一个简单的交易面板(新) : 上次发了一个MT4的简单交易面板，收到了很多朋友的信息。针对很多朋友作为工具使用，现整理了一个最新的。 作者： Yin Zhou Luo
新文章 将人工智能（AI）模型集成到已有的MQL5交易策略中 已发布： 本主题聚焦于将训练好的人工智能（AI）模型（如长短期记忆网络（LSTM）等强化学习模型，或基于机器学习的预测模型）集成到现有的MQL5交易策略中。 在本文中，我们将AI模型集成到已有的MQL5交易策略中，我们将采用上一篇 文章 中提到的订单块结合斐波那契（Fibonacci）的方法。许多现有的MQL5交易策略依赖于固定的指标、僵化的阈值或预定义的模式，这些策略在不同市场周期中可能效果欠佳。其缺乏从历史数据中学习的能力，无法识别复杂模式，也无法根据不断变化的条件动态调整决策。
新文章 价格行为分析工具包开发（第二十部分）：外部资金流（4）——相关性路径探索器 已发布： 作为价格行为分析工具包开发系列的一部分，相关性路径探索器为理解货币对动态提供了一种全新方法。该工具可自动收集和分析数据，深入分析诸如欧元兑美元（EUR/USD）和英镑兑美元（GBP/USD）等货币对之间的相互作用。借助其实用、实时的信息，增强你的交易策略，助您更有效地管理风险并发现机会。
MT4Orders : 同时使用 MetaTrader 4 和 MetaTrader 5 的订单系统。 作者： fxsaber
新文章 市场模拟（第七部分）：套接字（一） 已发布： 套接字，你知道它们在 MetaTrader 5 中的用途或使用方法吗？如果答案是否定的，那么让我们从研究它们开始。在今天的文章中，我们将介绍一些基础知识。由于有几种方法可以做同样的事情，而且我们总是对结果感兴趣，我想证明确实有一种简单的方法可以将数据从 MetaTrader 5 传输到其他程序，如 Excel。然而，主要目的不是将数据从 MetaTrader 5 传输到 Excel，而是相反，即将数据从 Excel 或任何其他程序传输到 MetaTrader 5。 在上一篇文章， 市场模拟（第六部分）：将信息从 MetaTrader 5
Engulfing Indicator : 这是一个有助于识别吞没蜡烛形态的指标。 Author: Minh Hieu Hoang
新文章 风险管理（第二部分）：在图形界面中实现手数计算 已发布： 在本文中，我们将探讨如何使用强大的 MQL5 图形控件库来改进和更有效地应用上一篇文章中提出的概念。我们将逐步完成创建一个功能齐全的图形用户界面。我将解释它背后的想法，以及所使用的每种方法的目的和操作。此外，在本文的最后，我们将测试我们创建的面板，以确保它正确运行并实现其既定目标。 本文是 前 一篇文章的延续。 第一，我们将把我们讨论的所有内容付诸实践，此外，还将改进文件中的一些功能。为了简化我们的工作，我们将利用 MQL5
新文章 交易中的神经网络：具有层化记忆的智代（终篇） 已发布： 我们继续致力于创建 FinMem 框架，其采用层化记忆方式，即模拟人类认知过程。这令该模型不仅能有效处理复杂的财务数据，还能适应新信号，显著提升了在动态变化市场中投资决策的准确性和有效性。 前两篇文章专注于 FinMem 框架。在这些文章中，我们遵照自己对框架作者所提议方式的解释实现了 MQL5 版本。我们现已进入最激动人心的阶段：评估已实现解决方案在真实历史数据上的有效性。 重点要强调，在实现期间，我们对 FinMem 算法做了重大修订。由此，我们评估的仅是我们自己实现的解决方案，而非原始框架。 该模型基于 EURUSD 货币对
新文章 交易中的神经网络：具有层化记忆的智代 已发布： 模仿人类认知过程的层化记忆方式令复杂金融数据的处理、以及适配新信号成为可能，因此在动态市场中提升投资决策的有效性。 日益增长的金融数据要求交易者不仅要快速处理，还要深度分析，以便准确及时地制定决策。然而，人类记忆力、注意力、以及处理大量信息的能力有限，可能导致关键事件被遗漏、或得出错误结论。这就需要能够整合异构数据的自主交易智代 — 快速、且高精度。其中一个解决方案出现在论文 《FinMem：具有层化记忆和特征设计的性能强化 LLM 交易智代》 之中。 所提议 FinMem 框架是一个创新的大语言模型（ LLM
新文章 图形界面 XI: 集成标准图形库 (统合构建 16) 已发布： 能够创建科学图表 (CGraphic 类) 的新版本图形库已于最近发布。创建图形界面的开发中函数库在本次更新中将引入创建图表的新版本控件。不同类型数据的可视化现在更加容易了。 结果如下所示: 图例. 5. MQL 测试应用程序的第四个选项卡 (坐标轴) 的控件。 作者： Anatoli Kazharski
新文章 摆脱自制的 DLL 已发布： 如果 MQL5 语言的功能性不足以完成任务，MQL5 程序员不得不诉诸于其他工具。他们必须转向其他编程语言并创建中间 DLL。MQL5 可提供各种数据类型并将它们传递至 API，但遗憾的是，MQL5 无法解决从收到的指针提取数据的相关问题。在本文中，我们将循规蹈矩，说明交换和使用复杂数据类型的简单机制。 作者： o_O
新文章 创建动态多货币对EA（第二部分）：投资组合多元化与优化 已发布： 投资组合多元化与优化旨在将投资有策略地分散配置于多种资产之上，在最小化风险的同时，依据风险调整后的绩效指标挑选出最理想的资产组合，从而实现回报最大化。
新文章 关于MetaTrader 4和MetaTrader 5交易信号的一般资料 已发布： MetaTrader 4 / MetaTrader 5的“交易信号”是这样一种服务，它允许普通交易者复制信号提供者的交易操作。我们的目标是开发一种能被广泛使用的新服务，它能够保护订阅者，并为他们减少不必要的成本支出。 我们的服务为何如此特别？ 我们的目标是开发一种能被广泛使用的新服务，它能够保护订阅者，并为他们减少不必要的成本支出： 所有的重点都在于保护订阅者。, 购买和出售交易信号的操作过程非常简单。, 先进并且安全的MQL5.community 支付系统
新文章 从基础到中级：模板和类型名称 (五) 已发布： 在本文中，我们将探讨模板的最后一个简单用例，并讨论在代码中使用 typename 的好处和必要性。虽然这篇文章乍一看可能有点复杂，但为了以后使用模板和 typename，正确理解它很重要。 在上一篇文章， 从基础到中级：模板和类型名称（四）
利润最大化 : Profit Maximiser（PMax）指标是通过整合超级趋势指标的移动平均线而创建的指标。 Author: Mahmut Deniz
新文章 使用Python和MQL5进行特征工程（第四部分）：基于UMAP回归的K线模式识别 已发布： 降维技术被广泛用于提升机器学习模型的性能。让我们来讨论一项被称为“统一流形逼近与投影”的相对较新的技术（UMAP）。这项新技术的开发旨在针对性地克服传统方法在数据中产生伪影和失真的局限性。UMAP是一种强大的降维技术，它能以一种新颖而有效的方式帮助我们将相似的K线进行分组，从而降低在样本外数据上的错误率，并提升我们的交易表现。
新文章 市场模拟（第六部分）：将信息从 MetaTrader 5 传输到 Excel 已发布： 许多人，尤其是非程序员，发现在 MetaTrader 5 和其他程序之间传输信息非常困难。其中一个程序就是 Excel。许多人使用 Excel 作为管理和维护风险控制的一种方式。这是一个优秀的程序，易于学习，即使对于那些不是 VBA 程序员的人来说也是如此。在这里，我们将看看如何在 MetaTrader 5 和 Excel 之间建立连接（一种非常简单的方法）。 对于一些 MetaTrader 5 用户来说，最常给他们的生活带来麻烦的事情之一就是它缺少某些功能。 许多人，尤其是非程序员，发现在
吸收 (Absorption) : EA 依据吸收形态进行交易。 操作是以 Buy Stop 和 Sell Stop 挂单进行。 作者： Vladimir Karputov
新文章 基于隐马尔可夫模型的趋势跟踪波动率预测 已发布： 隐马尔可夫模型（HMMs）是强大的统计工具，可通过分析可观测的价格波动来识别潜在的市场状态。在交易领域，隐马尔可夫模型通过建模和预测市场状态的转变，可提升波动率预测的准确性，并为趋势跟踪策略提供依据。在本文中，我们将完整介绍一种趋势跟踪策略的开发流程，该策略利用隐马尔可夫模型预测波动率，并将其作为交易信号的过滤条件。 在 戴夫·阿伦森 （Dave Aronson）所著的 《基于证据的技术分析》 （Evidence-Based Technical
新文章 交易中的神经网络：具有预测编码的混合交易框架（StockFormer） 已发布： 在本文中，我们将讨论混合交易系统 StockFormer，其结合了预测编码和强化学习（RL）算法。该框架用到 3 个变换器分支，集成了多样化多头注意力（DMH-Attn）机制，改进了原版的注意力模块，采用多头前馈模块，能够捕捉不同子空间中的多元化时间序列形态。 StockFormer 定位于通过强化学习（ RL ）预测金融市场，并制定交易决策。传统方法的一个关键局限在于它们无法有效为资产与其未来趋势之间的动态依赖关系建模。这在条件变化迅速、且不可预测的市场中尤为重要。 StockFormer
新文章 让手动回测变得简单：为MQL5策略测试器构建自定义工具包 已发布： 在本文中，我们设计了一个自定义的MQL5工具包，用于在策略测试器中轻松进行手动回测。我们将解释其设计与实现方案，重点介绍交互式交易控制功能。然后，我们将展示如何使用它来有效地测试交易策略。 我们的目标是创建一个工具包，它将手动控制与MetaTrader 5中 策略测试器
新文章 市场模拟（第五部分）：创建 C_Orders 类（二） 已发布： 在本文中，我将解释 Chart Trade 如何与 EA 交易一起处理平仓请求，以关闭用户的所有未平仓头寸。这听起来简单，但你需要知道如何应对一些复杂情况。 在上一篇文章， 市场模拟（第四部分）：启动 C_Orders 类 (一) 中，我当时主要专注于解释发送市价交易指令的代码是什么样子。整个解释旨在演示如何构建类代码，以便解码从 Chart Trade 指标接收的信息。 然而，即使没有看过 EA
新文章 探索达瓦斯箱体突破策略中的高级机器学习技术 已发布： 达瓦斯箱体突破策略由尼古拉斯·达瓦斯（Nicolas Darvas）提出，是一种技术交易方法：当股价突破预设的"箱体"区间上沿时，视为潜在买入信号，表明强劲的上升动能。本文将以该策略为例，探讨三种高级机器学习技术的应用。其中包括：利用机器学习模型直接生成交易信号（而非仅过滤交易）；采用连续型信号（而非离散型信号）；使用基于不同时间框架训练的模型进行交易验证。 达瓦斯箱体突破策略由尼古拉斯·达瓦斯（Nicolas
新文章 MQL5中用于预测与分类评估的重采样技术 已发布： 本文将探讨并实现一种方法：利用单一数据集同时作为训练集和验证集，来评估模型质量。 机器学习模型的性能评估通常分为两个独立阶段：在一个数据集上进行训练，在另一个数据集上进行测试。然而，当因资源限制或物流难题而难以收集多个数据集时，则需采用替代方法。 其中一种方法便是运用重采样技术来评估预测或分类模型的性能。尽管该方法可能存在潜在的缺陷，但已被证明能够提供可靠结果。本文将探讨一种新颖的模型质量评估方法，该方法利用单一数据集同时作为训练集和验证集。应用这些方法的主要原因在于测试数据的可用性有限。
新文章 探索创建多彩烛条的选项 已发布： 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。 后一种方法的巨大优势在于，尽管所需的缓冲区数量显著增加了，但我们将拥有更丰富信息的用户界面。 不过，我们不仅可以依据上色规则为我们提供有关业务规则的信息，而且还能提供看涨蜡烛和看跌蜡烛之间的区别，进一步拓展了这一优势。 这可以通过处理之前看到的蜡烛的边缘颜色和填充物来做到。 如此，我们达成了本文的目标，即演示如何根据一些业务规则创建上色规则，并将其应用于有填充和无填充的蜡烛图表。 我们的最终工作成果如下图所示。 作者： Samuel Manoel De Souza
新文章 市场模拟（第四部分）：创建 C_Orders 类（一） 已发布： 在本文中，我们将开始创建 C_Orders 类，以便能够向交易服务器发送订单。我们将循序渐进地进行，目标是通过消息系统详细说明这一过程的具体实现方式。 如果你一直在关注这个系列文章，你可能已经注意到在 开发回放系统（第 78 部分）：新 Chart Trade（五） ）中，在那里我开始展示交互是如何发生的，然而，同样的 EA 交易确实知道如何解释传入的消息。尽管当时使用的方法不允许跨订单系统，但我们在后续文章中解决了这个问题。在 市场模拟（第二部分）：跨期订单（二） 中，我演示了消息传递系统将如何构建以与 EA
新文章 交易中的神经网络：配备注意力机制（MASAAT）的智代融汇（终章） 已发布： 在上一篇文章中，我们讲述了多智代自适应框架 MASAAT，其用一组智代的融汇在不同数据尺度下对多模态时间序列进行交叉分析。今天我们将继续实现该框架方法的 MQL5 版本，并将这项工作带至逻辑完结。 为了捕捉显著的价格变动，智代套用具有不同阈值的方向性走势过滤器。这就能从所分析价格时间序列中提取关键趋势特征，改善对不同强度市场转变的解读。该方法提出了一种新颖的序列词元生成技术，令横断面注意力（ CSA ）和时态分析（ TA ）模块能够有效识别多元化的相关性。具体而言，在重造特征映射时， CSA
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