廉姆斯对市场运行理论的贡献. 虽然,也许现在休息是太早了些.

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，我们已启动开发一个在自动化 EA 中使用的订单系统。 然而，我们只创建了一个必要的函数。

今天我们将学习如何将 MetaTrader 5 终端与 Twitter（推特） 链接，以便发布您的 EA 交易信号。我们将用 PHP 开发一个基于 REST web 服务的社交决策支持系统。此想法来自于自动交易的特定概念，称为电脑辅助交易。我们希望通过人工交易者的认知能力来过滤这些交易信号，否则 EA 会自动在市场上下单。

交易播放器。仅仅五个字，无需解释。一个带有按钮的小对话框出现在您的脑海中。按一个按钮 - 它开始播放，移动控制杆 - 播放速度改变。事实上，它非常类似。在本文中，我想展示我编写的以几乎与实时交易完全相同的方式播放交易历史的程序。本文使用指标和管理图表来介绍 OOP 的某些细节。

在这个小视频课程中，您将学习如何下载、安装和设置 MetaTrader 5，并实现自动交易。 您还将学习如何调整图表设置，和自动交易选项。 您将完成第一次回溯测试，在本课程结束时，您就会知道如何导入一个可以全天候自动交易的智能交易系统，而无需呆坐在屏幕前。

这篇文章描述了在"一分钟OHLC"模式下实现 OpenCL 烛形形态测试器的算法。我们还将把它的速度与内建的策略测试器在快速和慢速优化模式下做比较。

在本文中，我们会探讨为一个MQL程序创建一个交互式图形界面，该程序设计用于使用OLAP技术处理帐户历史和交易报告。为了获得视觉效果，我们将使用最大化和可伸缩的窗口、自适应布局的控件和用于显示图表的新控件。为了提供可视化功能，我们将实现一个GUI，其中沿着坐标轴选择变量，以及选择聚合函数、图表类型和排序选项。

在本文中，我将尝试扩展掉期利率交易方法的经典概念。 我将解释为什么我会得出这样的结论，即这个概念值得特别关注，绝对推荐研究。

本文是我的《用 MQL5 表示统计概率分布》一文的续篇，该文介绍了处理某些理论统计分布的类。现在，我们已经有了理论基础，我建议我们应直接进入实际数据集，并尝试据此基础获得某些信息。

本文描述了一种可能的数据转换方法，旨在提高模型的通用性，并讨论了 CatBoost 模型的采样和选择。

在没有明确奖励函数的情况下，实用的训练技能就是分层强化学习的主要挑战之一。 以前，我们已领略了解决此问题的两种算法。 但环境研究的完整性问题仍然悬而未决。 本文演示了一种不同的技能训练方式，其可取决于系统的当前状态直接使用。

即使你借助MQL5的云计算网络来进行优化工作，仍就需要消耗大量的计算机资源。本文由我对MetaTrader 5策略测试器一些简单的改进想所法组成。这些想法来自于MQL社区的相关技术文档、论坛和文章。

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。

在本文中，我将通过改进先前创建的算法的灵活性来继续本主题的开发。随着分析窗口中烛形数量的增加，或烛形超额阈值百分比的增加，算法变得更加稳定。我不得不做出妥协，并设置一个更大的样本量进行分析或更大的烛形超额百分比。

在本文中，我将实现即时报价数据的实时更新，并为操控市场深度的品种对象类（DOM 本身将在下一篇文章中实现）做准备。

在本文中，我们将继续有关基于最流行指标设计交易系统的系列文章，这次我们将讨论平均方向指数（ADX）指标。 我们将详细学习该指标，从而能够更好地理解它，并将学习如何在简单策略里运用它。 通过深入学习，我们可以获得更多的认知，可以更好地运用它。