有关MQL5交易系统自动化的文章

本文基于 James Hyerczyk 所著《形态-价格-时间：甘氏理论在交易系统里的运用》一书中的某些理念，旨在探讨以指标和 《EA 交易》;形式进行自动化交易和分析的可能性。本文不敢自称内容详尽，在此我们只是探讨模型 - 甘氏理论的第一部分。

本文研究如何处理帐户事件，跟踪影响自动交易的重要帐户属性变化。 在开发帐户对象集合时，我们已在上一篇文章中实现了一些跟踪帐户事件的功能。

本文要讲述的是 William Blau 在《动量、方向和背离》一书中所说的指标。William Blau 的方法允许我们迅速、准确地接近价格曲线的波动，从而确定价格变动的趋势和转折点，并消除价格噪声。同时，我们还能探测市场的超买/超卖状态，以及指明趋势结束和价格反向变化的信号。

本文所述交易系统的不同寻常之处主要是使用数学工具分析股票报价。系统应用了数字滤波和离散时间序列的频谱估值。策略的理论层面已描述过, 并曾创建了一款测试智能交易系统。

本文主要介绍一些主动使用挂单的策略、用来描述这些策略的元语言，以及如何使用一种以这些描述为基础运行的多目标 EA 交易。

您的家用电脑是几核的？优化一项交易策略，您可以运用多少计算机？我们在此展示如何利用MQL5云网络，点击鼠标即可获取遍及全球的计算能力，并通过这种方式加速计算。每过去一年，时间就是金钱这句话都会成为更被热议的话题，我们不能承受重要运算几十小时甚或几天的等候。

逻辑上完整的市场理论应该包含所有品类的商品和服务市场，像外汇这种微观和宏观市场到目前为止还不包括其中。本文介阐释基于盈利分析的新市场理论的精髓。揭示了当前价格变化的运行机制和原则，即通过形成能对实际价格产生控制影响的虚拟价格链，来找到最优定价。市场趋势的形成和改变机制在这里将得到阐释。

在本文中, 我们将完成测试交易货币对篮子时可能检测到的形态。在此, 我们会跟踪货币对中每支货币彼此相对的走势形态, 并展示其测试结果。

本文是前一篇名为“逆转形态：测试双顶/双底形态”的后续文章。 现在我们将会看到另一个著名的逆转形态，称为头肩，比较两种形态的交易效率，并尝试将它们合并成为单一的交易系统。

日本烛形图的构建和烛图案的分析构成了技术分析的一个迷人领域。烛形图的优点在于它们以您能够跟踪数据动态的方式表示数据。在本文中，我们将分析烛的类型、烛图案的分类并提出一个能够确定烛图案的指标。

本文介绍纺锤形图表的绘制及其在交易策略和智能交易系统中的应用。首先我们讨论图表的展现，绘制记忆和日本蜡烛图的关系。其次我们分析下指标在MQL5语言中的实现源代码。最后我们测试基于该指标和由此构建的交易策略的EA。

防止未平正掉期率仓位出现意外价格变动的统计算法。本文介绍一种套利交易保护策略，这种策略能够补偿与未平仓位的方向相反的价格变动的潜在风险。

在最后一篇关于CStrategy交易引擎的系列文章中，我们将考虑多个交易算法同时运行，学习如何从XML文件加载策略，并将给出一个简单的面板，用于从可执行模块中选择EA，并管理它们的交易模式。

跟随我们以前关于货币篮子交易原理的文章, 这里我们将分析交易者可以检测的形态。我们还将研究每种形态的优点和缺点, 并就其使用提供一些建议。基于威廉姆斯振荡器的指标将用作分析工具。

在本文中，我将试图详细解释什么是网格和马丁格尔，以及它们的共同点。此外，我将试着分析这些策略到底有多可行。这篇文章同时包含了数学和实践部分。

我们开始测试形态, 并尝试有关交易货币对篮子的文章中所描述的方法。我们看看在实践中如何应用超卖/超买等级的突破形态。

截至2018年10月，MetaTrader官方自由职业者服务的成员已完成超过50,000个订单。这是全球最大的MQL程序员自由职业网站：超过1000名开发人员，每天几十个新订单以及7种语言本地化。

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。

我们透露一个小秘密：MQL5.com网站访问者的大部分时间都花在Johnpaul77信号的页面上。它在我们信号等级中遥遥领先，拥有约900个订阅人，真实账户的总资金为570万美元。我们已经采访了该信号的提供者。事实证明，有四人！团队成员之间的职责是如何分工的呢？他们使用的技术工具是什么？为什么他们自称John Paul？最后，来自印度尼西亚的普通玩家是如何成为MQL5.com上顶级信号的提供者？在文章中能找出所有答案。

在本文中，我们将讨论如何做到最少编程来开发一款交易机器人。

本文所提供的技术讲述，旨在提高任何自动交易系统的有效性。 它简要解释了这个思路，以及它的基本原理、可能性和缺点。

在本文中，我们将继续分析CStrategy交易引擎的算法。这系列文章的第三篇包含如何使用这种方法开发特定的交易策略样例的详细分析。需特别关注辅助算法— 智能交易日志系统以及使用索引方式（Close[1]，Open[0]等）访问数据。

目前，最大的自动交易应用程序成品商店可提供13,970个产品。它包含4,800个EA、6,500个指标、2,400个实用工具以及其他解决方案。在这种情况下，差不多有一半的应用程序（6,000）可供租用。此外，产品总数的1/4产品（3,800）可以免费下载。

本文是对创建算法的原则以及交易系统的元素的总结和系统化。本文讨论EA 交易算法的设计。我们将以CExpertAdvisor类作为示例进行探讨，该类可用于轻松快捷地开发交易系统。

MetaTrader 5 可以开发和测试同时交易多种金融资产的交易机器人。其内建的策略测试器能够自动从经纪商的服务器中下载所需的订单时刻历史，并会考虑到账户的合约规范，所以开发人员不用做任何人工工作。这可以使交易环境条件的重建能够简单和可靠，包括乃至不同交易品种中订单来临之间毫秒级的间隔。在本文中，我们将演示在两种莫斯科交易所期货上开发和测试一种点差策略。

有关金融数据分形行为的研究表明，在经济时间序列看似混乱的行为背后，存在着参与者集体行为的隐性稳定机制。这些机制可以导致交易所出现价格动态，从而定义和描述价格序列的具体属性。应用于交易中，能够有效、可靠地估计尺度和时间框架内的分形参数的指标，具有一定的实用价值。

在本文中，我将依据 Bill Williams 所著的《证券交易新空间：如何从股票、债券和商品交易中的混沌获利》一书讨论 EA 交易程序的开发。该策略本身已经广为人知，并且其使用在交易者之间仍然备受争议。本文考虑系统的交易信号、其实施的细节以及有关历史数据的测试结果。

这是研讨算法交易框架中逆转形态相关的系列文章中的首篇。 我们将从最有趣的形态家族开始，它们源自双顶和双底形态。

本文旨在尽可能简单、快速地描述外汇交易的主要特点，并与初学者分享一些基本的想法。它还试图回答交易界最诱人的问题，同时展示一个简单指标的开发。

本文详述了基于多头力度（Bulls Power），空头力度（Bears Power）和均线指标（EMA - 指数平均）的 Elder-Ray 交易系统。 Alexander Elder 在他的著作“为生活而交易”中描述了这个系统。

在之前的文章中，我们已着手创建一个大型跨平台函数库，简化 MetaTrader 5 和 MetaTrader 4 平台程序的开发。 在第七部分中，我们加入了 StopLimit 订单激活跟踪，以及准备了其它涉及订单和持仓事件的跟踪功能。 在本文中，我们将开发用于跟踪订单和持仓修改事件的类。

行情在一个月内下跌了 30％ 以上。 这似乎是测试基于网格和马丁格尔的智能交易系统的最佳时间。 本文是“创建跨平台网格 EA”系列的计划外延续。 当前行情为安排网格 EA 提供了疏解压力的机会。 因此，我们要把握这次机会，并测试我们的智能交易系统。

本文推荐一种由很多策略组成的自适应系统，每种策略执行其自己的虚拟交易操作。实际交易依据当时最赚钱策略的信号进行。归功于使用面向对象的方法、标准库中用于处理数据的类和交易类，系统的架构看起来很简单并且可扩展；现在，您可以轻松地创建和分析包含数以百计的交易策略的自适应系统。

任何交易机器人的效率均取决于正确选择（优化）其参数。 然而，在某个时间区间内被认为是最佳的参数可能无法在另一个交易历史区间保持其有效性。 此外，在测试期间表现良好的 EA 在实时状态下最终会亏损。 持续优化的问题就此凸显出来。 当面对大量重复性工作时，人类总会寻找自动化方法。 在本文中，我提出了一种解决此问题的非标准方法。

本文是通用智能交易模型系列文章的又一篇。这一部分详细介绍了基于数据集中处理的原始事件模型，并考虑了交易引擎CStrategy基类的结构。

我不是专业的程序员。 正因如此，对于我来说，要进行交易系统开发，“由简入繁”是最最重要的原则。 那么，对我来说，怎样才算是简单呢？ 首先，是创建系统过程的可视化，及其工作的逻辑。 还有，手写代码要尽可能地少。 在本文中，我将尝试根据 Matlab 软件包完成交易系统的创建和测试，然后再编写一个 MetaTrader 5 “EA 交易”。而测试过程会采用 MetaTrader 5 的历史数据。

本文会验证创建一种高级峰谷指标的可能性。识别节点的概念是以使用轨道线指标为基础的。我们假设可以找到一系列轨道线输入参数的一种特定组合，所有峰谷节点均可借此处于轨道线带的界限之中。因此，我们可以尝试预测新节点的坐标。

本文介绍轴心均值振荡器（PMO），它是累积移动平均线（CMA）的一种实现，作为一款 MetaTrader 平台的交易指标。 特别是，我们首先引入数据轴心均值（PM）作为时间序列的常规化指数，该指数计算任意数据点位和 CMA 之间的分值。 然后，我们依据两个 PM 信号均值之间的差值构建 PMO。 报告还针对 EURUSD 品种还进行了一些初步实验，测试拟议指标的有效性，从而为将来的研究和改进留出了足够的空间。