有关MQL5数据分析和统计的文章

交易信号服务正在突飞猛进地发展。 将我们的资金托付给信号提供者，我们希望尽量减少资金亏损的风险。 那么如何在这个交易信号的森林中解开拼图呢？ 如何发现能赚取盈利的产品？ 本文提出创建一种工具，可在品种图表中直观地分析交易信号的交易历史。

大多数订阅者是通过优美的余额曲线和订阅用户数量来选择交易信号。 这就是为什么如今许多提供者只在乎漂亮的统计数据而非信号的真实质量，经常玩弄手数把戏并人为地将余额曲线整理到理想的外观。 本文论述了可靠性准则，以及提供者可用于提高其信号质量的方法。 展现特定信号历史的示例性分析，以及有助于提供者提升盈利并降低风险的方法。

这是处理和分析优化结果想法的续篇，这一次，我们的目标是选择100个最佳的优化结果并且在图形用户界面(GUI)表格中显示它们。用户将可以在优化结果中选择一行而在独立的图表中得到多交易品种余额和回撤图。

本文采用图形界面实现 MQL 应用程序来扩展可视化的优化过程。 图形界面采用 EasyAndFast 函数库的最新版本。 许多用户可能会问为什么他们在 MQL 应用程序中需要图形界面。 本文为交易者展示了众多实用情况之一。

本文基于拉尔夫·文斯 (Ralph Vince) 的 "资金管理中的数学"。 它所提供的经验和参数方法描述, 可用于查询交易手数的最优规模。 本文还介绍了基于这些方法实现 MQL5 向导的交易模块。

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。

在金融市场上进行交易是与各种风险相关的，这些风险在交易系统的算法中都应当被考虑到。降低这样的风险是在交易中获利的最重要的任务。

这篇文章在之前文章部分思路上作开发，并且做进一步的探讨。它描述了收益分布和绘图中的问题，并且做了统计学上的研究。

这篇文章处理的是夜间交易的概念，以及使用 MQL5 来实现它们的交易策略。我们会进行测试并得出相应的结论。

本文提出了一种技术, 通过汇集一套独立的指标, 以及开发定制的入场信号, 帮助每个人创建定制的交易策略。

交易者的生活中会出现不同的状况。经常地, 成功交易的历史令我们能够复现策略, 而查看亏损历史, 让我们尝试开发和改进新的策略。在这两种情况下, 我们要将交易与已知指标进行比较。本文推荐了一批拿交易与数个指标进行比较的方法。

已经研究过 7 种移动平均线 (MA), 并已开发了与它们协同工作的交易策略。在单一交易策略中测试和比较各种移动平均线的工作已经完成了, 结果展示了所有给定移动平均线应用的可比较性能特征。

迷你行情模拟器是一款设计用于在终端里部分模拟操作的指标。据推测, 它可以用来测试行情分析和交易的 "手动" 策略。

本文研究经典背离构造方法, 并提供了另外一种解读背离的方法。基于这种新的解释方法开发了交易策略。本文中也描述了这一策略。

在本文中, 我们研究另一种基于分析余额图来优化自定义交易策略的准则。线性回归使用 ALGLIB 函数库中的函数进行计算。

本文介绍在交易系统分析中使用概率论方法和数学统计。

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。

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。

本文介绍使用 MQL 中实现的内置测试器和辅助函数库来准确模拟前瞻优化的方法。

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。

本文通过运用多个独立指标的信号, 分析贝叶斯公式在提高交易系统可靠性方面的应用。理论计算可由一款简单的通用 EA 进行验证, 配置为使用任意指标。

Graphic.mqh 函数库以 MQL5 设计, 用来处理图形。本文提供了一个实际应用的例子, 并解释了排序的思路。这里描述排序的一般概念, 因为每种排序类型至少已经具有一篇单独的论文, 而有些排序类型更是详细研究的对象。

本文研究建立高效交易的推荐制系统的思想和方法, 结合了贝叶斯定理基础之上的重要机器学习方法, 以及奇异频谱分析 (SSA) 的预测能力。

本文详述一款由 Joe DiNapoli 开发的基于菲波纳奇等级的交易系统。文中将会解释系统蕴含的思路和主要概念, 并提供了一款简单的指标作为例子, 便于更清晰地理解。

随着对冲的引入, MetaTrader 5 提供了一个极佳的机会, 可以在一个交易账户内同时利用若干个专家交易系统进行交易。当一个策略是可盈利, 而第二个泽亏损的时候, 盈利图也许会徘徊在零值附近。在此情况下, 分别为每个交易策略构建余额和净值图形是十分有益的。

本文彻底解释了赫斯特指数背后的思想, 以及其价值观和计算算法的含义。分析了多个金融市场片段, 并介绍了使用 MetaTrader 5 产品实现分形分析的方法。

本文讨论当绘制市场条件的统计分布直方图时利用图形存储器的可能性, 而无需指标缓冲区和数组。描述了样本直方图的细节, 并展示了 MQL5 图形对象的 "隐藏" 功能。

订阅者经常通过分析信号在提供者账户里的总增长来搜索适当的信号, 这不是个坏主意。然而, 分析特定交易策略的潜在风险也很重要。在本文中, 我们将展示一种基于其绩效值来评估交易信号的简单有效方法。

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。

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。

本文致力于介绍一种新的有前景的机器学习方向 — 深度学习或者更准确的说，深度神经网络。简要回顾第二代神经网络，它们的连结架构和主要类型，学习的方法和规则以及缺点，随后介绍第三代神经网络的发展，它们的主要类型，特点和学习方法。创建并训练一个深度神经网络，由真实数据通过堆栈式自动编码器权重进行初始化。从输入数据的选择到数量化求解的所有步骤都会详细讲述。文章的最后部分包含一个深度神经网络的EA实例，其中带有一个MQL4/R的内置指标。

本文描述了一种新的方法来进行仓位对冲, 并在 MetaTrader 4 和 MetaTrader 5 的用户之间就此事的争辩划清界线。这是: "在 MetaTrader 5 里使用 HedgeTerminal (对冲终端) 面板进行双向交易和仓位对冲" 第一部分的延续。在第二部分里, 我们讨论自定义 EA 与 HedgeTerminalAPI 的集成, 其作为特别的可视化程序库, 设计用于在一个舒适的软件环境里作为工具进行便利的双向交易仓位管理。

模糊逻辑扩展了我们的数理逻辑和集合论的界限。本文揭示了模糊逻辑的基本原理, 同时描述使用马丹尼型和关野型的两种推理系统。提供的例程将描述如何使用 MQL5 版本的模糊库来实现这两种类型的系统。

本文使用Rattle包自动进行模式识别，来预测外汇市场的多头和空头。本文对初学者和有经验的交易者都适用。

本文提供一种在信号服务中搜寻交易信号的系统性方法，寻找能够平衡获利、风险、交易欲望，并且能适用于各类交易帐户及交易对象的交易信号。

本文描述了一种新的方法来进行仓位对冲，并在 MetaTrader 4 和 MetaTrader 5 的用户之间就此事的争辩划清界线。用通俗地语言描述可靠的对冲算法，并用简单图表和图例示意。本文专述新的 HedgeTerminal (对冲终端) 面板, 实质上是用于 MetaTrader 5 的全功能交易终端。使用 HedgeTerminal 和它提供的虚拟化交易, 仓位管理与 MetaTrader 4 的方式类似。

是否用于交易的特殊神经网络程序好似很昂贵和复杂，或是与此相反，太简单？来试试 NeuroPro。它是免费的，并且包含针对业余爱好者的最佳功能集合。这篇文章将告诉您如何结合 MetaTrader 5 来使用它。