新文章 使用 MQL5.0 社区频道和群聊天 已发布： MQL5.com 网站汇集了来自世界各地的交易者。 用户发表文章、共享免费代码、在市场上销售产品、执行自由职业订单、以及跟单信号。 您可以在论坛、交易者聊天和元交易者频道中与他们交流。 像大多数现有的即时通讯工具一样，MetaTrader 聊天功能为大量受众提供了广播信息的机会。 有两种消息类型可用：群聊和频道。 这两种类型都允许与朋友和同事交流，以及共享图像、视频和文件。 每种类型都可以为 MQL5 服务收入 增加额外的手段，诸如信号和市场。 频道通常用于向用户广播信息，因此可以作为微博平台。
新文章 在您的网站上免费嵌入 MetaTrader 4/5 网页版终端并赚取利润已发布： 交易者会非常熟悉 WebTerminal, 它允许直接从浏览器在金融市场上交易。将 WebTerminal 小部件添加到您的网站 — 这样做是绝对免费的。如果您有网站, 您可开始向经纪商引荐潜在客户 — 我们已为您准备好了一个即用型的网页版解决方案。您需要做的所有事情就是将一个 iframe 嵌入您的网站。 将 WebTerminal 小部件添加到您的网站 — 这样做是绝对免费的。这个强大的功能将令您的网站访问者使用最流行的 MetaTrader 5 和 MetaTrader 4 平台直接从您的网站交易！...
新文章 为何在 MetaTrader 4 与 MetaTrader 5 上的虚拟托管优于一般的 VPS已发布：
从 MetaTrader 4 和 MetaTrader 5 终端上租用一台虚拟服务器是最优方式，它可确保不会打断您的交易机器人的工作，以及 信号 订阅。从本质上讲，它是一个模拟 VPS，不过它性能更佳，并且更适合应对一个交易者所要遇到的需求和挑战。服务器可以直接从您的 MetaTrader 里租用。仅需点击几次鼠标，即可将您的 EA、指标、脚本、信号订阅，连同它们的设置一起传送到虚拟服务器。虚拟托管云网络是专为 MetaTrader...
新文章 MetaTrader 5 已具备锁仓账户系统已发布：
MetaTrader 5平台最初是专为净额持仓账户系统而设计的。净额系统每个金融工具仅允许一个持仓，也就意味着该工具的所有进一步操作只能是关闭，撤销或改变现有持仓的交易量。为了扩大零售外汇交易者的可能性，我们新增第二种账户系统 - 锁仓系统。现在，每个交易品种可以有多位持仓，包括反向持仓。这就为实现基于所谓“锁定”的交易策略铺平了道路 - 如果价格移动方向与交易者相反，那么他们就可以新建一个反向持仓。
因为新系统类似于MetaTrader...
新文章 我们如何开发MetaTrader 信号服务和群组交易已发布：
我们持续加强信号服务，完善机制，添加新的功能并修复缺陷。2012年的MetaTrader信号服务和当前的MetaTrader信号服务就像两个完全不同的服务。
目前，我们正在实施 虚拟主机云服务，它由一个服务器网络组成用来支持特定版本的MetaTrader客户端。若要从MetaTrader客户端以最小的网络延迟租用程序端虚拟副本，直接到达他们交易商的交易服务器，交易人将只需完成5个步骤。这将提供交易人复制信号提供者交易的程序端的24小时不间断运行。
此外，我们正计划推出甚至更好的信号统计和为交易人提供一个新的选项形...
新文章 市场上产品有效展示的小贴士已发布：
有效地向交易人出售程序，不仅需要编写一个高效有用的产品，然后还要在市场上发布。提供一份全面详尽的描述和高品质的插图至关重要。性能标识和正确的截图也与“真正的编码”同等重要。记住一个简单的公式：没有下载=没有销量。
MetaTrader 市场 是最大的自动交易应用商店。是自动交易和技术指标的开发人员能够获得他们辛勤工作应得奖赏的地方。在成功发布市场产品方面，很难高估标识，描述和截图的角色。如果应用设计简陋，潜在买家将很容易忽视它。决定性的购买之所以产生，得益于市场展窗上吸引眼球的产品标识。标识必须具有让潜在买家想要下载的吸引力。这就是恰当的设...
新文章 在 MQL5.com 上的自由职业者工作 - 开发者喜爱的位置已发布：
自动交易的开发者不再需要去市场中寻找需要 EA 的交易者 - 现在他们会来找你。目前，成千上万的交易者到 MQL5 上给自由开发人员下订单，并在 MQL5.com 上为任务支付报酬。4 年以来，这项服务促成了三千名交易员对超过 10,000...
新文章 MetaTrader市场概述（图表）已发布：
几周前我们发布了自由职业者服务的信息图表。我们也承诺将透露一些市场统计数据。现在，我们邀请您来检验我们已经收集的数据。
MetaTrader 市场 正式发布始于2012年2月。从那时起交易应用商店已经走了很长的一段路。首先，它只用于MetaTrader 5。然后，市场部分也在MetaTrader 4推出。产品范围也得到扩大：既交易应用程序之后，紧接着是 金融杂志 和 书籍。
所有这一切都提高了服务的营业额：截止2014年7月，大概有价值总额超过522 000美元的6 300个产品在市场出售，并且520名卖家和24...
新文章 如何实现交易员的订单，并在 MQL5 自由职业者服务板块创造利润已发布：
MQL5 自由职业者板块是一个在线服务，开发者可以从交易员发布的创建交易应用程序订单中获取报酬。现在, 交易者理解了 MQL5.com 网站上的所有服务的不同之处: 一款准备就绪的交易机器人可以从 MetaTrader 的市场中买到, 而基于用户定义的特殊策略的 EA，...
新文章MetaTrader应用商店2013年第三季度业绩已发布：
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。
首先，MetaTrader 4应用商店已经发布了 测试模式并且最终版不久也将发布。然而，交易机器人开发者已经可以在那儿发布其MQL4应用。超过200个程序已经通过了测试。MetaTrader 4市场推出之后，这些程序将提供给交易者们。
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。这超出了上一季度业绩...
新文章 将ML模型与策略测试器集成（结论）：实现价格预测的回归模型 已发布： 本文描述了一个基于决策树的回归模型的实现。该模型应预测金融资产的价格。我们已经准备好了数据，对模型进行了训练和评估，并对其进行了调整和优化。然而，需要注意的是，该模型仅用于研究目的，不应用于实际交易。 基于上述标准，在本文中，我决定使用决策树回归模型来预测收盘价。选择这种模型的理由如下： 性能 ：决策树通常适用于回归问题，因为它们能够捕捉变量之间的非线性关系和相互作用。通过适当调整模型超参数，如树深度和每片叶子的最小样本数，我们可以实现适应度和泛化之间的平衡。 可解释性
新文章 针对初学者以 MQL5 编写“EA 交易”的分步指南已发布：
使用 MQL5 的“EA 交易”编程很简单，您可以轻松学会。我们在本分步指南中向您指出了基于开发的交易策略编写简单的“EA 交易”所需的基本步骤。“EA 交易”的结构、内置技术指标和交易函数的使用、调试模式的详细内容以及策略测试程序的使用将在本文中一一论及。
作者：Samuel
双线MACD: 本指标MACD(2lines)是基于国内的股票软件通达信的MCAD改编。大家已经习惯了国内软件上的两条线的MCAD，而MT4自带的MACD只有一条线。 作者： Ziheng Zhuang
新文章 MQL5中的范畴论（第20部分）：自我注意的迂回与转换 已发布： 我们暂时离开我们的系列文章，考虑一下 chatGPT 中的部分算法。有没有从自然变换中借鉴的相似之处或概念？我们尝试用信号类格式的代码，在一篇有趣的文章中回答这些和其他问题。 我认为，在范畴论和自然变换的主题上继续写这些系列文章，而不去碰房间里的大象，也就是 chatGPT，那将是失职的。到目前为止，每个人都以某种形式熟悉了chatGPT和许多其他人工智能平台，并见证和欣赏了 变换 神经网络（transformer neural
新文章 为 MetaTrader 5 开发一款 MQTT 客户端：TDD 方式 - 第2部分 已发布： 本文是描述 MQTT 协议的本机MQL5客户端开发步骤系列文章的一部分。在这一部分中，我们将描述我们的代码组织、第一个头文件和类，以及我们如何编写测试。本文还包括关于测试驱动开发实践以及我们如何将其应用于该项目的简要说明。
新文章 MQL5 中的范畴论 (第 17 部分)：函子与幺半群 已发布： 本文是我们系列文章的最后一篇，将函子作为一个主题来讨论，且把幺半群作为一个范畴来重新审视。幺半群已在我们的系列中多次讲述，于此配合多层感知器帮助确定持仓规模。 为了汇总我们从这项研究中得到的主要收获和发现，我们已经展示了一个不同的幺半群视角，并以 MQL5 语言实现一个范畴。我们进一步证明，这种实现在指导交易系统的持仓规模方面很实用，在我们的例子中，它依赖于 RSI 指标的入场和离场信号。
新文章 神经网络变得轻松（第五十四部分）：利用随机编码器（RE3）进行高效研究 已发布： 无论何时我们研究强化学习方法时，我们都会面对有效探索环境的问题。解决这个问题通常会导致算法更复杂性，以及训练额外模型。在本文中，我们将看看解决此问题的替代方法。 高效探索的随机编码器（RE3）方法的主要目标是最大限度地降低训练模型的数量。在它们的工作中，RE3 方法的作者提请注意这样一个事实，即在图像处理领域，只有卷积网络能够识别单个对象的外在特点和内在特征。卷积网络将有助于降低多维空间的维度，突出特征并应对原始对象的缩放。
新文章 MQL5中的范畴论（第19部分）：自然性四边形归纳法 已发布： 我们继续通过探讨自然性四边形归纳法来研究自然变换。对于使用MQL5向导构建的EA交易来说，对多货币实现的轻微限制意味着我们正在通过脚本展示我们的数据分类能力。所考虑的主要应用是价格变化分类及其预测。 在这篇文章中，我们将重点讨论如何利用自然性四边形，这是我们在 上一篇文章 中引入的一个概念，并进行归纳。这一做法的潜在适用好处将通过3个可以通过套利联系起来的外汇货币对来证明。我们希望对其中一对的价格变化数据进行分类，目的是评估我们是否可以为该对开发进场信号算法。 自然性四边形是 自然变换
新文章 MQL5中的范畴论（第18部分）：自然性四边形 已发布： 本文通过介绍自然变换这一主题中的一个关键支柱，继续我们的范畴理论系列。我们研究看似复杂的定义，然后深入研究本系列“面包和黄油”的示例和应用程序；波动性预测。 自然变换（Natural transformations） 是范畴论中的一个关键概念，通常被视为 函子
来自"MQL5算法交易的神经网络"教程的示例 : "MQL5算法交易的神经网络"教程是一本全面的操作指南，涵盖了人工智能和神经网络的理论基础，以及使用MQL5编程语言在金融交易应用的实践方面。 作者： MetaQuotes
新文章 MQL5 中的范畴论 (第 16 部分)：多层感知器函子 已发布： 本文是我们系列文章的第 16 篇，继续考察函子以及如何使用人工神经网络实现它们。我们偏离了迄今为止在该系列中所采用的方式，这涉及预测波动率，并尝试实现自定义信号类来设置入仓和出仓信号。 不过，在这篇文章中，我们对标普 500 指数更感兴趣，不仅仅是因为它的波动性，就像上一篇文章的情况，还有它的趋势。我们希望对其短期（月度）趋势进行预测，并在我们的智能系统中使用这些预测开仓。这意味着我们与智能信号类打交道，而不是智能尾随类，就像该系列到目前为止的情况一样。那么，依据财经日历数据图形实现基于函子的变换将导致标普 500
新文章 如何利用 MQL5 创建简单的多币种智能交易系统（第 1 部分）：基于 ADX 指标的信号，并结合抛物线 SAR 已发布： 本文中的多币种智能交易系统是交易机器人，它只能在单一品种图表中运营，但可交易（开单、平单和管理订单）超过一个品种对。 本文中多币种智能交易系统的定义是交易机器人，它可从单一品种的图表中交易（开单、平单和管理订单）超过一个品种对。 当前对自动化交易系统、或多币种交易机器人系统的需求和兴趣非常高涨，但我们看到，在 MQL5 自动交易机器人上实现多币种系统程序尚未广泛发布，或也许仍被许多程序员保密。
新文章 神经网络变得轻松（第五十三部分）：奖励分解 已发布： 我们已经不止一次地讨论过正确选择奖励函数的重要性，我们通过为单独动作添加奖励或惩罚来刺激代理者的预期行为。但是关于由代理者解密我们的信号的问题仍旧悬而未决。在本文中，我们将探讨将单独信号传输至已训练代理者时的奖励分解。 我们继续探索强化学习方法。如您所知，机器学习领域中用于训练模型的所有算法都基于最大化环境奖励的范式。奖励函数在模型训练过程中起着关键作用。其信号往往非常模棱两可。
KDJ_Averages: KDJ 均值振荡器定义何时需要搜索入场条件。 不像 KDJ, 它是使用标准平滑方法计算的。 如果是默认设置，其 J 线稍快。 图例 1. KDJ 均值 作者： Scriptor
新文章 开发回放系统 — 市场模拟（第 23 部分）：外汇（IV） 已发布： 现在，创建发生在我们将跳价转换为柱线的同一点。以这种方式，如果在转换过程中出现问题，我们就能立即注意到错误。这是因为在快进期间，在图表上放置 1-分钟柱线的代码，也同样在正常表现期间用于定位系统放置柱线。换言之，负责此任务的代码不会在其它任何地方重复。如此这般，我们获得的系统就能更好的维护和改进。 在上一篇文章 《开发回放系统 — 市场模拟（第 22 部分）：外汇（III）》
新文章 利用 MQL5 的交互式 GUI 改进您的交易图表（第 III 部分）：简易可移动交易 GUI 已发布： 加入我们的《利用 MQL5 的交互式 GUI 改进您的交易图表》系列的第 III 部分，我们将探索将交互式 GUI 集成到 MQL5 中的可移动交易仪表板之中。本文建立在第 I 部分和第 II 部分的基础上，指导读者将静态交易仪表板转换为动态、可移动的。 您好，欢迎回到我们系列的第 3 部分《利用 MQL5 的交互式 GUI 改进您的交易图表》。 在我们进入新领域之前，我们先快速回顾一下我们在第 I 部分和第 II 部分中涵盖的内容： 1. 在第 I
新文章 神经网络变得轻松（第五十二部分）：研究乐观情绪和分布校正 已发布： 由于模型是基于经验复现缓冲区进行训练，故当前的扮演者政策会越来越远离存储的样本，这会降低整个模型的训练效率。在本文中，我们将查看一些能在强化学习算法中提升样本使用效率的算法。 如常，我们对模型在新数据上的绩效更感兴趣。依据 2023 年 6 月的历史数据在策略测试器中测试了模型对陌生数据的普适能力和绩效。正如我们所见，测试区间紧随训练集之后。这确保了训练和测试样本的最大同质性。测试结果呈现如下。 所呈现的图表展示出月度前十天有一段回撤区域。但之后是一段盈利期，一直持续到月底。因此，EA 在本月收获了 7.7%
新文章 在 ONNX 模型中使用 float16 和 float8 格式 已发布： 用于表示机器学习模型的数据格式对其有效性起着至关重要的作用。近年来，出现了几种新类型的数据，专门为使用深度学习模型而设计。在本文中，我们将重点介绍两种新的数据格式，它们已在现代模型中广泛采用。
您错过了交易机会：
- 免费交易应用程序
- 8,000+信号可供复制
- 探索金融市场的经济新闻
注册
登录