新文章 利用判别分析开发交易系统 已发布： 开发交易系统时，通常都会出现选择最佳指标与信号组合的问题。而判别分析就是找到此类组合的方法之一。本文会给出一个用于市场数据采集的 EA 开发示例，并详细阐明如何利用判别分析在 Statistica 软件中构建外汇市场预后模型。 作者： ArtemGaleev
新文章 基于人工生态系统的优化（AEO）算法 已发布： 本文探讨了一种元启发式算法——基于人工生态系统的优化（Artificial Ecosystem-based Optimization, AEO）算法。该算法通过生成初始解种群并应用自适应更新策略，模拟生态系统各组成部分之间的相互作用。文中详细阐述了AEO算法的运行阶段，包括消耗阶段与分解阶段，以及不同智能体的行为策略。文章还介绍了该算法的特点和优势。
RSI 发散 : 该指标利用 RSI 背离并将其绘制在缓冲区中，以便自动执行 EA Author: Francisco Gomes Da Silva
新文章 神经网络轻松制作 已发布： 人工智能往往伴随着极其复杂和难以理解的事物。 同时，人工智能在日常生活中也越来越多地被提及。 不同的媒体也经常发布有关运用神经网络成就的新闻。 本文的目在于展示任何人都可以轻松创建神经网络，并在交易中运用 AI 成就。 人工智能正在我们生活的各个方面提升覆盖面。 许多新刊物涌现，指出“神经网络已被训练为...”。然而，人工智能仍然伴随着奇妙的事物。 这个想法似乎非常复杂，超自然和玄之又玄。 所以，只有一群科学家才能创造出来这种超凡神迹。 利用我们的家用 PC 似乎无法开发类似的程序。 但请相信我，这并不困难。
Random Trader with Customizable Risk/Reward Ratio, Break-Even : 当没有开仓时，EA 会随机开仓（买入或卖出的几率各占一半）。 Author: Salman Soltaniyan
MovingAverages : MovingAverages库包含计算不同类型的移动平均线的函数。 作者： MetaQuotes Software Corp
新文章 开发基于订单簿的交易系统（第一部分）：指标 已发布： 市场深度无疑是执行快速交易的一个非常重要的因素，特别是在高频交易（HFT）算法中。在本系列文章中，我们将探讨这种类型的交易事件，这些事件可以通过经纪商在许多可交易的交易品种上获得。我们将从一个指标开始，您可以在其中自定义直接显示在图表上的直方图的调色板、位置和大小。我们还将研究如何生成 BookEvent 事件，以在特定条件下测试指标。未来文章的其他可能主题包括如何存储价格分布数据以及如何在策略测试器中使用它。
新文章 非洲水牛优化（ABO） 已发布： 本文介绍了非洲水牛优化（ABO）算法，这是一种于2015年开发的元启发式方法，基于这些动物的独特行为。文章详细描述了算法实现的各个阶段及其在解决复杂问题时的效率，这使得它成为优化领域中一个有价值的工具。 非洲水牛优化（ABO）算法是一种受这些动物在野外独特行为启发的元启发式方法。ABO算法是由科学家Julius Beneoluchi Odili和Mohd Nizam Kahar于2015年开发的，基于非洲水牛的社会互动和生存策略。
新文章 在MQL5中创建交易管理员面板（第三部分）：扩展内置类以进行主题管理（II） 已发布： 在本文的讨论中，我们将逐步扩展现有的对话框库，以纳入主题管理逻辑。此外，我们将把主题切换方法整合到管理员面板项目中使用的 CDialog、CEdit 和 CButton 类中。继续阅读，获取更多深入的了解。 为MQL5修改和创建新的类库是可能的。然而，由于内置库由平台共享，我们对这些文件所做的任何修改，都可能对当前平台的功能产生正面或负面影响。在 最近文章 中，我们简要讨论了如何编辑根 对话框类颜色 ，以控制我们面板的外观。尽管主题切换按钮成功地改变了文本颜色，但它并没有改变面板皮肤或按钮背景颜色。
新文章 从基础到中级：Include 指令 已发布： 在今天的文章中，我们将讨论一个在 MQL5 中可以找到的各种代码中广泛使用的编译指令。虽然这里对这个指令的解释相当肤浅，但重要的是你要开始了解如何使用它，因为随着你进入更高层次的编程，它很快就会变得不可或缺。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。 在这篇文章中，我们将讨论一个对你非常有帮助的话题。一旦解释清楚，我将能够开始展示更复杂的代码示例。到目前为止，在不利用 MQL5
Harmonic Pattern Finder V3 : 用于显示已经存在和正在出现的 harmonic 图表形态的指标。 作者： Andre Enger
Logarithmic Garman Klass 波动性 : Logarithmic Garman Klass 波动性 作者： Mladen Rakic
新文章 Connexus的头（第三部分）：掌握HTTP请求头的使用方法 已发布： 我们继续开发Connexus库。在本章中，我们探讨HTTP协议中请求头的概念，解释它们是什么、它们的用途以及如何在请求中使用它们。我们将涵盖用于与API通信的主要头信息，并展示了如何在库中配置它们的实例。 本文是这一系列文章的延续，我们将构建一个名为Connexus的库。在 第一篇文章 中，我们了解了WebRequest函数的基本功能，理解了它的每个参数，并创建了一个示例代码，展示了这个函数的使用及其难点。在本文中，我们将探讨HTTP通信中请求头的重要性与实用性，以及这些元素在现代网络中用于不同目的的方式。
新文章 交易中的神经网络：点云分析（PointNet） 已发布： 直接分析点云避免了不必要的数据增长，并改进了模型在分类和任务分段时的性能。如此方式对于原始数据中的扰动展现出高性能和稳健性。 点云是简单而统一的结构，可避免组合不一致、以及与困境相关的复杂性。鉴于点云没有传统格式，故将其传送到深度网络架构之前，大多数研究人员通常会将该类数据集转换为常规的 3D 体素网格或图像集。不过，这种转换会令生成的数据无必要地增大，并可能引入量化伪影，这往往会掩盖数据的自然不变性。 出于这个原因，一些研究人员转向了 3D
三角套利 : 该智能交易系统 (EA) 在欧元兑美元、美元兑日元和欧元兑日元这三种货币对之间实施三角套利策略。 Author: Джованни Орсани
Trend Zigzag (on ma cross) : 连接移动平均线交叉点的静态之字形 Author: Conor Mcnamara
新文章 MQL5 简介（第 9 部分）：理解和使用 MQL5 中的对象 已发布： 学习使用当前和历史数据在 MQL5 中创建和自定义图表对象。本基于项目的指南可帮助您可视化交易并实际应用 MQL5 概念，从而更容易构建适合您交易需求的工具。 我们将在此项目中开发一个 EA 交易，通过在图表上显示清晰的可视化效果来改善交易。EA 将自动显示从入场点到止损和止盈区的路线，为您提供对交易风险和回报的快速视觉评估。在不要求您咨询其他数据源的情况下，EA 将实时更新，以反映您当前的利润或亏损。此外，它还将通过显示当前观察仓位的入场价、止损价和止盈价，提供一目了然的精确信息。 此 EA
新文章 重构经典策略（第九部分）：多时间框架分析（第二部分） 已发布： 在今天的讨论中，我们探讨了多时间框架分析的策略，以确定我们的人工智能（AI）模型在哪个时间框架上表现最优。分析结果表明，在欧元兑美元（EURUSD）货币对上，月度和小时时间框架生成的模型具有相对较低的误差率。我们利用这一优势，开发了一个交易算法，该算法在月度时间框架上进行人工智能预测，并在小时时间框架上执行交易。
FVG based Momentum Detection : 该指标在输入的 "window_size "范围内评估 FVG，以检测动量或趋势强度。 Author: Yashar Seyyedin
基于群体的优化算法 : 这里收集了基于群体的优化算法。该压缩包包含在测试函数上运行算法所需的所有文件。 Author: Andrey Dik
新文章 Trademinator 3：交易机器的崛起 已发布： 在《Dr. Tradelove...》一文中，我们创建了一个可独立优化某预先选定交易系统的 EA 交易。而且，我们还决定创建一个不仅能够优化构成 EA 的交易系统参数、而且可以在多个交易系统中选择最优的 EA 交易。我们来看看，它会带来些什么... 作者： Roman Zamozhnyy
新文章 基于MQL5和Python的自优化EA（第五部分）：深度马尔可夫模型 已发布： 在本次讨论中，我们将把一个简单的马尔可夫链应用于相对强弱指标（RSI），以观察指标穿过关键水平后的价格行为。我们得出结论，当RSI处于11-20区间时，会产生最强的买入信号；而当RSI处于71-80区间时，会产生最强的卖出信号，这在新西兰元兑日元（NZDJPY）货币对上表现得尤为明显。我们将展示如何通过对数据的处理和分析，直接从您所拥有的数据中构建出最优的交易策略。此外，我们还将展示如何训练一个深度神经网络，使其能够最优地利用转移矩阵。
新文章 大气云模型优化（ACMO）：实战 已发布： 在本文中，我们将继续深入研究大气云模型优化（ACMO）算法的实现。特别是，我们将讨论两个关键方面：云向低压区域的移动以及降雨模拟，包括液滴的初始化及其在云中的分布。我们还将研究其他在管理云的状态以及确保它们与环境相互作用方面发挥重要作用的方法。
Breakout Finder by LonesomeTheBlue : 这是 LonesomeTheBlue 从松树脚本代码转换而来的。 Author: Yashar Seyyedin
Withdrawal Tracking : 这是一段代码，可添加到现有的智能交易系统中，用于跟踪从运行智能交易系统的账户中提取的资金。它可以帮助用户监控特定账户的取款情况。 Author: Daniel Opoku
新文章 创建 MQL5-Telegram 集成 EA 交易（第 4 部分）：模块化代码函数以增强可重用性 已发布： 在本文中，我们将现有的用于从 MQL5 向 Telegram 发送消息和截图的代码重构为可重复使用的模块化函数。这将简化流程，实现跨多个实例的更高效执行和更轻松的代码管理。 在本系列的第四部分中，我们将重点介绍如何通过代码 模块化 增强程序的可重用性。我们将详细讨论代码模块化的原则，更具体地说，这些原则如何应用于我们的项目。接下来，我们将逐步介绍如何将现有的 mql5 脚本重组为单独的、定义良好的函数。最后，您可以选择使用旧的单片程序或具有相同输出的新的模块化 EA 交易系统。
新文章 您应当知道的 MQL5 向导技术（第 36 部分）：依据马尔可夫（Markov）链的 Q-学习 已发布： 强化学习是机器学习的三大信条之一，并肩两个是监督学习和无监督学习。因此，它在意的是最优控制，或学习最适合目标函数的最佳长期政策。正是在这种背衬下，我们探索其向一款由向导组装的智能系统中 MLP 中通知学习过程的可能作用。 由向导组装的智能系统的自定义信号类，能够承担各种值得探索的角色，我们继续寻求当 Q-学习 算法与 马尔可夫（Markov）链 配对时，如何帮助改进多层感知器网络的学习过程。Q-学习是强化学习的若干种（大约 12
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