有关MQL5交易系统自动化的文章

本文探讨了开发交易算法的方法，即使用一致的科学方法来分析可能的价格模式，并基于这些模式构建交易算法。开发的理念是通过实例来展示的。

作为神经网络主题的延续，我建议研究卷积神经网络。 这种类型的神经网络通常用来分析视觉成像。 在本文中，我们将研究这种网络在金融市场中的应用。

在第二篇文章中，我们将继续研究神经网络，并研究在智能交易系统当中调用我们所创建 CNet 类的示例。 我们将操控两个神经网络模型，它们在训练时间和预测准确性方面都表现出相似的结果。

交易者经常谈论趋势和横盘，但很少有人真正了解趋势/横盘是什么，甚至很少能够清楚地解释这些概念。 讨论这些基本术语通常会受到一系列顽固偏见和误解的困扰。 然而，如果我们想赚钱，就需要了解这些概念的数学和逻辑含义。 在本文中，我将仔细研究趋势和横盘的本质，并尝试定义行情结构是基于趋势/横盘，亦或其他。 我还将研究在趋势和横盘行情上获利的最佳策略。

在本文中，我们研究在 MetaTrader 和外部应用程序中进行对象加密/解密。 我们的目的是判断以相同初始数据获得相同结果的条件。

在本文中，我着手开发操控标准指标的方法，最终能够基于函数库类创建多品种、多周期的标准指标。 此外，我将在时间序列类中添加“跳过柱线”事件，并将函数库的预备函数移至 CEngine 类，从而消减主程序代码中的过多负载。

在本文中，我将继续改进指标缓冲区对象类，从而可在多品种模式下操作。 这为自定义程序中创建多品种、多周期指标提供了途径。 我会在计算缓冲区对象里添加缺失的功能，从而令我们可创建多品种、多周期的标准指标。

在本文中，我将着手改进指标缓冲区对象和集合类，从而可在多周期和多品种模式下操作。 我打算在当前品种图表上的任何时间帧内接收和显示数据缓冲区对象的操作。

在本文中，我们将研究神经网络与交易终端集成的主要方面，从而创建功能齐全的交易机器人。

在本文中，我们开始为 DoEasy 库开发指标缓冲区类。 我们将创建抽象缓冲区的基类，该基类将作为开发不同类型指标缓冲区的基础。

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。

本文研究开发基于 DoEasy 库的简单多周期指标。 我们来改进时间序列类，从而能接收来自任何时间帧的数据，并在当前图表周期内显示。

本文讨论如何应用 DoEasy 库来创建多品种、多周期指标。 我们准备在指标中操控函数库类，并创建时间序列作为指标的数据源进行测试。 我们还将实现时间序列事件的创建和发送。

本文研究实时更新时间序列数据，并从所有品种的所有时间序列里发送有关“新柱线”事件的消息至控制程序图表，从而能够在自定义程序中处理这些事件。 “新即时报价”类用于判断是否需要更新非当前图表品种和周期的时间序列。

本文探讨开发针对程序中所有品种指定时间帧的时间序列集合。 我们将开发时间序列集合，为集合设置时间序列参数的方法，以及取用历史数据初始填充已开发的时间序列。

本文交流的是基于支持向量法，预测时间序列算法的理论和实际应用。 它还提议采用 MQL 来实现，并提供了测试指标和智能交易系统。 该技术尚未在 MQL 中实现。 但是首先，我们必须了解相关的数学知识。

大程序都是从小文件开始，然后随着您不断添加更多的函数和对象而增长。 大多数的机器人开发人员都采用包含文件来应对此问题。 然而，有一个更好的解决方案：在一个项目中开始开发任意交易应用程序。 这样做的原因有很多。

本文开始 DoEasy 函数库的新系列，与创建相关，从而简化和快速进行程序开发。 在当前文章中，我们将为函数库实现访问和操控品种时间序列数据的功能。 我们计划创建柱线（Bar）对象，来存储时间序列的主要和扩展的柱线数据，并将柱线对象置于时间序列列表之中，从而便于对象的搜索和排序。

在本文中我们将探讨，把每个用到的品种周期的柱形对象列表合并到单一品种时间序列对象之中。 因此，每个品种均含一个对象，存储所有已用到品种时间序列周期的列表。

本文探讨运用经验分解模式（EMD）预测时间序列的理论和实际应用。 它提议以 MQL 实现此方法，并出示了测试指标和智能交易系统。

在本文中，我们将完成延后请求交易概念的论述，并创建删除挂单，以及在特定条件下修改挂单和持仓的功能。 由此，我们将拥有完整的功能，令我们能够开发简单的自定义策略，或者根据用户定义的条件激活 EA 行为逻辑。

我们继续开发利用延后请求进行交易的函数库功能。 我们已实现了发送开仓和下挂单的条件交易请求。 在本文中，我们将实现条件平仓 – 全部、部分和由逆向仓位平仓。

在本文中，我们将继续研讨在交易中运用 OLAP 技术。 我们会扩展前两篇文章中表述的功能。 这次我们将研究报价的操盘分析。 我们还将基于所汇集的历史数据，推导并检验交易策略的设想。 本文推介了基于柱线形态研究和自适应交易的智能交易系统。

我们继续功能开发，允许用户利用延后请求进行交易。 在本文中，我们将实现在特定条件下挂单的功能。

从本文开始，我们将开发一种功能，允许用户在特定条件下利用延后请求进行交易，举例来说，当达到特定时间限制、超出指定利润或由止损平仓时。

本文研讨季节性特征的扩展研究：自相关热点图和散点图。 本文之目的是展示“市场记忆”的季节性，它通过任意顺序增量的最大相关性来表达。

在上一篇文章中，我们遵照函数库对象的一般概念创建了相对应的延后请求对象类。 本次，我们将着手允许管理延后请求对象的类。

在之前的文章里，我们检验了延后交易请求的概念。 实际上，延后请求是由特定条件执行的正常交易订单。 在本文中，我们会创建完整的延后请求对象类 — 基准请求对象及其后代。

这是有关延后请求概念的第三篇文章。 我们将创建平仓、删除挂单、修改持仓和挂单参数等方法来完成延后交易请求的测试。

在本文中，我们将继续开发交易请求，实现下挂单，并剔除检测到的交易类操作缺陷。

在本文中，我们将在订单和仓位的魔幻数字中存储一些数据，并开始实现延后请求。 为了验证这一概念，我们在收到服务器错误并需要等待与重复发送请求时，创建第一个测试延后请求来开仓。

在本文中，我们将利用箱形图（Boxplot）观察金融时间序列的季节性特征。 每个单独的箱形图（或箱须图）都能直观地展现数值如何沿数据集的分布。 不要把箱形图与烛条图混淆，尽管它们在外观上可能相似。

交易订单发送到服务器之后，我们需要检查错误代码，或未出现错误。 在本文中，我们将研究处理交易服务器返回的错误，并着手创建延后交易请求。

在前两篇文章之中，我们讨论了 Merrill （美林）形态针对各种数据类型的应用。 并开发了一款应用程序来测试提出的思路。 在本文中，我们将继续策略构建器的工作，来提高其效率，并实现新的功能。

在本文中，我们关注无效交易订单参数的处理程序，并改进交易事件类。 现今，所有交易事件（单个和在一次即时报价内同时发生的）均将在程序中正确定义。

在本文中，我们继续开发交易类，实现错误交易订单参数值的监控，以及交易事件的语音。

在本系列的前几篇文章中，我们尝试了各种方法来创建或多或少能够盈利的网格智能交易系统。 现在，我们将会尝试通过多元化来提高 EA 的盈利能力。 我们的终极目标是每年赚取 100％ 的利润，而最大回撤不超过 20％。

在前一篇文章中，我们研究了如何将 Merill（梅里尔）形态应用于各种数据，例如货币品种图表上的价格，以及标准 MetaTrader 5 指标值：ATR，WPR，CCI，RSI，等等。 现在，我们尝试基于 Merill 形态创建策略构造集合。

在本文中，我们将着手开函数发库基准交易类，并在其第一个版本中加入进行交易操作的权限初始验证。 此外，我们还将略微扩展基准交易类的功能和内容。