有关MQL5交易系统自动化的文章

运用特殊的数据类型“矩阵”和“向量”，可以创建非常贴合数学符号本意的代码。 运用这些方法，您可以避免创建嵌套循环，或在计算中分心记忆正确的数组索引。 因此，矩阵和向量方法的运用能为开发复杂程序提高可靠性和速度。

在本文中，我们将继续讲述如何基于最流行的指标设计交易系统。 在本文中，我们将详细学习抛物线 SAR 指标，以及如何运用一些简单的策略来设计用于 MetaTrader 5 的交易系统。

在本文中，我们将学习如何根据我们的偏好利用 MQL5 创建自定义指标，在 MetaTrader 5 当中运用它来帮助我们读取图表，或在自动智能系统当中运用。

这是我们系列中有关如何基于最热门指标设计交易系统的一篇新文章，这回我们将详细讨论 Ichimoku 指标，以及如何依据该指标设计交易系统。

这款MetaTrader 5 EA实现了基于订单流的剥头皮交易策略，并配备了高级风险管理功能。它使用多种技术指标，通过订单的不平衡性来识别交易机会。回测结果显示该策略具有潜在的盈利能力，但同时也突显了需要进一步优化的必要性，尤其是在风险管理和交易结果比率方面。该策略适合经验丰富的交易者，但在实际部署之前，需要进行彻底的测试和深入理解。

在上一篇文章中，我们开始研究旨在提高神经网络训练品质的方法。 在本文中，我们将继续这个主题，并会研讨另一种方法 — 批次数据常规化。

欢迎阅读我们系列中的新篇章，有关如何基于最流行的技术指标设计交易系统。 在本文中，我们将学习一个新的技术指标，以及如何运用强力指数（Force Index）指标创建交易系统。

在本文中，我们探讨了经典的网格策略，详解 MQL5 的智能交易系统的自动化，并初步分析回测结果。我们强调了该策略对高持有能力的需求，并概括了在未来分期分批优化距离、止盈和手数等关键参数的计划。该系列旨在提高交易策略效率，以及针对不同市场条件的适配性。

Python是一种广为人知且流行的语言，具有许多功能，尤其是在金融、数据科学、人工智能和机器学习领域。Python也是一种强大的工具，可以在交易中发挥作用。MQL5允许我们将这种强大的语言作为集成工具，以高效地实现我们的目标。在本文中，我们将在了解一些Python的基本信息后，分享如何在MQL5中使用Python作为集成工具。

我们以前曾研究过神经网络中的自关注机制。 在实践中，现代神经网络体系结构会采用多个并行的自关注线程来查找序列元素之间的各种依存关系。 我们来研究这种方法的实现，并评估其对整体网络性能的影响。

今天，我们将继续开发新订单系统。 实现一个新系统并非那么容易，因为我们经常会遇到各种问题令过程复杂化。 当这些问题出现时，我们必须停下来重新分析我们前进的方向。

这是目前最强力的指标之一。 任何满怀信心尝试交易的人都必须在他们的图表上拥有这个指标。 最常用的指标都是那些喜欢在交易时“读磁带”的人所采用。 此外，而该指标则是那些交易时仅依据价格动作的人会采用。

我们继续从 EA 中删除单独的部件。 这是本系列中的最后一篇文章。 并且最后要移除的是声音系统。 如果您之前没有关注过这些文章系列，可能会有点困惑。

本文探索了用时间过滤器建立机器学习模型，并讨论了这种方法的有效性。现在，只要简单地指示模型在一周中某一天的某个时间进行交易，就可以消除人为因素。模式搜索可以由单独的算法提供。

在本文中，我们将研究购买智能交易系统时应该注意的一些要点。 我们还将寻求提升盈利的方法，从而明智地花钱，并从付出中获取盈利。 此外，读完本文之后，您会发现，即便使用简单免费的产品也有可能赚到钱。

在我之前的文章里，我已经解释了如何创建拥有多个子窗口的指标，在使用自定义指标时如此这般会变得很有趣。 这次，我们将看到如何为智能交易系统添加多个窗口。

基于元柱线的指标比之传统指标，能检测到的蜡烛更多。 我们来检查一下这能否在自动交易中提供真正的益处。

这是一篇新文章，将针对初学者继续我们的系列，介绍如何基于一些流行指标设计交易系统。 我们将学习一个新的指标，即能量潮（OBV），我们将学习如何使用并基于它来设计交易系统。