有关 MQL5 编程和自动交易使用的文章

有很多人不知道如何编程，但他们很有创造力，亦有杰出的想法。 然而，由于缺乏编程知识，他们无法实现这些想法。 我们一起看看如何利用 MetaTrader 5 平台本身创建图表交易，就如同它是一个 IDE。

在我之前的文章里，我已经解释了如何创建拥有多个子窗口的指标，在使用自定义指标时如此这般会变得很有趣。 这次，我们将看到如何为智能交易系统添加多个窗口。

本文针对货币数据进行了一次分析，从而能更好地理解为什么智能交易系统在某些时段表现良好，而在其它时段表现不佳。

本文在介绍了 MQL5 的一些基础知识之后，通过设计一个简单的算法交易系统，向初学者展示了如何运用 MQL 的基础知识设计他们的算法交易系统（智能交易系统）

运用特殊的数据类型“矩阵”和“向量”，可以创建非常贴合数学符号本意的代码。 运用这些方法，您可以避免创建嵌套循环，或在计算中分心记忆正确的数组索引。 因此，矩阵和向量方法的运用能为开发复杂程序提高可靠性和速度。

在交易中，止损是资金管理采用的主要工具。 有效利用止损、获利回吐和成交量可以使交易者在交易中更加一致，总体上更加有利可图。 尽管止损是一个极好的工具，但在运用中也会遇到一些挑战。 最主要的是止损猎杀（stop-loss hunt）。 本文展望如何降低交易中的猎杀，并与经典的止损用例进行比较，从而判定其盈利能力。

本文旨在教导读者如何从头开始采用 MQL4/5 语言构建深度神经网络。

在上一篇文章中，我们开始研究旨在提高神经网络训练品质的方法。 在本文中，我们将继续这个主题，并会研讨另一种方法 — 批次数据常规化。

在本文中，我将演示一些非常有趣且实用的自动交易技术。 其中一些可能您很熟悉。 我将尝试覆盖最有趣的方法，并解释为什么它们值得使用。 此外，我将展示这些技术在实战中的适用性。 我们将创建智能交易系统，并依据历史报价来测试全部所述技术。

作为研究神经网络的下一步，我建议研究在神经网络训练过程中提高收敛性的方法。 有若干种这样的方法。 在本文中，我们将研究其中之一，名为“舍弃”。

我们以前曾研究过神经网络中的自关注机制。 在实践中，现代神经网络体系结构会采用多个并行的自关注线程来查找序列元素之间的各种依存关系。 我们来研究这种方法的实现，并评估其对整体网络性能的影响。

利用计算机视觉可以训练神经网络对价格图表和指标的直观表示。这种方法可以对整个复杂的技术指标进行更广泛的操作，因为不需要将它们以数字形式输入神经网络。