新文章 彗星尾算法（CTA） 已发布： 在这篇文章中，我们将探讨彗星尾优化算法（CTA），该算法从独特的太空物体——彗星及其接近太阳时形成的壮观尾部中汲取灵感。该算法基于彗星及其尾部运动的概念设计而成，旨在寻找优化问题中的最优解。 彗星是太阳系中的小天体，当它们接近太阳时会蒸发并释放气体。这个过程被称为升华。彗星通常具有高度椭圆的轨道，以及宽泛的轨道周期，从几年到可能数百万年不等。
新文章 开发回放系统（第 45 部分）：Chart Trade 项目（四） 已发布： 本文的主要目的是介绍和解释 C_ChartFloatingRAD 类。我们有一个 Chart Trade 指标，它的工作方式非常有趣。您可能已经注意到了，图表上的对象数量仍然很少，但我们却获得了预期的功能。指标中的数值是可以编辑的。问题是，这怎么可能呢？这篇文章将使答案变得更加清晰。 在上一篇文章 开发回放系统（第 44 部分）：Chart Trade 项目 (三) 中，我展示了如何为 Chart Trade 窗口添加一些交互性，使其表现得就像窗口中存在对象一样。尽管图表上唯一真正出现的对象是
新文章 神经网络变得简单（第 78 部分）：带有变换器的无解码对象检测器（DFFT） 已发布： 在本文中，我提议从不同的角度看待构建交易策略的问题。我们不会预测未来的价格走势，但会尝试基于历史数据分析构建交易系统。 无解码器完全基于变换器（DFFT） 方法是一种完全基于无解码器变换器的高效对象检测器。变换器主干专注于对象检测。它在四个尺度提取它们，并将它们发送到下一个单级编码器，仅有密度预测模块。预测模块首先使用 尺度聚合编码器 将多尺度特征聚合到单一特征映射。 然后，该方法的作者建议使用 任务对齐编码器 针对分类和回归问题进行同步特征匹配。 面向检测的变换器（ DOT
新文章 神经网络变得简单（第 77 部分）：交叉协方差变换器（XCiT） 已发布： 在我们的模型中，我们经常使用各种关注度算法。而且，可能我们最常使用变换器。它们的主要缺点是资源需求。在本文中，我们将研究一种新算法，它可以帮助降低计算成本，而不会降低品质。 变换器在分析解决各种序列问题方面展现出巨大的潜力。 自关注 操作是变换器的基础，它为序列中所有令牌之间提供全局互动。这令评估整个分析序列中的相互依赖关系成为可能。然而，在计算时间和内存占用方面带来了复杂度二次方暴增，令该算法难以应用于长序列。 为了解决这个问题，论文 《XCiT：交叉协方差图像变换器》 的作者推荐了一种“转置”版本的 自关注
一个免安装的自动止损保护系统，可运行在MT5或MT4上 : 这是MT5上驱动部分，负责把实时行情，持仓情况输出成csv文件，由python脚本再进行数据分析，并发送指令生成新的订单。 作者： feizhou wang
新文章 开发多币种 EA 交易（第 6 部分）：自动选择实例组 已发布： 在优化交易策略后，我们会收到一组参数。我们可以使用它们在一个 EA 中创建多个交易策略实例。以前，我们都是手动操作。在此，我们将尝试自动完成这一过程。 在上一篇 文章 中，我们实现了选择策略选项的功能 - 固定仓位大小和可变仓位大小。这样，我们就可以根据最大回撤率对策略的工作结果进行归一化处理，并将最大回撤率在规定范围内的策略合并为一组。为了演示，我们从单个策略实例的优化结果中手动选择了几个最有吸引力的输入参数组合，并尝试将它们组合成一组，甚至是三组三策略的组合。我们在后一种情况下取得了最好的结果。
新文章 了解使用MQL5下单 已发布： 在创建任何交易系统时，我们都需要有效地处理一项任务。这项任务是下单，或者让创建的交易系统自动处理订单，因为它在任何交易系统中都至关重要。因此，您将在本文中找到您需要了解的关于这项任务的大多数主题，以有效地创建您的交易系统。 订单： 是交易服务器收到的以特定价格打开特定手数或交易量的买卖交易的请求。订单有两种类型，市场订单和挂单。 市场订单： 可以立即以当前市场价格执行的订单。 挂单： 在预定条件下执行交易的订单，该条件涉及在其水平上执行交易的价格和执行交易的时间。 这些挂单可以是以下其中一种： 止损买入（Buy stop）：
新文章 Python中的虚假回归（伪回归） 已发布： 虚假回归通常发生在两个时间序列之间仅因偶然因素而展现出高度相关性时，这会导致回归分析产生误导性的结果。在这种情况下，尽管变量之间可能看似存在关联，但这种关联仅仅是巧合，模型可能并不可靠。 在深入机器学习算法交易领域之前，确认模型输入与我们想要预测的变量之间是否存在有意义的关系至关重要。本文阐述了在单位根测试中对模型残差的应用，以验证我们的数据集中是否存在这种关系的实用性。 遗憾的是，使用没有真正关系的数据集构建模型是有可能的。这些模型可能会产生令人印象深刻的低误差指标，从而营造出一种虚假的控制感和过于乐观的前景。
新文章 基于预测的统计套利 已发布： 我们将探讨统计套利，使用Python搜索具有相关性和协整性的交易品种，为皮尔逊（Pearson）系数制作一个指标，并编制一个用于交易统计套利的EA，该系统将使用Python和ONNX模型进行预测。 统计套利是一种复杂的金融策略，它通过数学模型，利用相关金融工具之间的价格低效性交易获利。该策略通常应用于股票、债券或衍生品，要求深刻理解相关性、协整性以及皮尔逊系数，这些是识别和利用市场机会的关键工具。 在金融领域， 相关性
新文章 一步步学习如何利用公允价值缺口（FVG）或市场不平衡性来交易的策略：一种“聪明资金”的交易方法 已发布： 基于公允价值缺口（FVG）交易策略的MQL5自动化交易算法创建与分步实施指南。这一教程旨在为无论是初学者还是经验丰富的交易者提供一个实用的EA创建指南。 In this article, we will discuss the basic steps towards the crafting and development of an expert advisor (EA), based on the fair value gap (FVG)/imbalance strategy
新文章 一种采用纯MQL5语言实现的基于能量学习的特征选择算法 已发布： 本文介绍了一种在学术论文《FREL：一种稳定的特征选择算法》中描述的特征选择算法的实现，该算法被称为基于正则化能量的特征加权学习。 在算法交易的领域中，机器学习的广泛应用，促使数据挖掘技术被用来发掘金融数据中的隐藏模式。在这一背景下，从业人员经常面临挑战，即如何从众多变量中筛选出最有可能对实现特定目标或解决特定问题有用的变量。本文探讨了特征选择算法的实现，该算法旨在评估一组候选变量在给定预测任务中的相关性。 Yun Li, Jennie Si, Guojing Zhou, Shasha Huang, and
新文章 MQL5 简介（第 6 部分）：MQL5 中的数组函数新手指南 (二) 已发布： 开始我们 MQL5 旅程的下一阶段。在这篇深入浅出、适合初学者的文章中，我们将探讨其余的数组函数，揭开复杂概念的神秘面纱，让您能够制定高效的交易策略。我们将讨论 ArrayPrint、ArrayInsert、ArraySize、ArrayRange、ArrarRemove、ArraySwap、ArrayReverse 和 ArraySort。利用这些基本的数组函数，提升您的算法交易专业知识。加入我们的精通 MQL5 之路吧！ 欢迎来到我们 MQL5 之旅的第六部分！我们将继续探讨 MQL5
新文章 您应当知道的 MQL5 向导技术（第 12 部分）：牛顿多项式 已发布： 牛顿多项式，其依据一组少量点创建二次方程，是一种古老但有趣的时间序列观察方式。在本文中，我们尝试探讨这种方式在哪些方面对交易者有用，并解决其局限性。 时间序列分析不仅在支持基本面分析方面扮演着重要角色，并且在像外汇这样流动性很强的市场中，它也成为决定如何在市场中定位的主要驱动力。传统的技术指标往往远远滞后于市场，这令它们不受大多数交易者的青睐，导致替代品的兴起，其中最主要的大概就是目前盛行的神经网络。但是多项式插值呢？
新文章 群体优化算法：抵抗陷入局部极值（第二部分） 已发布： 我们将继续我们的实验，它的目标是研究群体优化算法在群体多样性较低时有效摆脱局部最小值并达到全局最大值的能力。提供了研究的结果。 灰狼优化器（ GWO ） C_AO_GWO:50;10 ============================= 5 Hilly's; Func runs:10000; result：0.5385541648909985 25 Hilly's；Func runs：10000; result：0.33060651191769963 500 Hilly's；Func runs：10000;
新文章 算法交易中的风险管理器 已发布： 本文的目标是证明在算法交易中使用风险管理器的必要性，并在一个单独的类中实现控制风险的策略，以便每个人都可以验证标准化的风险管理方法在金融市场日内交易和投资中的有效性。在本文中，我们将为算法交易创建一个风险管理类。本文是上一篇文章的延续，在前文中我们讨论了为手动交易创建风险管理器。 在本文中，我们将开发一个风险管理器类来控制算法交易中的风险。本文的目的是将控制风险的原则应用于算法交易，并在一个单独的类中实现它们，以便每个人都可以验证风险标准化方法在日内交易和金融市场投资中的有效性。本文将使用和补充上一篇文章" 《手动交易风险管理器》
新文章 群体优化算法：抵抗陷入局部极值（第一部分） 已发布： 本文介绍了一个独特的实验，旨在研究群体优化算法在群体多样性较低时有效逃脱局部最小值并达到全局最大值的能力。朝着这个方向努力将进一步了解哪些特定算法可以使用用户设置的坐标作为起点成功地继续搜索，以及哪些因素会影响它们的成功。 这项研究的想法和理念源自我对这个主题的深入研究和对科学研究的热情。我相信这项工作可能会成为算法优化领域的重要贡献，吸引研究人员和从业者的关注。
新文章 神经网络变得简单（第 76 部分）：配合多未来变换器探索不同的交互形态 已发布： 本文继续探讨预测即将到来的价格走势的主题。我邀请您领略多未来变换器架构。其主要思路是把未来的多模态分布分解为若干个单模态分布，这样就可以有效地模拟场景中个体之间互动的各种模态。 MFT 模型的核心是一个并行互动模块，它由并行结构中的多个互动模块组成，研究每种模式下个体走势的未来特征。这三个预测头部包括： 运动解码器， 个体分数解码器， 场景分数解码器。
新文章 构建一个K线图趋势约束模型（第二部分）：融合原生指标 已发布： 这篇文章的重点在于如何利用MetaTrader 5内置指标来筛选出逆势信号。在上一篇文章的基础上，我们将进一步探讨如何使用MQL5代码将我们的想法最终用代码实现。 以下是MetaTrader 5中常用的一些内置指标： Moving Averages Bollinger Bands Relative Strength index MACD( Moving Average Convergence Divergence) Stochastic Oscillator Average True Range Ichimoku
新文章 龟壳演化算法（TSEA） 已发布： 这是一种受乌龟壳演化启发的独特优化算法。TSEA算法模拟了角质化皮肤区域的逐渐形成，这些区域代表了一个问题的最优解。最优解会变得更加“坚硬”，并位于更靠近外层表面的位置，而不太理想的解则保持“较软”的状态，并位于内部。该算法通过根据质量和距离对解进行聚类，从而保留了不太理想的选项，并提供了灵活性和适应性。
新文章 DoEasy.控件（第 33 部分）：垂直滚动条 已发布： 在本文中，我们将继续开发 DoEasy 库的图形元素，并添加表单对象控件的垂直滚动功能，以及将来需要的一些实用函数和方法。 编译 EA 并在图表上启动，同时事先指定面板自动大小为 "No"： We see that the vertical scrollbar works exactly the same as the horizontal one implemented in the previous article . 我们可以看到，垂直滚动条的工作原理与 上一篇文章中 实现的水平滚动条完全相同。 作者： Artyom
新文章 两样本Kolmogorov-Smirnov检验作为时间序列非平稳性的指标 已发布： 本文探讨了最著名的非参数同质性检验之一——两样本柯尔莫哥洛夫-斯米尔诺夫（Kolmogorov-Smirnov）检验。文章对模型数据和实际价格都进行了分析。此外，本文还给出了构建非平稳性指标（iSmirnovDistance）的一个示例。 在本研究中，我将使用经验分布函数来检验金融时间序列的狭义平稳性。概率论和数理统计作为前者的一个特定部分，都是基于平稳性假设的。分析平稳过程的方法有很多，包括回归分析、自相关分析、光谱分析方法以及使用神经网络等。然而，将这些方法应用于非平稳数据可能会导致显著的预测误差。
新文章 DoEasy.服务功能（第 2 部分）：孕线形态 已发布： 本文将继续探讨 DoEasy 库中的价格形态。我们还将创建价格行为形态中的 "孕线"（Inside Bar）形态类。 我们继续开发基于时间序列数据形成的形态。 在形态系列的第一篇文章中 ，我们创建了一个用于搜索和显示各种形态的工具包，并创建了从价格行为形态中搜索 Pin Bar 形态的功能。在本文中，我们将继续开发和完善在价格图表上搜索各种形态的功能，并创建价格行为 "Inside Bar" 形态搜索。 如果 "针形柱"（Pin Bar）形态是一个单柱形态，并通过一个柱形的比例进行搜索，那么 "孕线"（Inside
新文章 开发回放系统（第 42 部分）：图表交易项目（I） 已发布： 我们来创建一些更有趣的东西。我不想毁掉惊喜，故此紧随本文以便更好地理解。自本系列开发回放/模拟器系统的最开始，我就一直说，我们的意图是按相同的方式使用 MetaTrader 5 平台，无论正在开发的系统中，亦或真实市场中。重点是要正确完成。没有人愿意在训练和学习时用一种工具，而在战斗时不得不换另一种工具。 我们从图表交易用到的、我最近叙述过的一个概念开始：RAD 编程。RAD 这个词代表 R apid A application D evelopment。多年前，当我开始为 Windows
新文章 自定义指标（第一部份）：在MQL5中逐步开发简单自定义指标的入门指南 已发布： 学习如何使用MQL5创建自定义指标。这篇入门文章将指引您了解创建简单自定义指标的基础知识，并向初次接触这一有趣话题的MQL5程序员展示编写各种自定义指标的方法。 将市场信息进行可视化呈现是交易的基石。如果没有对市场数据和价格进行可视化建模的能力，交易就不会如此高效。从早期的图表绘制到如今复杂的技术分析工具，交易者一直依赖视觉线索来在金融市场中做出明智的决策。
新文章 神经网络变得简单（第 75 部分）：提升轨迹预测模型的性能 已发布： 我们创建的模型变得越来越大，越来越复杂。这不光提高了它们的训练成本，还有操作成本。不过，做出决定所需的时间往往很关键。有关于此，我们来研究在不损失品质的情况下优化模型性能的方法。 预测即将到来的价格走势的轨迹，或许在为所需规划范围构建交易计划的过程中扮演关键角色之一。这种预测的准确性至关重要。为了提高轨迹预测的品质，我们把轨迹预测模型复杂化。
新文章 数据处理的分组方法：在MQL5中实现组合算法 已发布： 在本文中，我们将继续探索数据处理家族分组算法，在MQL5中实现组合算法（Combinatorial Algorithm）及其优化版本——组合选择算法（Combinatorial Selective Algorithm）。 GMDH（Group Method of Data Handling）的 组合算法
新文章 如何使用抛物线转向（Parabolic SAR）指标设置跟踪止损（Trailing Stop） 已发布： 在创建交易策略时，我们需要测试多种多样的保护性止损。这时，一个随着价格变动而动态调整止损位的想法浮现在我的脑海中。抛物线转向（Parabolic SAR）指标无疑是最佳选择。很难想到有比这更简单且视觉上更清晰的指标了。 追踪止损（Trailing
新文章 如何构建和优化基于波动率的交易系统（Chaikin volatility-CHV） 已发布： 在本文中，我们将介绍另一个基于波动率的指标——蔡金波动率（Chaikin Volatility）。在了解到蔡金波动率的使用方法和构建方式之后，我们将学习如何构建自定义指标。我们将分享一些可用的简单策略，并对其进行测试，以了解哪个策略更优。 在本文中，我们将探讨这些衡量波动率的技术指标之一——蔡金波动率（Chaikin
新文章 开发回放系统（第 44 部分）：Chart Trader 项目（三） 已发布： 在上一篇文章中，我介绍了如何操作模板数据以便在 OBJ_CHART 中使用。在那篇文章中，我只是概述了这一主题，并没有深入探讨细节，因为在那个版本中，这项工作是以非常简单的方式完成的。这样做是为了更容易解释内容，因为尽管很多事情表面上很简单，但其中有些并不那么明显，如果不了解最简单、最基本的部分，就无法真正理解全局。 在上一篇文章 开发回放系统（第 43 部分）：Chart Trader 项目 (二) 中，我解释了如何操作模板数据以便在 OBJ_CHART
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