MQL5编程文章

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。

在本文中，我将继续开发 TabControl，并针对设置标题大小的所有模式，实现选项卡标题在控件所有四个侧边的排列：正常、固定、和靠右填充。

我们继续研究机器学习方法。 自本文，我们开始另一个大话题，强化学习。 这种方式允许为模型设置某些策略来解决问题。 我们可以预期，强化学习的这种特性将为构建交易策略开辟新的视野。

在本文中，我将研究允许您创建自己的技术指标的算法。 您将学到如何通过非常简单的初始假设，来获得非常复杂和有趣的结果。

在本文中，我将向您展示如何计算任何交易的总盈利或亏损，包括佣金和掉期利息。 我会提供最精准的数学模型，并依据它来编写代码，之后将其与标准进行比较。 此外，我还将尝试进入主要 MQL5 函数的内部来计算利润，并从规则中获取所有必要值的根底。

MQL5 中引入了矩阵和向量，用于实现数学解决方案的高效操作。 新类型提供了内置方法，能够创建接近数学标记符号的简洁易懂的代码。 数组提供了广泛的功能，但在很多情况下，矩阵的效率要高得多。

在本文中，我将继续工作于 TabControl WinForm 对象 — 我将创建一个选项卡字段对象类，令选项卡标题排列几行成为可能，并添加处理对象相应选项卡的方法。

这是一篇关于优化算法（OA）分类的介绍性文章。 本文尝试创建一个测试基台（一组函数），用于比较 OA，并可识别所有广为人知的算法中最通用的算法。

在本文中，我将创建一个新算法来为构建自定义图形的所有图形元素命名，并继续开发 TabControl WinForms 对象。

在本系列文章中，我们已经不止一次提到了迁移学习。 然而，都只是提及而已。 在本文中，我建议填补这一空白，并仔细研究迁移学习。

本文提供了一种创建复杂指标的方法，同时还避免了在处置多个作图板、缓冲区、和/或组合来自多个来源的数据时出现的问题。

在本文中，我将修复和优化当鼠标光标移离 WinForms 对象后 WinForms 对象的外观处理，并启动开发 TabControl WinForms 对象。

在本文中，我将针对 CCI 进行额外的修改，从而影响该指标的逻辑。 进而，我们就能够在主图表窗口中看到它。

在本文中，我将继续创建 WinForms 对象列表的基准对象，以及两个新对象：ListBox 和 ButtonListBox。

在上一篇文章中，我们已熟悉了自动编码器算法。 像其它任何算法一样，它也有其优点和缺点。 在其原始实现中，自动编码器会尽可能多地将对象与训练样本分开。 这次我们将讨论如何应对它的一些缺点。

本文将讨论 WinForms 对象群组，及创建 CheckBox 对象列表对象。

现在是时候实现动画图形界面功能，方便用户与对象的交互了。 为了让更复杂的对象能正确工作，还需要新功能。

这些系列文章所提议的是，MQL5 向导应作为交易员的支柱。 为什么呢？ 因为交易员不仅可以利用 MQL5 向导装配他的新想法来节省时间，还可以大大减少重复编码带来的错误；他最终可把精力投向自我交易哲学中的几个关键领域。