文章，程序库评论 - 页 11

2-Pair Correlation EA : 2-Pair Correlation EA 是一款免费的智能交易系统，可利用 BTC/USD 和 ETH/USD 的价格相关性进行交易。该 EA 在货币对出现分歧时开启交易，并在货币对重新对齐时关闭交易，以最小的工作量实现自动交易。 Author: Morteza Mohammadi

新文章 在MQL5中实现基于经济日历新闻事件的突破型智能交易系统（EA） 已发布： 重大经济数据发布前后市场波动率通常显著上升，为突破交易策略提供了理想的环境。在本文中，我们将阐述基于经济日历的突破策略的实现过程。我们将全面覆盖从创建用于解析和存储日历数据的类，到利用这些数据开发符合实际的回测系统，最终实现实盘交易执行代码的完整流程。 尽管MQL5社区提供了大量关于在回测中使用MetaTrader 5日历的文章和代码库，但这些资源对想开发简单突破策略的新手而言往往过于复杂。本文旨在简化用MQL5新闻日历创建策略的流程，并为交易者提供一份全面指南。

Perfect Trailing StopLoss : 将这些代码复制到您正忙着编码的任何 EA 中，您就会有一个拖尾斜线，您唯一需要修改的可能是 InpMagic 用于您的魔法数字，或者您可以直接原样复制我的代码，记住要添加 COrderinfo ord; 和 CPositionInfo pos； Author: Lamont Simone Reynecke

Rsi Engulfing Bar V2 : Rsi 指标 Author: Paul Conrad Carlson

新文章 日志记录精通指南（第三部分）：探索日志处理器（Handlers）实现方案 已发布： 在本文中，我们将探索日志库中"处理器"（handlers）的概念，理解其工作原理，并创建三种基础实现：控制台、数据库和文件。我们将覆盖从处理器的基本结构到实际测试，为后续文章中的完整功能实现奠定基础。 回顾要点，我们通过以下基础规范奠定了日志库的基石： 健壮的架构 ：采用 单例 （Singleton）模式确保代码组件间的一致性。 高级持久化 ：支持数据库存储日志，提供可追溯的历史记录以支持深度审计与分析。 灵活的输出方式 ：支持日志在控制台、文件、终端界面或数据库中的便捷存储与展示。 日志级别分类

新文章 迁移至 MQL5 Algo Forge（第 3 部分）：在您自己的项目中使用外部仓库 已发布： 让我们探索如何开始将 MQL5 Algo Forge 存储中任何仓库的外部代码集成到您自己的项目中。在本文中，我们最后转向这个有前景但更复杂的任务：如何在 MQL5 Algo Forge 中实际连接和使用来自第三方仓库的库。 在我们向 MQL5 Algo Forge 过渡的 第二 部分中，我们专注于解决一个重要挑战 —— 使用多个仓库。通过结合使用 Adwizard 库项目和 Simple Candles EA

Rsi Ema Engulfing Bar V3 : 在上升的 Ema 移动平均线下方出现吞没条 - 买入交易 - 买入交易 Author: Paul Conrad Carlson

新文章 交易中的神经网络：多智代自适应模型（MASA） 已发布： 我邀您领略多智代自适应（MASA）框架，其结合了强化学习和自适应策略，在动荡市场条件下提供盈利能力、及风险管理之间的和谐均衡。 计算机技术正在成为金融分析不可或缺的一部分，为解决复杂问题提供了创新方式。近年来，强化学习（RL）在动荡金融市场条件下的动态投资组合管理中已被证明了其有效性。然而，现有方法往往专注于最大回报，而对风险管理的重视不足，尤其是在流行病、自然灾害、和地区冲突造成的不确定性下。 为了解决这一限制， 《开发具有深度强化学习的多智代和自适应框架，进行动态投资组合风险管理》 的研究引入了 MASA （ 多智代 和

CounterTrend Ema V1 : 3 Ema 移动平均线通过 rsi 确认趋势变化 Author: Paul Conrad Carlson

用于时间敏感应用程序的高性能 iTimeSeries : 这个时间序列开发库可以在 MQL5 中快速访问，以便应用于对时间要求高的应用程序，而且实现了类似于 MQL4 的方法，例如 iBarShift。 作者： nicholishen

新文章 从基础到中级：联合（二） 已发布： 今天我们有一篇非常有趣的文章。我们将研究联合并尝试解决之前讨论的问题。我们还将探讨在应用程序中使用联合时可能出现的一些不寻常的情况。此处提供的材料仅用于教学目的。在任何情况下，除了学习和掌握所提出的概念外，都不应出于任何目的使用此应用程序。 在上一篇文章 从基础到中级：联合（一） 中，我们开始讨论什么是联合。事实上，从第一篇文章开始，这个话题就一直在构建，因为到目前为止讨论的所有内容以及未来文章将涵盖的所有内容都以某种方式相互关联。上一篇文章中提出的内容仅代表了联合这一更广泛主题的初始部分。这个主题非常广泛，就像数组的主题一样，两者密切相关。

新文章 市场理论 已发布： 逻辑上完整的市场理论应该包含所有品类的商品和服务市场，像外汇这种微观和宏观市场到目前为止还不包括其中。本文介阐释基于盈利分析的新市场理论的精髓。 揭示了当前价格变化的运行机制和原则，即通过形成能对实际价格产生控制影响的虚拟价格链，来找到最优定价。市场趋势的形成和改变机制在这里将得到阐释。 让我们看看最为交易者熟知的市场理论，当在外汇市场上组织获利交易及创建获利的交易策略时，交易者们使用它们来获取概率优势。这里有三种主要理论： 江恩理论 是对模型、价格和时间比例以及它们对市场的影响实际研究的产物。 , 艾略特波浪理论 — 通过对实际情况的研究 Elliott

新文章 价格行为分析工具包开发（第七部分）：信号脉冲智能交易系统（EA） 已发布： 借助“信号脉冲（Signal Pulse）”这款MQL5智能交易系统（EA），释放多时间框架分析的潜力。该EA整合了布林带（Bollinger Bands）和随机震荡器（Stochastic Oscillator），以提供准确、高概率的交易信号。了解如何实施这一策略，并使用自定义箭头有效直观地显示买入和卖出机会。非常适合希望借助多时间框架的自动化分析来提升自身判断能力的交易者。 信号脉冲脚本根据布林带和随机震荡器在三个时间框架（M15、M30和H1）上的一致性生成交易信号。每种信号的条件如下： 买入信号

新文章 基于快速数学计算的自定义策略测试器 已发布： 本文将介绍创建自定义策略测试器和自定义优化通关分析器的方法。阅读之后, 您将了解数学计算模式, 和所谓分帧机制如何工作, 如何准备和加载用于计算的自定义数据, 以及如何使用有效的算法将它们压缩。对于那些打算在智能系统中存储自定义信息感兴趣的人来说, 这篇文章会很有趣。 它的代码只包含输入参数 x 和 OnTester 函数, 它根据传递的参数计算正弦值。在此例中, x 。现在尝试优化此函数。为此, 请在策略测试器中选择 "慢速完整算法" 优化模式, 和之前的模拟模式: "数学计算"。 在优化参数中设置 x 的变化范围: 开始 — 0.01

新文章 开发回放系统（第 74 部分）：新 Chart Trade（一） 已发布： 在本文中，我们将修改本系列关于 Chart Trade 中显示的最后一段代码。这些变化对于使代码适应当前的回放/模拟系统模型是必要的。此处提供的内容仅用于教育目的。在任何情况下，除了学习和掌握所提出的概念外，都不应出于任何目的使用此应用程序。 然而，到目前为止，我们所做的一切只是整个任务的一部分。我们现在正进入开发的第三阶段。在这个阶段，我们的重点将从回放/模拟器本身转移。现在的重点将是直接使用实时交易服务器。换句话说，我们将开始开发必要的工具来打开、管理和关闭头寸。

新文章 运用 R-平方 评估策略余额曲线的品 质已发布： 本文介绍如何构建自定义优化标准 R-平方。这一准则可用来评估一个策略的余额曲线的品质, 并选择增长最平滑和稳定的策略。这项工作讨论其构建原理, 以及用于评估属性和衡量品质的统计方法。 现在我们可以建立一个盈利因子值对交易数量的依赖图表。例如, 在 Excel 中, 可以通过选择相应的列, 并在 "图表" 选项卡中按下绘制散点图的按钮来完成此操作。 图例 8. 盈利因子对交易数量的依赖

更好的音量 : Better Volume 是一个高级指标，旨在分析价格图表上的成交量行为。它将成交量信息与蜡烛图范围和移动平均线等指标相结合，以识别市场中的重要形态，如买入/卖出高潮、搅动和弱蜡烛图。该指标具有动态可视化界面和成交量分类，可为希望根据成交量流量做出明智决策的交易者提供有价值的见解。 Author: Gustavo Franthesco Kerntopf

新文章 分析交易所价格的二进制代码（第一部分）：技术分析的新视角 已发布： 本文提出了一种基于将价格波动转换为二进制代码的技术分析创新方法。作者展示了市场行为的各个方面——从简单的价格波动到复杂形态——如何被编码为一系列的0和1。 这是 Python 中的基础分析示例： def analyze_words_frequency(self, prices): price_diff = np.diff(prices) bullish_mnemonics = [] bearish_mnemonics = [] for i in range ( len

新文章 《精通日志记录（第二部分）：格式化日志》 已发布： 在本文中，我们将探讨如何在类库中创建和应用日志格式化工具。我们将从格式化工具的基本结构讲起，一直到样例的实现。到本文结束时，您将掌握在该库中格式化日志的必要知识，并理解其背后的工作原理。 在本系列的第一篇文章 《精通日志记录（第一部分）：MQL5 中的基础概念与初步实践》 中，我们开始为智能交易系统（EA）开发创建一个自定义日志库。在文章中，我们探讨了创建这样一个关键工具的动机：克服 MetaTrader 5 原生日志的局限性，为 MQL5 生态带来一个 强大、可定制且功能丰富的 解决方案。

新文章 从基础到中级：联合（一） 已发布： 在这篇文章中，我们将探讨什么是联合。在这里，通过实验，我们将分析可以使用联合的第一种构造。然而，这里展示的只是后续文章将涵盖的一组概念和信息的核心部分。此处提供的内容仅用于教育目的。在任何情况下，除了学习和掌握所提出的概念外，都不应出于任何目的使用此应用程序。 在上一篇文章 从基础到中级：数组（四） 中，我们探索了一个非常酷且极其有趣的概念。尽管许多人认为这是一个高级话题，但在我看来，这是每个编程初学者都应该知道的。这是因为，如果使用得当，上一篇文章中介绍的概念可以真正打开整个可能性的世界。有了它，我们可以做一些原本很难甚至不可能实现的事情。

新文章 交易中的神经网络：搭配区段注意力的参数效率变换器（PSformer） 已发布： 本文讲述新的 PSformer 框架，其适配雏形变换器架构，解决与多元时间序列预测相关的问题。该框架基于两项关键创新：参数共享（PS）机制，和区段注意力（SegAtt）。 《PSformer：搭配区段注意力的参数高效变换器，进行时间序列预测》 的作者提出了一种基于 变换器 的创新模型，用于多元时间序列预测，其协同了参数共享原理。 它们引入了一种搭配基于两级区段注意力机制的 变换器

MQL5 向导 - 基于 3 乌鸦/3 白兵 + Stochastic : 基于 "3 乌鸦/3 白兵" K 线形态的交易信号，考虑用 Stochastic （随机振荡）指标进行确认。基于此策略的交易程序代码，可由 MQL5 向导自动生成。 作者： MetaQuotes Software Corp

AdaptiveTrader Pro EA : 这款适用于 MetaTrader 的智能交易系统（EA）利用 RSI、ATR 和移动平均线等技术指标组合来识别高概率交易机会。它配备了动态手数、跟踪止损和基于性能的调整功能，专为在波动的市场条件下优化交易决策和有效管理风险而量身定制。 Author: Morteza Mohammadi

新文章 构建MQL5自优化智能交易系统（第二部分）：美元兑日元（USDJPY）剥头皮策略 已发布： 今天我们齐聚一堂，挑战为美元兑日元（USDJPY）货币对打造一套全新交易策略。我们将基于日线图上的K线形态开发交易策略，因为日线级别的信号通常蕴含更强的市场动能。初始策略已实现盈利，这激励我们进一步优化策略，并增加风险控制层以保护已获利资本。 在上一篇关于MQL5自优化智能交易系统的文章中（点击 此处

Balance_Reset : 该库在回溯测试期间根据可配置的盈亏阈值重置账户余额，从而模拟道具交易公司的情景，并记录重置结果以供分析。 Author: Andrei Krisiuk

倒计时、点差、利息、保证金信息 : 本指标完成4小时的tick与ontime倒计时显示,多空单的过夜利息,点差,一个点的收入提示及一手所需要保证金金额的显示。 作者： yj_ s

新文章 构建自优化型MQL5智能交易系统（EA）（第3部分）：动态趋势跟踪与均值回归策略 已发布： 金融市场通常被静态划分为震荡市或趋势市两种模式。这种简化分类虽便于短期交易决策。然而，却与真实市场行为脱节。在本文中，我们将深入探讨市场如何精准地在这两种模式间切换，并利用这方面的认知提升算法交易策略的可靠性。 如前文所述，基于移动平均线的策略因能贴合长期市场趋势而广受欢迎。下图1提供了一个典型案例。该图为EURUSD日线图，展示2016年11月下旬至2018年4月的强劲牛市行情。无论以何种标准衡量，都让人印象深刻。由图可见，移动平均线清晰确认了价格的长期上行趋势。

考夫曼: 考夫曼移动均线。 作者： John Smith

新文章 MQL5 秘籍之：OCO订单 已发布： 任何交易者的交易活动都会包含各种交易机制和内在联系，包括订单之间的关系。本文提出一种处理OCO订单的解决方案。将广泛采用标准类库来实现，同时也会新建一些数据类型。 本文聚焦于处理OCO类型的订单。这个机制在一些MetaTrader 5的竞争对手产品中已有实现。通过这个带有控制面板的处理OCO订单的例子，我想达到两个目的。其一，我想介绍 标准类库 的特性，另一方面我想扩展交易者的交易工具。 1. OCO订单的本质 OCO订单（一个订单取消另一个订单）代表一对挂单。

新文章 让新闻交易轻松上手（第六部分）：执行交易（3） 已发布： 在本文中，将实现基于新闻事件ID对单个新闻事件进行新闻筛选。此外，还将对先前的SQL查询进行改进，以提供更多信息或减少查询运行时间。另外，还将使前几篇文章中构建的代码具备实际功能。 在本文中，我们将对存储数据库进行改进，新增一些用于展示数据的视图，例如在 MQL5经济日历 中显示每个独特事件的最新新闻事件日期或下一个新闻事件日期。这样将提升用户使用程序时的体验，因为能够了解未来或过去的事件。此外，我们将扩展智能教育系统（EA）输入菜单，以适应新闻筛选和止损单入场方法。