新文章 神经网络变得轻松（第十八部分）：关联规则 已发布： 作为本系列文章的延续，我们来研究无监督学习方法中的另一类问题：挖掘关联规则。 这种问题类型首先用于零售业，即超市等，来分析市场篮子。 在本文中，我们将讨论这些算法在交易中的适用性。 该算法从消除随机项开始。 为了做到这一点，与前面的算法一样，我们对整个训练集合执行第一遍，并计算每项的支持率。 之后，删除频率小于 MinSup 的所有项。 其余项按其支持率的降序排列。 上述示例产生以下序列： D (0.8) -> C (0.7) -> B (0.6) -> E(0.4) 接下来，我们将拔高 FP 树。 为此，针对训练样本执行第二次验算。
新文章 EA 遥控方法 已发布： 交易机器人的主要优势在于能够在远程 VPS 服务器上每天 24 小时不间断工作。 但有时候有必要干预它们的工作，而此刻可能无法直接访问服务器。 是否可以遥控管理 EA？ 本文提出了一种通过外部命令控制 EA 的选项。 我们处于数字时代，各种用于金融市场交易的自动化系统已经变得非常普遍。 电子智能交易系统（EA）的主要优点一般认定为能够完美无瑕的执行算法，并可一天 24 小时不间断工作。 虚拟主机允许全天候自动运行 EA。 不幸的是，并非所有的 EA 在任何市场情况下都能同样有效。 在这些情况下，交易者通常需要手动启用和禁用它们。
新文章 数据科学和机器学习（第 05 部分）：决策树 已发布： 决策树模仿人类的方式针对数据进行分类。 我们看看如何构建这棵树，并利用它们来分类和预测一些数据。 决策树算法的主要目标是将含有杂质的数据分离成纯节点或靠近节点。 决策树运用多种算法来决定将一个节点拆分为两个或多个子集节点。 子节点的创建提升了子节点合量的均匀性。 换言之，我们可以说节点的纯度随着目标变量的增加而增加。 决策树算法把所有可用变量上的节点拆分，然后选择拆分最均匀的子节点。 算法选择基于目标变量的类型。 以下是决策树中采用的算法： ID3 > D3 扩展, C4.5 > ID3 继承者, CART > 分类和回归树
Dealers Trade v 7.91 ZeroLag MACD : 代码 "Dealers Trade v 7.74 MACD" (https://www.mql5.com/zh/code/19535) 的进一步发展。使用了 "零滞后 MACD" (https://www.mql5.com/zh/code/170)。当开仓数量增加时, 以下内容也会增加: 仓位之间的增量, 手数, 止盈 (马丁格尔)。 作者： Vladimir Karputov
新文章 从头开始开发智能交易系统（第 20 部分）：新订单系统 (III) 已发布： 我们继续实现新的订单系统。 创建这样的一个系统需要熟练地掌握 MQL5，以及了解 MetaTrader 5 平台的实际工作方式，及其提供的资源。 在系统完成之前，它还需要一点，即能够直接在图表上显示完整订单。 但是现在我们必须一次性完成这一切，因为必须在代码中的其它地方进行足够重要的修改。 因此，我们将在下一篇文章中讨论这个问题，因为变化将非常深刻。 如果有些东西引发出错，则必须回退一步，然后重试，直到可以按照您想要的方式更改系统。 按照这种方式，您可以自定义系统，令您感到舒适。
TrendLineAlert : 本指标显示倾斜的趋势线，并设置信号触发级别。 作者： Nikolay Kositsin
新文章 从头开始开发智能交易系统（第 19 部分）：新订单系统 (II) 已发布： 在本文中，我们将开发一个“看看发生了什么”类型的图形订单系统。 请注意，我们这次不是从头开始，只不过我们将修改现有系统，在我们交易的资产图表上添加更多对象和事件。 如果您认为这不太容易实现，请查看 C_HLineTrade 类的以下代码部分： inline void SetLineOrder( ulong ticket, double price, eHLineTrade hl, bool select) { string sz0 = def_NameHLineTrade + ( string
HullTrendOSMA : 此趋势指标形成一个彩色云图，昭示 Hull 均线 和它的均值之间的差异。 作者： Nikolay Kositsin
EMA Cross Contest Hedged:
智能交易 EMA Cross Contest Hedged。使用指标: Macd 和 MA。
Author: John Smith
ZLS : ZLS (零滞后随机振荡器) 指标 - 零延迟随机振荡器 - 若干条不同 %К 周期，减速度和权重的随机振荡器的比率。 作者： Scriptor
MACD_Divergence : 这个指标会搜索自定义 MACD 指标的背离并在图表上显示它们。 作者： Scriptor
新文章 连接 NeuroSolutions 神经网络 已发布： 除了创建神经网络，NeuroSolutions 软件套件允许将它们导出为 DLL。本文介绍创建神经网络、生成 DLL 并将其连接至"EA 交易"以在 MetaTrader 5 中交易的过程。 作者： Andrew
新文章 DoEasy. 控件 (第 8 部分): 基准 WinForms 对象类别，GroupBox 和 CheckBox 控件 已发布： 本文研究创建 “GroupBox” 和 “CheckBox” WinForms 对象，以及开发 WinForms 对象类别的基准对象。 所有已创建对象仍然是静态的，即，它们无法与鼠标交互。 编译 EA，并在图表上启动它： 正如我们所看到的，CheckBox 对象组件的定位工作正常，GroupBox 对象在面板上创建，并与之绑定。 至于目前，所有这些对象都是静态的 — 它们没有与鼠标交互的能力。 稍后我将实现它 — 可一次性应对多个 WinForms 对象。
BrainTrend2Stop : BrainTrend2Stop是一个趋势反转探测指标，它显示为止损线。线的穿越意味趋势反转和关闭以前建立的仓位的时机。 作者： Nikolay Kositsin
新文章 如何掌握机器学习 已发布： 查看这些有用的资料选集，它们可以辅助交易者提高他们的算法交易知识。 简约算法时代正在成为过去，如果不运用机器学习技术和神经网络，成功变得越来越困难。 所有初学的交易员都是从技术分析基础知识开始他们职业生涯的，他们中的许多人都读过相同的关于证券交易所进行交易的书籍。 这些基础知识通常很容易理解。 然而，最初的手动交易阶段过得相当迅速。 下一步是实现交易结果的极度稳定性，并增加交易量，同时覆盖各种金融工具，并维持低风险。 这便是需要交易机器人进行算法交易的地方，然而这是一个全新的研究领域。 除了金融市场知识外，它还需要编程和技术分析技能。 算法交易主题过于宽泛。
Time Price Scale Enables Disables : 此脚本控制所有已开图表或某一图表的时间和价格标尺显示。 作者： Karputov Vladimir
新文章 学习如何基于 MFI 设计交易系统 已发布： 这篇新文章出自我们的系列文章，是有关基于最流行的技术指标设计交易系统，它研究了一个新的技术指标 — 资金流动性指数（MFI）。 我们将详细学习它，利用 MQL5 开发一个简单的交易系统，并在 MetaTrader 5 中执行它。 基于这一策略，我们需要向交易系统发出指令，以便检查每次跳价时的 MFI 值，并将该值与特定等级（20 和 80）进行比较，结果作为图表上的注释显示，并根据该比较结果决定或返回。 如果 MFI 小于或等于 20，它将返回超卖和当期 MFI 值，作为图表上的注释，并将每条注释放在单独的一行中。 如果 MFI 大于或等于
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