有关使用 MQL5 集成 MetaTrader 5 的文章

MQL5.community服务为交易者以及MetaTrader 程序端应用程序的开发人员提供更多机会。在本文中，我们描述了如何执行MQL5服务的付款，如何提取获得的收入，以及如何确保操作安全性。

交易者会非常熟悉 WebTerminal, 它允许直接从浏览器在金融市场上交易。将 WebTerminal 小部件添加到您的网站 — 这样做是绝对免费的。如果您有网站, 您可开始向经纪商引荐潜在客户 — 我们已为您准备好了一个即用型的网页版解决方案。您需要做的所有事情就是将一个 iframe 嵌入您的网站。

如果您刚刚切换到 MQL5, 那么本文将会很有用处。首先, 以正常的 MQL4 风格访问指标数据和序列已经完成。其次, 以 MQL5 实现这些整体上更简单。所有函数都尽可能地清晰, 并且非常适合单步调试。

本文是 MQL4 语言函数的快速指南，帮助您将您的程序从 MQL4 迁移到 MQL5。介绍了每个 MQL4 函数（交易函数除外）的说明和 MQL5 实施，从而让您显著减少转换时间。出于方便起见，MQL4 函数被分为组，类似于 MQL4 参考。

MQL5 为 OpenCL 提供原生支持已逾一年。但是，见证到并行计算在其 EA 交易、指标或脚本中使用的真正价值的用户并不是很多。本文旨在帮助您安装并在自己的计算机上设置 OpenCL，让您能够在 MetaTrader 5 交易终端中尝试使用此技术。

本文讨论了跨平台EA交易中资金管理方法的实现，资金管理类是用于EA交易中下一次交易进场时进行交易的手数大小计算的。

本文重点介绍机器学习模型中输入变量（预测因子）的选择，预处理以及评估的相关细节。同时将探讨新的方法和预测因子深度分析及其对模型过度拟合可能的影响。模型的总体效果很大程度上取决于这一阶段的结果。我们将分析两个包，它们分别提供预测因子选择的新老方法。

本文研究利用贝叶斯优化深度神经网络 (DNN) 超参数，获取各种训练变体的可能性。 比较不同训练变体中最优超参数 DNN 的分类品质。 DNN 最优超参数的有效性的深度已在前瞻性测试中得以验证。 改善分类品质的可能方向也已确定。

全方位的数据处理需要大量工具，并且经常超出单一应用程序的功能沙箱。 专用编程语言正在用于处理和分析数据，统计和机器学习。 Python 是数据处理的主要编程语言之一。 本文介绍如何使用套接字连接 MetaTrader 5 和 Python，以及如何通过终端 API 接收报价。

本文描述开发一个在 MQL 与 MySQL 之间的接口。它讨论了现有的可行解决方案，并采用更便捷的途径来实现与数据库协同工作的链接库。本文包括功能的详尽描述，接口结构，例程，以及一些使用 MySQL 时的特性。作为软件解决方案，本文附件中包含了用于 MQL4 和 MQL5 语言的动态库，文档和脚本例程。

本文涵盖的内容是提出了进化算法主要原则，以及它们的特点和多样性。我们将使用一个简单的EA交易作为实例来做实验，来展示如何通过优化使我们的交易系统获益，我们将探讨在软件程序中实现遗传、进化以及其它类型的优化，并且在优化交易系统的预测器集合与参数时提供示例程序。

本文讨论了 CSignal 和 CSignals 类，它们将用于创建跨平台的EA交易。它检验了MQL4和MQL5的区别，看它们在评估交易信号时需要怎样特别的数据，这样来确保写出的代码可以兼容两种编译器。

对于那些仍然使用 MQL4 编程且不想切换到 MQL5 的人来说, 本文是一个过渡步骤。 我们继续寻找以 MQL4 风格编写代码的机会。 这一次, 我们将研究 #define 预处理器的宏替代。

通用智能交易系统的第六章介绍追踪止损功能的用法。本文将指导你如何使用通用规则创建一个自己的追踪止损模型，以及如何将其添加到交易引擎中来实现自动管理持仓头寸的功能。

本文研讨三种可用于提高袋封融合分类品质的方法，并对其效率进行了评估。 评估 ELM 神经网络超参数的优化效果，以及后期处理参数。

本文将要讨论为跨平台专家交易系统创建的订单管理器。订单管理器负责由专家系统建立的订单或仓位的入场和离场, 以及为所有两个版本保留这些交易的可用独立记录。

本文将致力于分析 MetaTrader 5 平台的交易信号, 从而能够在用户账户里自动执行交易操作。此外，文章还研究了工具的开发，它有助于从终端当中直接搜索潜在地有 "钱途" 的交易信号。

ZUP 指标允许搜索多个已知形态，其参数已经设置。 这些参数可以根据您的要求进行编辑。 您还可以使用 ZUP 图形界面创建新形态并将其参数保存到文件中。 之后，您可以快速检查这些新形态是否可以在图表中找到。

本系列文章继续探索深度神经网络 (DNN) 在众多应用领域 (包括交易) 中的运用。在此会探索本主题的新维度, 同时使用实际的实验测试新的方法和思路。本系列的第一篇文章致力于为 DNN 准备数据。

本文是对CStrategy交易引擎的进一步描述。由于交易者的广泛需要，我们向交易引擎中添加了支持挂单的相关函数。同时，最新版的MetaTrader 5现在也支持了具有对冲选项的帐户。同样的功能也添加到了CStrategy中。本文给出了使用挂单进行交易和在账户中用CStrategy类进行对冲交易的详细算法描述。

我们继续构建融合。 这次，之前创建的融合袋将辅以可训练的合并器 — 深度神经网络。 一个神经网络在修剪后合并了 7 个最佳融合输出。 第二个将融合的所有 500 个输出作为输入，修剪并合并它们。 神经网络将使用 Python 的 keras/TensorFlow 软件包构建。 该软件包的功能也会简要介绍。 还会进行测试并比较装型融合和堆叠融合的分类品质。

本文将研究 darch 软件包的新功能 (v.0.12.0)。它包含具有不同数据类型, 不同结构和训练顺序的深度神经网络训练的描述。培训结果也包括在内。

文章的第八部分包含了 CSymbol 类的描述, 它是一个特别的对象，可以访问任何交易资产。当在 EA 交易中使用时, 这个类提供了很多交易品种的属性，而简化了EA交易的编程，并扩展了它的功能。

任何一个智能交易系统（EA）的开发人员，无论编程技能如何，每天都面临着同样的交易目标和算法问题的困扰，即应该如何建立一个可靠的交易系统。本文介绍CStrategy交易引擎，它可以给出这些任务的解决方案，并且向用户提供一种用于描述自定义交易思想的简便机制。

初版文章依然具有其相关性，因此如果您对此主题感兴趣，请务必阅读第一篇文章。 从初版起已经过了很久时间，而当前的 Visual Studio 2017 具有全新的界面。 MetaTrader 5 平台也拥有了诸多新功能。 本文提供了开发 DLL 项目各个阶段的描述，以及如何设置 DLL 并与 MetaTrader 5 工具进行交互。

创建自定义交易品种拓展了开发交易系统和金融市场分析的边界，现在，交易者可以在无限的金融资产工具上绘制图表和测试交易策略了。

本文主要介绍 CExpertAdvisor 和 CExpertAdvisors 类, 它们是本系列文章中所述跨平台智能交易系统里用到的所有组件的容器。

本文介绍了一种使用 Visual Studio 创建图形窗口的简单而快速的方法，并随后将其集成到专家顾问的MQL代码中。本文面向非专业读者，不需要了解C#和.NET技术。

本文展示了如何利用市场深度 (DOM) 编程, 并介绍了 CMarketBook 类的操作原理, 它可扩展 MQL5 标准库的类, 并提供使用 DOM 的便利方法。

本文讨论了用引导聚合结构构建并训练神经网络融合的方法。 它还确定了构成融合的各独立神经网络分类器的超参数优化的特性。 本文中所创建的神经网络融合的品质将与该系列前一篇文章中获得的优化神经网络的品质进行比较。 已考虑到进一步提高融合分类品质的可能性。

本文描述了通过HTTP请求来操作网络，以及使用一个中间服务器进行终端间数据交互的方法。引入一个MqlNet类库，在MQL5环境中操作因特网上的资源。监视不同经纪商的报价，在终端内和其他交易者进行信息交流，在互联网上查找信息——这些是本文将介绍的一些例子。

你是不是觉得需要向你的指标或者EA中添加图形面板来提升配置参数的速度和便捷性？在本文中，你将学会如何一步一步在你的MQL4/MQL5程序中实现输入参数的交互面板。

MetaTrader 5 交易平台中的策略测试器只提供两种优化选项: 参数完整搜索和遗传算法。 本文提出了一种交易策略优化的新方法 — 模拟退火。 该方法的算法, 其实现和集成到任何智能交易系统的方方面面均加以考虑。 开发出的算法已在移动平均 EA 上进行了测试。

直接从MetaTrader 5终端中进行信号运行的计算是非常有利的，因为终端提供了信号的预先选择和排序。通过这种方式，用户可以在终端中看到与他们的交易账户兼容得最好的信号。

一款以 MQL 类实现的推特（Twitter）客户端，允许您发送带照片的推文。 您只需要包含一个独立的包含文件，之后您即可将所有出色的图表和信号发作推文。

在本文中, 我们将探讨创建灵活新闻递送的可能性, 可提供更多新闻类型和来源方面的选项。 本文将介绍如何将 Web API 与 MetaTrader 5 终端集成。