有关MQL5数据分析和统计的文章
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。
在 MetaTrader 4 中的投资组合交易
本文揭示了投资组合交易及其在外汇市场中的应用。研究几种简单的投资组合数学模型。本文包含在 MetaTrader4 中的实际投资交易组合的实施例子: 投资组合指标和半自动化智能交易程序。交易策略的元素, 还针对它们的优点和缺陷进行了说明。
以横盘和趋势行情为例强化策略测试器的指标优化
检测行情是否处于横盘对于许多策略来说是至关必要的。我们使用高知名度的 ADX 来展示如何利用策略测试器, 不但可以根据我们的特殊目的来优化指标, 而且我们也能判断指标是否符合我们的需要, 得到横盘和趋势行情的均值, 这对于判断行情的止损和目标是十分重要的。
EA交易的自我优化: 进化与遗传算法
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。
自组织特征映射 (Kohonen 映射) - 再访主题
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。
关于技术分析和市场预测的方法
本文论证了一个具备视觉思维的著名数学方法的能力和潜力，并提供了一种“独特的”市场展望。 一方面，它有助于吸引广泛受众的注意力，因为它可以让具有创造性思维的人们重新审视交易模式本身。 另一方面，它可以引导人们进行与各种分析和预测工具相关的其他开发和程序代码实现。
Expert Advisor 参数的测试(优化)技术和一些选择条件
我们可以毫不费力地找到测试的圣杯，然而，要摆脱它却困难得多。 本文重点介绍 Expert Advisor 操作参数的选择，以及在最大限度利用终端性能和最大限度减少终端用户负载的情况下对优化和测试结果进行自动化分组处理。
烛台方向统计再现的研究
是否能够基于烛台方向的再现趋势，在一天内的特定时间预测市场在即将到来的一小段时间内的市场行为？ 即，是否可以在第一时间找出此类事件。 每个交易者可能都想过这个问题。 本文的目的是尝试基于烛台在特定时间间隔内的统计再现来预测市场行为。