有关使用 MQL5 集成 MetaTrader 5 的文章

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。

在2015年升级了 MATLAB 包之后，有必要考虑一种现代的创建 DLL 库的方法。本文利用样本预测指标，说明了在目前使用的64位平台上关联 MetaTrader 5 和 MATLAB 的特点。通过探讨连接 MATLAB 的整个过程，MQL5 开发人员将能够更快地创建具有高级计算能力的应用程序，从而避免“陷阱”。

本文描述了一种通用的基于CSS选择器的HTML文档数据分析和转换方法。交易报告、测试报告、您最喜欢的经济日历、公共信号、账户监控和其他在线报价源将直接从MQL获得。

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。

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。

本文描述了用于解析基于MQL的源代码的预处理器、扫描器和解析器，MQL 的实现在附件中。

本文介绍运用 MQL5 语言创建自定义兑换品种。 特别是，它研究使用来自流行的 Finam 网站的兑换报价。 本文中研究的另一个选项是在创建自定义品种时可以使用任意格式的文本文件。 这允许使用任何金融品种和数据源。 创建自定义品种之后，我们可以使用 MetaTrader 5 策略测试器的所有功能来测试兑换品种的交易算法。

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。

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。

本文讨论基于实际交易量并使用 CopyTicks() 和 CopyTicksRange() 函数开发股票指标的算法。 还描述了开发此类指标的一些细微环节，以及它们在实时和策略测试器中的操作。

该小工具为网站提供了一个详细的发布时间表，列出了全球大型经济体的500个指标及指数。因此，除了主要的网站内容之外，交易者还能够迅速收到关于所有重要事件的最新消息及其解释和图表。

本文描述了如何把操作 Microsoft SQL Server 数据库的功能加到基于 MQL 语言的 EA 交易中，它使用了从一个DLL(动态链接库)中引入函数的方法。这个 DLL 是使用 Microsoft .NET 平台和 C# 语言创建的。本文中使用的方法只要做少许调整，就可以用于使用 MQL4 开发的 EA 交易中。

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。

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。

本文将经典的 MQL5 指标访问方法与 MQL4 风格的替代方法进行比较。 研究若干种 MQL4 风格的指标访问方法: 带有和未带有指标句柄缓存。 还会研究分析 MQL5 核心内部的指标句柄。

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。

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。

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。

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。

本文介绍如何构建自定义优化标准 R-平方。这一准则可用来评估一个策略的余额曲线的品质, 并选择增长最平滑和稳定的策略。这项工作讨论其构建原理, 以及用于评估属性和衡量品质的统计方法。

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。

本文讨论如何在跨平台智能交易系统中设置自定义停止价位。它还讨论了一种紧密相关的方法, 即随着时间的推移, 定义停止位的演化。

本文讨论智能交易系统中停止价位的实现, 以便在两个平台 Metatrader 4 和 Metatrader 5 之间兼容。

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。

本文是一系列有关深层神经网络的延续文章。在此, 我们将研究选择样本 (消除噪声), 降低输入数据的维度, 并在数据准备期间将数据集合划分为训练/验证/测试集合, 以便训练神经网络。

云技术正在变得越来越流行，现在，我们可以选择付费或者免费的存储服务，有没有可能在交易中使用它们呢?本文提出了一种技术，可以使用云存储服务来进行终端之间的数据交换。

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。

有关深度神经网络系列的第二篇文章研究当准备模型训练的数据期间预测因子的变换和选择。

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。

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。

本文探讨如何实现跨平台智能交易系统的各种时间过滤方法。时间过滤器类负责检查给定时间是否处于特定时间配置设置的范围内。

本文研究从所需的标签标记开始自动为 MQL5 代码创建文档。它还提供了如何使用、如何正确配置 Doxygen 软件, 以及如何以不同格式接收结果 (包括 html, HtmlHelp 和 PDF) 的说明。

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。

在滑动窗口中执行计算时, 环形缓存是排布数据最简单和最有效的方式。本文描述其算法, 并展示它如何简化滑动窗口中的计算, 以令其更有效率。