有关MQL5交易系统自动化的文章

在之前的文章中，我们利用随机梯度下降法针对网络中的所有神经元按照相同的学习率训练神经网络。 在本文中，我提议着眼于自适应学习方法，该方法能够改变每个神经元的学习率。 我们还将研究这种方法的利弊。

MetaTrader 4 和 MetaTrader 5 用户最近得到了成为“信号提供方”并赚取更多收益的机会。现在，您可以利用新组件，在您的网站、博客或社交网络上展示您的成功交易了。使用组件的好处显而易见：它们会提高“信号提供方”的受欢迎程度、树立其作为成功交易者的声名，并吸引到新的“订阅者”。在其它网站上放置这些组件的所有交易者，也都享受到了上述好处。

本文探讨在莫斯科交易所（MOEX）里基于破位挂单的网格交易方法如何在 MQL5 智能系统中实现。 在市场上进行交易时，最简单的策略之一是设计“捕捉”市场价格的订单网格。

看一看您的交易终端。您能看到哪些价格展示方式？柱、烛形图和线条。我们追求的是时间和价格，但却只能由价格获利。那么，分析市场时，我们能否只关注价格呢？本文会针对点数图（"圈圈叉叉"）提出一种算法和脚本 - 已将各种各样的价格模式考虑在内，而其实际应用亦于提供的建议中列出。

在本文中，我将探讨创建烛条自定义指标的可能性，并指出它们的优缺点。

在上一篇文章中，我们已熟悉了自动编码器算法。 像其它任何算法一样，它也有其优点和缺点。 在其原始实现中，自动编码器会尽可能多地将对象与训练样本分开。 这次我们将讨论如何应对它的一些缺点。

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。

鉴于程序在其运行时可能会用到不同的品种，因此应为每个品种创建一个单独的列表。 在本文中，我将把这些列表合并到一个即时报价数据集合。 实际上，这将是一个常规列表，基于指向标准库 CObject 类及其衍生类实例指针的动态数组。

MetaTrader 5 最近引入了交易信号服务，允许交易者复制任何信号提供者的交易操作。用户可以于其账户选择任何信号、执行订阅并复制所有交易记录。而信号提供者可以设定其订阅价格，并从其订阅者每月收取固定的费用。

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。

又过了一个季度，我们已决定统计MetaTrader 应用商店的业绩 - MetaTrader平台最大的交易机器人和技术指标商店。 直至报告季度末期，有500多名开发者已经将他们的1200个产品放入MetaTrader 应用商店。

本项目涉及在金融市场中使用 Python 进行基于深度学习的预测。我们将探索使用平均绝对误差（MAE）、均方误差（MSE）和R平方（R2）等关键指标测试模型性能的复杂性，并学习如何将所有内容打包到可执行文件中。我们还将制作一个 ONNX 模型文件以及它的 EA。

我们将开始探索如何仅基于 Linux 系统开发 MetaTrader 5 平台的步骤和工作流程，其中最终产品能在 Windows 和 Linux 系统上无缝运行。 我们将了解 Wine 和 Mingw；两者都是制作跨平台开发任务的基本工具。 特别是 Mingw 的线程实现（POSIX 和 Win32），我们在选择追随哪一个时需要仔细考虑。 然后，我们构建一个能在 MQL5 代码中所用的概念验证 DLL，最后比较两种线程实现的性能。 这一切都是为了您的基金能进一步扩张自己。 阅读本文后，您应该可以轻松地在 Linux 上构建 MT 相关工具。

在收到的用户崩溃记录中，有25%到30%是因为执行自定义动态链接库(DLL)中的输入函数而出的错.

我们在本系列的早期文章中领略了 Q-学习方法。 此方法均化每次操作的奖励。 2017 年出现了两篇论文，在研究奖励分配函数时展现出了极大的成功。 我们来研究运用这种技术解决我们问题的可能性。