新文章 多层感知器和反向传播算法（第 3 部分）：与策略测试器集成 - 概述（I） 已发布： 多层感知器是简单感知器的演变，可以解决非线性可分离问题。 结合反向传播算法，可以有效地训练该神经网络。 在多层感知器和反向传播系列的第 3 部分当中，我们将见识到如何将此技术集成到策略测试器之中。 这种集成将允许使用复杂的数据分析，旨在制定更好的决策，从而优化您的交易策略。 在本文中，我们将讨论这种技术的优点和问题。 在研究了如何实现所需的控件后，我设计了要部署的体系结构。 虽然这个过程可能看起来不必要，甚至荒谬，但它对开发非常重要，因为它给出了将要做什么，以及需要首先完成哪些活动的思路。 使用
新文章 构建自动运行的 EA（第 13 部分）：自动化（V） 已发布： 您知道什么是流程图吗？ 您能用它吗？ 您认为流程图适合初学者吗？ 我建议我们一起继续阅读这篇新文章，学习如何使用流程图。 许多人可能会保持警惕，认为将一个思路转化为代码是非常复杂的事情，只有编程领域的专家、硕士或博士才能做到。 但事实并非如此。 任何有常识、谨慎、纪律、好奇心和兴趣的人，只要清楚客观地陈述这个思路，实际上都可以将他们的思路变成代码。 如果您无法清楚地定义要实现的思路，请返回上一步，并以清晰简单的方式将您的想法写在纸上。 现在我们来看看如何将这个思路转化为代码。 如果思路太短，请给出详细的描述。
新文章 种群优化算法：引力搜索算法（GSA） 已发布： GSA 是一种受无生命自然启发的种群优化算法。 万幸在算法中实现了牛顿的万有引力定律，对物理物体相互作用进行建模的高可靠性令我们能够观察到行星系统和星系团的迷人舞蹈。 在本文中，我将研究最有趣和最原始的优化算法之一。 还提供了空间物体运动的模拟器。 与此同时，所有代理者都可以依据质量（根据目标函数的值计算）和它们之间的距离的吸引力相互交换信息，无论它们在搜索空间中的哪个位置。 代理者被视为物体，它们的适应性由其质量来衡量。
新文章 艾伦·安德鲁斯和他的时间序列分析技术 已发布： 艾伦·安德鲁斯（Alan Andrews）是现世代在交易领域最著名的“教育家”之一。 他的“草叉”几乎包含在所有现代报价分析程序当中。 但大多数交易者没机会用过此工具，甚至是其提供的一小部分。 此外，安德鲁斯最初的培训课程不仅包括对草叉的描述（尽管它仍然是主要工具），还包括其它一些有用的结构。 本文提供了对安德鲁斯在其原始课程中教授的奇妙图表分析方法的见解。 （流量焦虑用户）请当心，会有很多图像。 我相信，所有现代图表分析应用程序都会包括 安德鲁草叉。
新文章 衡量指标信息 已发布： 机器学习已成为策略制定的流行方法。 虽然人们更强调最大化盈利能力和预测准确性，但处理用于构建预测模型的数据的重要性，仍未受到太多关注。 在本文中，我们研究依据熵的概念来评估预测模型构建的指标的适配性，如 Timothy Masters 的《测试和优调市场交易系统》一书中所述。 作为一个示例，我们检查上面分析的两个指标的一些统计属性。 威廉姆斯百分比范围的分布几乎揭示了所有数值如何分布在整个范围内，除了多模态之外，分布相当均匀。 这样的分布是理想的，反映在熵值中。 这与市场促进指数的长尾分布形成鲜明对比。 这样的指标对于大多数学习算法来说都是有问题的，需要转换值。
ThreeLineBreak on Chart S/R:
Steve Nison策略图表中的three line break
Author: Ulterior
New article 交易中的数学: 交易仓结果的评估 has been published:
相信很多人都听过这样一句话 "一次的成功不能保证永远成功"。我们必须对交易的结果进行评估。在这篇文章中我们将讲述简单实用的评估方法。
我们经常听到这样的话: "减少损失增长利润".看到最后的结果，对于止损或是有效可靠的赢利我们不能够作出任何结论。我们看到的只是开仓时间，平仓时间和最终结果– 盈利还是亏损。在毫不知晓市场利率浮动的情况,我们不能判定交易系统特性。它的风险是多少？可以达到的赢利值？对于这些问题MAE(Maximum Adverse Excursion) 和 MFE (Maximum...
新文章 如何选择智能系统：拒绝一款交易机器人的 20 条强大准则 已发布： 本文尝试回答这个问题：我们如何选择正确的智能系统？ 哪些最适合我们的投资组合，我们如何过滤市场上提供的庞大交易机器人列表？ 本文将介绍二十条明确而强大的准则来拒绝一款智能系统。 每条提出的准则都将得到很好的解释，从而帮助您做出更持久的决定，并为您建立一个更有前途的智能系统集合，从而赚取利润。 专业的算法交易组合包括至少 10 到 20 个资本账户，在至少 10 到 50 个资本市场上运行 10 到 20 个智能系统。 这并不是一条准则，但这是我可以看到的实操。 本文尝试回答这个问题：我们如何选择正确的智能系统？
新文章 跨平台智能交易系统: CExpertAdvisor 和 CExpertAdvisors 类已发布： 本文主要介绍 CExpertAdvisor 和 CExpertAdvisors 类, 它们是本系列文章中所述跨平台智能交易系统里用到的所有组件的容器。 CExpertAdvisor 的 OnTick 方法是该类中最常用的函数。大部分发生的动作出自这个方法。该方法的核心操作如下图所示: 作者：Enrico Lambino
新文章 在 MetaTrader 5 中测试和优化二元期权策略 已发布： 在本文中，我将在 MetaTrader 5 中检查并优化二元期权策略。 摊平操作测试结果。 最终，成功。 摊平操作优化结果: 作者： Roman Poshtar
新文章 在一张图表上的多个指标（第 02 部分）：首次实验 已发布： 在前一篇文章“在一张图表上的多个指标”中，我介绍了如何在一张图表上加载多个指标的概念和基本知识。 在本文中，我将提供源代码，并对其进行详解。 这两个函数与我上面解释过的完全一样：它强制执行数据完整性验证，防止类的内部数据不一致。 它们接收一个命令行，并按照预定义的语法对其进行解码。 然而，它们并不会反馈收到的命令有错误，因为这不是它们的目的。 其目的是确保不一致的数据不会进入对象，也不会导致难以检测和修复的副作用。 最终结果如下： 作者： Daniel Jose
程序本来是mt5的KDJ指标,然后我加了下面代码意图实现当J线死叉的时候,发出预警信号,但总是没收到预警信息,测试也没任何错误提示,求大神看看问题在哪里?谢谢 for(int j=10;j<limit;j++) { if((JBuffer[j-1] > KBuffer[j-1])&&(JBuffer[j] < KBuffer[j])) //判断两线产生了死叉 { if(j==prev_calculated)//只针对当前K线报警历史K线就不用报警了 { Alert("UP"); SendMail("eurusd","死叉");
新文章 MQL5 中的范畴论 (第 2 部分) 已发布： 范畴论是数学的一个多样化和不断扩展的分支，到目前为止，在 MQL5 社区中还相对难以发现。 这些系列文章旨在介绍和研究其一些概念，其总体目标是建立一个开放的函数库，吸引评论和研讨，同时希望在交易者的策略开发中进一步在运用这一非凡的领域。 同构 是范畴论中同态的关键性质，因为它确保目标范畴域的结构在映射下得以保留。 它还保证保留源类别中域的代数运算。 例如，我们考虑一个服装类别，其中的域是衬衫和裤子，态射是将衬衫大小映射到裤子大小的函数。 此类别中的同态将保留衬衫尺寸与裤子相应尺寸的配对的功能。
三條平均移動線交叉顯示 Tri MA Corss : 三條平均線完全按照高低排列後 可視為趨勢成形 在形態被破壞後 不再繪出影線 在沒有影線的條件下 視為不確定期間 作者： Hung Wen Lin
新文章 您应该知道的 MQL5 向导技术（第 05 部分）：马尔可夫（Markov）链 已发布： 马尔可夫（Markov）链是一个强大的数学工具，能够针对包括金融在内的各个领域的时间序列数据进行建模和预测。 在金融时间序列建模和预测中，马尔可夫链通常用于模拟金融资产随时间的演变，例如股票价格或汇率。 马尔可夫链模型的主要优点之一是其简单性和易用性。 “_p” 矩阵是我们的过渡矩阵，具有状态之间转换的所有概率。 信号类的完整代码附在文章末尾。 我针对 2022 年的 EURJPY，日线时间帧内进行了一些测试，以下是报告，和随之而来的净值曲线的一部分。 作者： Stephen Njuki
新文章 MQL5 酷宝书 — 宏观经济事件数据库 已发布： 本文讨论了基于 SQLite 引擎处理数据库的可能性。 形成的 CDatabase 类就是为了方便和有效地运用 OOP 原则。 随后它会参与宏观经济事件数据库的创建和管理。 本文提供了使用 CDatabase 类的多种方法的示例。 向数据表添加新数据列也是一项很常见的任务。 假设我们需要扩展 “COUNTRIES” 数据表，并添加一个包含日历中宏观经济事件数量的数据列。 该任务将由 15_add_new_column.mq5 脚本执行。 执行脚本后，检查数据表（图例 5）。 现在，它已拥有新的数据列 EVENTS_NUM。 图例 5
新文章 在 Linux 上利用 C++ 多线程支持开发 MetaTrader 5 概念验证 DLL 已发布： 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。
新文章 种群优化算法：细菌觅食优化（BFO） 已发布： 大肠杆菌觅食策略激发出科学家创建 BFO 优化算法的灵感。 该算法包含原创思路和有前景的优化方法，值得深入研究。 细菌觅食优化（BFO）算法是一种引人入胜的优化技术，可在极其复杂或不可能的数值函数里找到最大化/最小化问题得近似解。 该算法被广泛认为应对分布式优化和控制的全局优化算法。 BFO 的灵感来自大肠杆菌的社会觅食行为。 BFO 已经引起了研究人员的注意，因为它已表现出在多个应用领域中解决实际优化问题方面的有效性。 大肠杆菌觅食策略背后的生物学，是以原始方式模拟，并作为一种简单的优化算法。
新文章 构建自动运行的 EA（第 12 部分）：自动化（IV） 已发布： 如果您认为自动化系统很简单，那么您可能并未完全理解创建它们需要什么。 在本文中，我们将谈谈杀死大量智能系统的问题。 不分青红皂白地触发订单是解决这个问题的可能方法。 在下面的视频中，您可以看到系统当前配置。 作者： Daniel Jose
副图显示多周期iStochastic : 指标参数可调，显示周期可选。免去不同周期切换查看的不便，在小周期图表中可以查看大周期的指标状态，并实现综合比对分析。 作者： Tong Shi Yang
新文章 构建自动运行的 EA（第 11 部分）：自动化（III） 已发布： 如果没有健全的安全性，自动化系统就不会成功。 但是，如果不对某些事情有很好的理解，就无法确保安全性。 在本文中，我们将探讨为什么在自动化系统中实现最大安全性是一项挑战。 如果您应用这种方式一段时间，您最终会创建一个非常有趣的函数和过程数据库，您就能够非常快速和安全地编程。 这种事情正得到高度赞赏，尤其是在金融市场这样的活动中，没有人会有兴趣使用无法应对市场存在风险的代码。 鉴于我们始终在一个不接受运行时错误的领域工作，并且一切都发生在最坏的场景类型（即实时）中，因此您的代码必须能够随时抵抗意外事件。
Moving Average-RMA 相对移动平均线 : Relative Moving Average (RMA) is a variant of EMA the factor is 1/period 作者： Mage He
新文章 重温默里（Murrey）系统 已发布： 图形价格分析系统在交易者中当之无愧地广受欢迎。 在本文中，我将讲述完整的默里（Murrey）系统，包括其著名的级别，以及其它一些评估当前价格位置，并据其做出交易决策的实用技术。 级别 突破 是 价格越过水平并固定 在那里的情形。 例如，当价格收盘价低于第一根蜡烛的级别，高于第二根和第三根蜡烛的级别时，我们可以假设该级别已被突破。 或者当价格收于该级别上方，然后返回并收于该级别下方，然后，不超过八根蜡烛后，再次于该级别上方收盘。 通常在这种情况下，第一次突破后形成的极值，以及逆势指向不会达到先前的级别。
新文章 种群优化算法：入侵杂草优化（IWO） 已发布： 在各种条件下杂草的惊人生存能力已演化成强大优化算法的思路。 IWO 是以前审阅过的算法中最好的算法之一。 入侵杂草算法非常适合全局搜索。 该算法展现出良好的性能，尽管没有使用种群中的最佳成员，并且没有机制可以防止局部极端情况下的潜在卡顿。 研究和开发算法之间没有平衡，但这并没有对算法的准确性和速度产生负面影响。 该算法目前尚有其它缺点。 在整个优化过程中搜索性能参差不齐的现象表明，如果上述问题能够得到解决，IWO 的性能可能会更高。 算法测试结果直方图如图例 4 所示 作者： Andrey Dik
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