文章 "构建新兴的社交技术, 第一部分: 发布您的 MetaTrader 5 信号"

 

新文章 构建新兴的社交技术, 第一部分: 发布您的 MetaTrader 5 信号已发布:

本文旨在说明,通过一个实际的例子,您如何将 MetaTrader 5 终端与外部 Web 服务通信。我们发布的交易信号是由一款 EA生成。

此想法来自于自动交易的特定概念,称为电脑辅助交易。概括地讲,二十一世纪的计算机没有认知能力,但它们都非常善于处理信息和执行数据。那么,为何我们不建立一套计算机系统,使用人类大脑作为过滤器,来进行决策呢?这种方式的灵感建立在 Human-based computation(以人为本的计算) (HBC) 模式,因此,应该重点建立决策支持工具,而非进行决策者算法编码。

我最初想要创建一个 RSS 来推送我的 EA 生成的交易信号(假定有一个中线或长线的底层交易系统,这个想法对于自动剥头皮系统无效)。一个访问推送内容的人可以根据当下情况,在信号到达市场之前验 证我的自动交易信号。不过,我很快意识到,一切都可以更加社交化,并自思“为什么不在 Twitter (推特)上发布我的交易信号?”这促使我开发这个社交决策支持系统

图例 1. SDSS 体系结构

图例 1. SDSS 体系结构

顺便说一句,如果您打算创建一个与外汇交易相关的技术创新,那这篇文章可以帮助您找到一些思路。它可以被看作是一个技术指南,用于建立一个基于 SDSS 的商业 SaaS(软件即服务)。

这段文字很长,所以我决定把它分成两部分。第一部分关注点是 Web 服务体系结构,MetaTrader 5 终端和 Twitter(推特) 应用程序之间的通信协议,以及 Web 应用程序与 Twitter(推特)的最终集成。第二部分将覆盖如上所示网络图中的 MQL5 层面,其目的是使用我们的社交决策支持系统的 RESTful web 服务。具体来说,我们将采用文章 MQL5-RPC. Remote Procedure Calls from MQL5: Web Service Access and XML-RPC ATC Analyzer for Fun and Profit(MQL5-RPC 来自 MQL5 的远程过程调用:针对乐趣及获利的网络服务访问及 XML-RPC 自动交易锦标赛分析程序) 中的相同方式编写一个 MQL5-RESTful 框架代码。

这篇文章也是社交化的,所以我鼓励您发表您的意见,以帮助继续进行第二部分。

作者:Jordi Bassaganas

 

有太多神奇的文章,而 MQL5 平台拥有构建惊人交易策略 所需的一切,甚至更多。

您将其视为外汇交易的一种方式,而我将其视为全球市场情报网络。平台唯一欠缺的是 "自然语言编程集成 "和 "大数据",以加快书面语言的处理速度。

[删除]  
wehsnim:

有太多神奇的文章,而 MQL5 平台拥有构建惊人交易策略所需的一切,甚至更多。

您将其视为外汇交易的一种方式,而我将其视为全球市场情报网络。平台唯一欠缺的是 "自然语言编程集成 "和 "大数据",以加快书面语言的处理速度。

感谢您的评论!这篇文章的主要观点是,机器人交易 可能无法完全满足某些交易者的需求。如果是这种情况,您可以考虑其他方法(决策支持工具)。

例如,您可以将 MetaTrader 5 的强大功能与人工专家观众相结合,让他们根据交易信号做出决策,然后分析获得的知识。 一种解决方案是在网络本体中捕捉专家的观察结果。

关于这一主题的推荐读物是罗杰-彭罗(Roger Penroe)的《皇帝的新思维》(The Emperor's_New_Mind )一书 -> http://en.wikipedia.org/wiki/The_Emperor's_New_Mind

 
laplacianlab:

感谢您的评论!本文的主要观点是,机器人交易可能无法完全满足某些交易者的需求。如果是这种情况,您可以考虑其他方法(决策支持工具)。

例如,您可以将 MetaTrader 5 的强大功能与人工专家观众相结合,让他们根据交易信号做出决策,然后分析获得的知识。 一种解决方案是在网络本体中捕捉专家的观察结果。

关于这一主题的推荐读物是罗杰-彭罗(Roger Penroe)的《皇帝的新思维》(The Emperor's_New_Mind )一书 -> http://en.wikipedia.org/wiki/The_Emperor's_New_Mind

将支持向量与自然语言结合使用,以衡量说话的人,甚至是证券交易委员会的报告,并将数据与相关的市场动向一起输出,更新到非集中或集中的位置,用于解释世界各地的全球动向。你的方向是正确的,继续努力,至于你的商业模式,我认为它会成功的。
[删除]  
wehsnim:
将支持向量与自然语言结合使用,以衡量说话的人,甚至是证券交易委员会的报告,并将数据与相关的市场动向一起输出,更新到非集中或集中的位置,用于解释世界各地的全球动向。你的方向是正确的,继续努力,至于你的商业模式,我认为它会成功的。

说得好!我对支持向量并不熟悉,所以现在我还不能很好地理解如何在 SDSS 中使用支持向量。

关于 "自然语言编程集成 "问题,可以先将知识捕获到网络本体中(使用 RDF 或 OWL),然后发布 SPARQL 端点来执行 "自然语言 "查询,如维基百科的 ->http://dbpedia.org/snorql/。

顺便提一下,关于这一主题还有另一个有趣的资源,题为 "利用大公共数据预测人群行为"(Predicting Crowd Behavior with Big Public Data)。

 
laplacianlab:

说得好!我对支持向量并不熟悉,所以现在还不能很好地理解如何在 SDSS 中使用支持向量。

关于 "自然语言编程集成 "问题,可以通过先将知识捕获到网络本体(使用 RDF 或 OWL)中,然后发布 SPARQL 端点来执行 "自然语言 "查询(如维基百科的 ->http://dbpedia.org/snorql/)来解决。

顺便提一下,关于这个主题还有另一个有趣的资源,题为 "利用大公共数据预测人群行为"。

我重读了您的文章,我明白了您的用意......:)
 
我想要一个机器人