MQL5编程文章

早前所研讨主题的逻辑延续，即针对交易任务开发多功能数学模型。 在本文中，我将从头开始讲述与分形数学模型开发相关的整个过程。 这个模型应成为一个重要的构建模块，且其是多功能和通用的。 它将为我们遵循该思路深入开发奠定理论基础。

想要从 MetaTrader 5 导出报价到您自己的应用程序？MQL5-DLL 组合可给出这样的解决方案！本文介绍将报价从 MetaTrader 5 导出至以 .NET 编写的应用程序的方法。对我而言，使用该平台实施报价的导出要更为有趣、合理和容易。遗憾的是版本 5 仍然不支持 .NET，因此和以往一样，我们将使用 .NET 支持的 win32 dll 作为中间层。

在本文中，我们将创建一种模式，它会使用一系列参数为交易系统作优化，而且允许不加数量限制的参数。交易品种的列表将在标准文本文件(*.txt)中创建，每个交易品种的输入参数也将存储于文件中。使用这种方法，我们将能够免除终端中对EA输入参数个数的限制。

在本文中，我们将继续研究分形，并会特别留意总结所有材料。 为此，我将尝试把所有早期开发归纳为一个紧凑的形式，这对于交易中的实际应用来说将是方便和易于理解的。

从本文开始，我们将开发一种功能，允许用户在特定条件下利用延后请求进行交易，举例来说，当达到特定时间限制、超出指定利润或由止损平仓时。

本文开始 DoEasy 函数库的新系列，与创建相关，从而简化和快速进行程序开发。 在当前文章中，我们将为函数库实现访问和操控品种时间序列数据的功能。 我们计划创建柱线（Bar）对象，来存储时间序列的主要和扩展的柱线数据，并将柱线对象置于时间序列列表之中，从而便于对象的搜索和排序。

本文会举例说明如何开发一个可以实施名为“生长型神经气” (GNG) 自适应聚类算法的 MQL5 程序。本文针对已研究过语言文档、且已具备一定编程能力和神经信息学基础知识的用户。

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。

本文描述利用 Kohonen 映射进行操作的技术。本主题对那些在他们的项目中运用 Kohonen 映射进行市场研究时遇到困难的 MQL4/MQL5 初级程序员和经验丰富的程序员都有益处。

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。

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。

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。

得益于 MQL5 为编程人员提供的一套非常完整的函数集和面向对象 API，他们可以在 MetaTrader 环境中大展身手。然而，Web 技术如今是用途极为广泛的工具，可以在一些情形中提供帮助：当您需要完成一些非常具体的工作；希望用一些不同的东西给您的客户留下深刻印象；或仅仅是您没有足够的时间来掌握 MT5 标准库的特定部分。今天的练习引导您完成有关如何在创建令人惊叹的技术组合的同时，管理您的开发时间的实例。

每个对象，无论是自定义对象、动态数组还是对象数组，都以其特定的方式在 MQL5 程序中创建和删除。某些对象往往是其他对象的一部分，在取消初始化时对象删除的顺序便尤为重要。本文提供了涵盖对象使用机制的一些示例。

在本文中，技术指标被视为数字滤波器。本文对数字滤波器的操作原理和基本特性进行了说明。同时，本文还涉及在 MetaTrader 5 终端中接收滤波器内核以及与建立一个频谱分析程序一文中提出的现成频谱分析程序集成等实用方法。本文将典型数字滤波器的脉冲和频谱特性用作示例。

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。

随着函数库的增长, 其代码必须重新优化以便减少其大小。本文中描述的函数库版本已变得更加面向对象。这令代码更容易学习。最新变化的详细描述将令读者能够根据自己的需求独立开发函数库。

我们继续开发利用延后请求进行交易的函数库功能。 我们已实现了发送开仓和下挂单的条件交易请求。 在本文中，我们将实现条件平仓 – 全部、部分和由逆向仓位平仓。

如何找到比平常更多的烛条形态？ 简单的烛条形态背后，还有一个严重的瑕疵，可经由现代自动交易化工具所提供的强大能力来抵消。

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。

构建各种类型的图表是分析市场情形及测试交易系统的一个基本部分。通常，为了构建一个精致的图表，必须将数据输出到一个文件，然后在 MS Excel 等应用程序中使用该文件。这样并不是非常方便，并且使我们无法动态更新数据。Google Charts API 通过向服务器发送特别请求，提供了在线创建图表的方式。在本文中，我们将尝试让创建此类请求和从 Google 服务器获得图表的过程实现自动化。

在本文中，我们开始为 DoEasy 库开发指标缓冲区类。 我们将创建抽象缓冲区的基类，该基类将作为开发不同类型指标缓冲区的基础。

在本文中，我们将深入开发利用键盘快捷键在图表上绘制图形对象的设想。 全新工具已被加到函数库当中了，包括一条贯穿任意顶点绘制的直线，以及一组能够评估逆转时间和价位的矩形。 此外，本文还展示了优化代码从而提高性能的可能性。 实现示例已经重写，能够使用其它交易程序的快捷方式。 所需的代码知识水平：略高于初学者。

在本文中, 我们将会创建分隔线元件. 它可以用作独立的界面元件, 也可以作为许多其他元件的一部分. 之后, 我们就拥有了开发上下文菜单的全部所需, 在本文中会加以详细介绍. 另外, 我们还会对类作必要的扩充, 即用于保存应用程序中图形界面所有元件的指针库.

本文重点介绍了面向对象的 MQL5 语言，用于创建对象，并与终端的全局变量协同工作。作为一个实际的例子，我考虑这样一种情况，以全局变量作为控制点实现程序分段。

本文介绍了在应用统计中使用的随机变量的概率分布（正态分布、对数正态分布、二项分布、逻辑分布、指数分布、柯西分配、学生 t 分布、拉普拉斯分布、泊松分布、双曲线正割分布、贝塔分布和伽玛分布）。它还介绍用于处理这些分布的类。

我们将会展示一个来自前一篇文章，"MQL5 Cookbook: 自定义信息面板上的仓位属性"的修改版的EA交易。我们将会解决一些问题，包括从柱中获得数据，在当前交易品种中检查新柱事件，在文件中包含标准库中的交易类，创建一个函数来搜索交易信号，还有一个执行交易操作的函数以及在OnTrade()函数中判断交易事件。

本文研究开发指标缓冲区对象类，其为抽象缓冲区对象的衍生类，从而可简化声明，并可操控指标缓冲区，同时创建基于 DoEasy 库的自定义指标程序。

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。

开发交易系统时，通常都会出现选择最佳指标与信号组合的问题。而判别分析就是找到此类组合的方法之一。本文会给出一个用于市场数据采集的 EA 开发示例，并详细阐明如何利用判别分析在 Statistica 软件中构建外汇市场预后模型。

应用统计的主要问题是接受统计假设的问题。长期以来它被视为一个无法解决的问题。随着本征坐标法的出现，这种情形出现了改变。它是对信号进行结构化研究的一款优秀且强大的工具，使用现代应用统计方法，能够精准预测可能的走势。本文着重于此方法的具体运用并以 MQL5 语言编程。它还使用 Hilhorst 和 Schehr 介绍的分布作为一个例子，处理函数识别问题。

第七部分的第一章介绍了用于创建三种表格控件的类: 文字标签型表格(CLabelsTable), 编辑框型表格(CTable) 以及绘制型表格(CCanvasTable)。在本文中(第二章)我们将讨论页面(Tabs)控件。

MetaTrader 5 平台的用户界面被翻译成几种语言。如果您的母语不在支持的语言之中，请不用担心。您可以使用的特别的 MetaTrader 5 MultiLanguage Pack 工具轻松地完成翻译，这个工具由 MetaQuotes Software Corp. 提供，对所有用户都是免费的。在本文中，我们将介绍几个如何向 MetaTrader 5 平台添加新的用户界面语言的例子。

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。