有关MQL5数据分析和统计的文章
基于 CGraphic 用于分析数据数组(时间序列)之间相互关联的 PairPlot 图
在技术分析中比较几个时间序列是一种很常用的任务，需要合适的工具。在本文中，我提出开发一种用于图形化分析的工具，可以侦测两个或者多个时间序列之间的相互关联。
已有950个网站提供来自MetaQuotes的经济日历
该小工具为网站提供了一个详细的发布时间表，列出了全球大型经济体的500个指标及指数。因此，除了主要的网站内容之外，交易者还能够迅速收到关于所有重要事件的最新消息及其解释和图表。
自定义交易历史表述并创建报告图表
本文研讨自定义交易历史的评估方法。 并为下载和分析历史记录编写了两个类。 第一个收集交易历史并将其表述为汇总表格。 第二个是处理统计数据: 它计算众多变量并构建图表，以便更有效地评估交易结果。
蒙特卡洛方法在交易策略优化中的应用
在交易账户上运行 EA 交易之前，我们通常会在报价历史上测试和优化它。然而，这里会有一个合理的问题: 过去的结果怎么会对我们的未来有所帮助呢?本文描述了使用蒙特卡洛方法来为交易策略的优化构建自定义的标准，另外，还会探讨 EA 交易的稳定性标准。
如何分析图表中所选择信号的交易
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。
社交交易。 可盈利的信号能否变得更好？
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。
使用图形界面处理优化结果
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。
在 MetaTrader 5 中交易策略优化的可视化
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。
利用文斯 (Vince) 进行资金管理。 作为 MQL5 向导模块实现
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。
可控优化: 模拟退火
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。
将入场信息解析到指标
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。
交易中不同类型移动平均线的比较
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。
深度神经网络 (第 III 部)。样品选择和降维
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。
深度神经网络 (第 I 部)。准备数据
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。
如何进行交易信号的定量分析, 并从中选择最佳交易信号
本文涉及评估信号提供商的绩效。我们提供若干附加参数, 从不同于传统方法的独特角度突出显示了信号的交易结果。描述了正确管理和完美交易的概念。我们还使用所获得的结果, 编译多个信号源的投资组合来讨论最佳选择。
排序方法并利用 MQL5 进行可视化
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。
根据品种和 EA 的 ORDER_MAGIC 分析余额/净值图形
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。
可视化！类似于 R 语言 "plot (绘图)" 的 MQL5 图形库
在研究交易逻辑时, 图形形式的直观表达是非常重要的。科学界中流行的一些编程语言 (如 R 和 Python) 拥有可视化的特殊 "plot (绘图)" 功能。它能够以直观方式绘制线, 点分布和直方图。在 MQL5 中, 您可以使用 CGraphics 类完成相同的操作。
如何构建和使用 MetaTrader 4的策略测试器来测试二元期权策略
使用市场上的 Binary-Options-Strategy-Tester(二元期权策略测试器)来构建和在 MetaTrader 4的策略测试器中测试二元期权(Binary Options)策略的教学文章。
直方图形式的统计分布, 无需指标缓冲区和数组
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。
MQL5 中的统计分布 - 充分利用 R 并使其更快
本文讨论使用 R 语言实现的处理基本统计分布的函数。这些包括柯西, 威布尔, 正态, 对数正态, 逻辑斯谛, 指数, 均匀, γ 分布, 中心和非中心 β, 卡方, 费舍尔 F-分布, 学生 t-分布, 以及离散二项式和负二项式分布, 几何, 超几何和泊松分布。这些函数还用于计算理论分布力矩, 可评估真实分布到建模的一致性程度。
评估信号的最简单方式: 交易活动, 回撤/负载, 和 MFE/MAE 分布图表
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。
采用栈式 RBM 的深度神经网络。自训练, 自控制
本文是有关深度神经网络和预测器选择的前文之续篇。在此我们将涵盖由栈式 RBM 初始化的深度神经网络特性, 以及它在 "darch" 软件包里的实现。