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！
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。
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。
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。
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。
学习如何基于比尔·威廉姆斯（Bill Williams）的 MFI 设计交易系统
这是该系列中的一篇新文章，我们将学习如何根据流行的技术指标设计交易系统。 这次我们将涵盖比尔·威廉姆斯（Bill Williams）的市场促进指数（BW MFI）。
神经网络变得轻松（第八部分）：关注机制
在之前的文章中，我们已经测试了组织规划神经网络的各种选项。 我们还研究了自图像处理算法中借鉴而来的卷积网络。 在本文中，我建议研究关注机制，它的出现为开发语言模型提供了动力。
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。
MQL5集成：Python
Python是一种广为人知且流行的语言，具有许多功能，尤其是在金融、数据科学、人工智能和机器学习领域。Python也是一种强大的工具，可以在交易中发挥作用。MQL5允许我们将这种强大的语言作为集成工具，以高效地实现我们的目标。在本文中，我们将在了解一些Python的基本信息后，分享如何在MQL5中使用Python作为集成工具。
学习如何基于奥森姆（Awesome）振荡器设计交易系统
在我们系列的这篇新文章中，我们将学习一种也许对我们的交易有用的新技术工具。 它是奥森姆（Awesome）振荡器（(AO）指标。 我们将学习如何基于该指标设计交易系统。
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。
数据科学和机器学习（第 05 部分）：决策树
决策树模仿人类的方式针对数据进行分类。 我们看看如何构建这棵树，并利用它们来分类和预测一些数据。 决策树算法的主要目标是将含有杂质的数据分离成纯节点或靠近节点。
MetaTrader 4 与 MetaTrader 5 交易信号组件
MetaTrader 4 和 MetaTrader 5 用户最近得到了成为“信号提供方”并赚取更多收益的机会。现在，您可以利用新组件，在您的网站、博客或社交网络上展示您的成功交易了。使用组件的好处显而易见：它们会提高“信号提供方”的受欢迎程度、树立其作为成功交易者的声名，并吸引到新的“订阅者”。在其它网站上放置这些组件的所有交易者，也都享受到了上述好处。
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。
最新的改革
看一看您的交易终端。您能看到哪些价格展示方式？柱、烛形图和线条。我们追求的是时间和价格，但却只能由价格获利。那么，分析市场时，我们能否只关注价格呢？本文会针对点数图（"圈圈叉叉"）提出一种算法和脚本 - 已将各种各样的价格模式考虑在内，而其实际应用亦于提供的建议中列出。
开发多币种 EA 交易（第 1 部分）：多种交易策略的协作
交易策略是多种多样的，因此，或许可以采用几种策略并行运作，以分散风险，提高交易结果的稳定性。但是，如果每个策略都作为单独的 EA 交易来实现，那么在一个交易账户上管理它们的工作就会变得更加困难。为了解决这个问题，在一个 EA 中实现不同交易策略的操作是合理的。
利用 MQL5 和 MQL4 实现的选择和导航实用程序：添加"homework"选项卡并保存图形对象
在本文中，我们打算扩展先前创建的实用程序功能，添加用于选择所需品种的选项卡。 我们还将学习如何保存我们在特定品种图表上创建的图形对象，这样我们就不必再次创建它们。 此外，我们将发掘如何仅使用已操控经指定网站初步遴选的品种。
如何在 MQL5 中使用 ONNX 模型
ONNX（开放式神经网络交换）是一种开源的机器学习模型格式。 在本文中，我们将研究如何创建 CNN-LSTM 模型，来预测金融时间序列。 我们还将展示如何在 MQL5 智能系统中运用创建的 ONNX 模型。
为EA交易提供指标的现成模板（第3部分）：趋势指标
在这篇参考文章中，我们将研究趋势指标类别中的标准指标。我们将创建现成的模板，用于EA中的指标使用——声明和设置参数、指标初始化和析构，以及从EA中的指示符缓冲区接收数据和信号。
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。
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。
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。
从头开始开发智能交易系统（第 20 部分）：新订单系统 (III)
我们继续实现新的订单系统。 创建这样的一个系统需要熟练地掌握 MQL5，以及了解 MetaTrader 5 平台的实际工作方式，及其提供的资源。
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。
如何选择智能系统：拒绝一款交易机器人的 20 条强大准则
本文尝试回答这个问题：我们如何选择正确的智能系统？ 哪些最适合我们的投资组合，我们如何过滤市场上提供的庞大交易机器人列表？ 本文将介绍二十条明确而强大的准则来拒绝一款智能系统。 每条提出的准则都将得到很好的解释，从而帮助您做出更持久的决定，并为您建立一个更有前途的智能系统集合，从而赚取利润。
基于 CChartObject 类设计和实施新 GUI 组件
在我撰写了关于通过 GUI 界面实现半自动“EA 交易”的前作后，结果表明针对更复杂的指标和“EA 交易”，最好使用新的功能来改善界面。在熟悉 MQL5 标准库类后，我实施了一些新的组件。本文介绍新 MQL5 GUI 组件的设计和实施过程；这些组件可用于指标和“EA 交易”。本文中介绍的组件包括：CChartObjectSpinner、CChartObjectProgressBar 和 CChartObjectEditTable。
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。
直推和主动机器学习中的梯度提升
在本文中，我们将探讨利用真实数据的主动机器学习方法，并讨论它们的优缺点。也许你会发现这些方法很有用，并将它们包含在你的机器学习模型库中。直推是由支持向量机（SVM）的共同发明者弗拉基米尔·瓦普尼克（Vladimir Vapnik）提出的。
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。
MQL5 中的电子表格
本文介绍在其第一个维度中包含不同类型的数据的动态二维数组的类。以表格的形式存储数据可方便地解决与安排、存储和操作不同类型的绑定信息相关的各种问题。实施表格处理功能性的类的源代码已附于本文。