新文章 交易中的神经网络：层次化向量变换器（终章） 已发布： 我们继续研究层次化向量变换器方法。在本文中，我们将完成模型的构造。我们还会在真实历史数据上对其进行训练和测试。 训练会持续，直至模型的误差稳定在某个水平。此刻，进一步的数据集更新对于优化参与者的政策不再具有贡献。 我们利用 MetaTrader 5 策略测试器评估训练模型的有效性，应用 2024 年 1 月的历史数据，同时保持所有其它参数不变。训练模型的测试结果如下所示。 作者： Dmitriy Gizlyk
新文章 自动选择有 "钱途" 的信号 已发布： 本文将致力于分析 MetaTrader 5 平台的交易信号, 从而能够在用户账户里自动执行交易操作。此外，文章还研究了工具的开发，它有助于从终端当中直接搜索潜在地有 "钱途" 的交易信号。 以梯度表示的汇总评分并不意味着它的左侧部分 (红色) 反映的是非盈利信号, 绿色部分显示的是潜在的有 "钱途" 的信号。它只是在特定交易信号基础上提供交易风格的可视化。虽然风险交易意味着更高的亏损机会, 但也意味着更高的盈利。 图例 1b 应用程序的结构 (右侧) 作者： Alexander Fedosov
模拟时钟ClockAnalog : 在背景上显示的 24-小时模拟 GMT(UTC) 市场时钟。时钟显示格林威治时间, 并根据时间表显示所有主要股票交易所的状态。 作者： Andrey Aseykin
Ranging Market Detector : 试图突显市场区间的指标 Author: Conor Mcnamara
JSON Serialization and Deserialization (native MQL) : JSON 协议序列化和逆序列化。代码从高速的 С++ 程序库移植而来。 实践例程: 在网站上授权并解析响应 CJAVal jv; jv[ "login" ]= "Login" ; // 登录名 jv[ "password" ]= "Pass" ; // 口令 //--- 字符串序列化 {"login":"Login","password":"Pass"} char data[]; ArrayResize (data, StringToCharArray (jv.Serialize()
新文章 怎样购买一个基于MQL5或者MQL4的交易机器 已发布： 通过建立“工作”服务功能，MQL5.community 成为了一个理想的可以提供和购买编程服务的地方。这里有成千上万的交易人员和开发者每天来访问所需信息资源，也可以方便地互相帮助。对于交易人员来说，“工作”服务是轻松获得自己所需的EA智能交易程序的好机会，对于MQL5开发者来说，这也是轻松找到客户的机会。在这篇文章中，我们将领略一下此项服务的具体功能。 作者： MetaQuotes
新文章 在MQL5中创建交易管理员面板（第三部分）：通过视觉样式设计增强图形用户界面（1） 已发布： 在本文中，我们将专注于使用MQL5为交易管理员面板的图形用户界面（GUI）进行视觉样式设计与优化。我们将探讨MQL5中可用的各种技术和功能，这些技术和功能允许对界面进行定制和优化，确保它既能满足交易者的需求，又能保持吸引人的外观。
New Candle or Bar formation. : 该机器人可在任何设定的时间框架内检测新蜡烛的开盘，从而更方便地运行一次性代码、进行交易和调用其他功能。代码编写在 OnTick() 函数中。 Author: Clinton Dennis Edem
新文章 美元和欧元指数图表 — MetaTrader 5 服务示例 已发布： 我们将以 MetaTrader 5 服务为例，探讨创建和更新美元指数 (USDX) 和欧元指数 (EURX) 图表。启动服务时，我们将检查所需合成工具的存在，必要时创建它，并将其放置在市场观察窗口中。随后将创建合成工具的分钟和分时报价历史记录，然后创建所创建工具的图表。 美元指数 是货币市场最受欢迎的指数。它使我们能够预测汇率的变动。这是美元相对价值的重要指标。美元指数（USDX）于 1973 年 3 月推出。其基准值设定为 100 点。换句话说，今天等于 90 点的指数意味着美元相对于 1973 年的数字下跌了
新文章 在任何市场中获得优势（第五部分）：联邦储备经济数据库（FRED）欧元兑美元（ EURUSD）可替代数据 已发布： 在今天的讨论中，我们使用了圣路易斯联邦储备银行（St. Louis Federal Reserve）提供的关于广义美元指数以及其他一系列宏观经济指标的可替代日数据，来预测欧元兑美元（EURUSD）未来的汇率。遗憾的是，尽管数据似乎具有近乎完美的相关性，但我们在模型准确性方面未能实现任何实质性提升，这可能暗示投资者最好采用常规的市场价格数据。
通过当前符号检查市场是否开放交易的功能 : 该功能非常有用，可避免服务器在市场休市时收到过多的交易请求 Author: Anton Iaroshenko
转换 MT5 设置文件至 MT4 : 转换 MT5 格式 .set 文件至 MT4 格式。 作者： Richard Gunning
移动均线穿越第 N 根柱线时报警 : 当 iMA (移动平均线, MA) 指标穿越第 N 根柱线时, 会产生警报 (音频警报, 电子邮件和推送通知)。 作者： Vladimir Karputov
新文章 您应当知道的 MQL5 向导技术（第 26 部分）：移动平均和赫斯特（Hurst）指数 已发布： 赫斯特（Hurst）指数是时间序列长期自相关度的衡量度。据了解，它捕获时间序列的长期属性，故在时间序列分析中也具有一定的分量，即使在财经/金融时间序列之外亦然。然而，我们专注于其对交易者的潜在益处，研究如何将该计量度与移动平均线配对，从而构建潜在的稳健信号。 我们继续本系列讲解 MQL5 向导技术的文章，重点放在金融时间序列分析中的可替代方法，从而造福交易者。至于本文，我们研究 赫斯特（Hurst）指数 。这是一个计量度，其会告诉我们，时间序列从长远来看，是具有较高正 自相关
新文章 从基础到中级：BREAK 和 CONTINUE 语句 已发布： 在本文中，我们将学习如何在循环中使用 RETURN、BREAK 和 CONTINUE 语句。了解每个语句在循环执行流程中的作用对于处理更复杂的应用程序非常重要。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。 我知道许多初学者程序员很难正确理解循环生成命令的工作原理。然而，循环是必不可少的，几乎存在于你整个职业生涯中开发的每个程序中，即使你只是把创建程序作为 爱好 。理解并有效地使用与循环相关的命令至关重要。
新文章 掌握ONNX：MQL5交易者的游戏规则改变者 已发布： 深入ONNX的世界，这是一种用于交换机器学习模型的强大的开放标准格式。了解利用ONNX如何彻底改变MQL5中的算法交易，使交易员能够无缝集成尖端的人工智能模型，并将其策略提升到新的高度。揭开跨平台兼容性的秘密，学习如何在您的MQL5交易活动中释放ONNX的全部潜力。通过这篇掌握ONNX的全面指南提升您的交易游戏 。 不可否认，我们正处于人工智能和机器学习的时代，每天都有一种新的基于人工智能的技术部署在金融、艺术和游戏、教育以及生活的更多方面。
新文章 您应当知道的 MQL5 向导技术（第 35 部分）：支持向量回归 已发布： 支持向量回归是一种理想主义的途径，寻找最能描述两组数据之间关系的函数或“超平面”。我们尝试在 MQL5 向导的自定义类内利用这一点来进行时间序列预测。
Uniformity Factor Indicator : 这是一个简单的分析（非信号、一次性计算）指标，可以测试价格时间序列是否代表 "随机漫步"，特别是高斯 "随机漫步 "的假设。这有助于将价格增量转化为均匀分布、更稳定、更可预测的时间序列（至少在波动性方面）。 Author: Stanislav Korotky
新文章 神经网络实践：第一个神经元 已发布： 在本文中，我们将开始构建一些简单而不起眼的东西：神经元。我们将使用非常少量的 MQL5 代码对其进行编程。神经元在我的测试中表现良好。让我们回到这一系列关于神经网络的文章中，了解一下我在说什么。 如果您仔细阅读以前的文章，您会注意到我们必须采用某些数学方法来确定表示斜率的常数 <a> 和表示截距的常数 <b> 的最佳值。这些调整使我们能够找到最合适的线性方程。我们探索了两种方法来实现这一点：一种通过导数计算，另一种通过矩阵计算。
新文章 在MQL5中实现基于抛物线转向指标（Parabolic SAR）和简单移动平均线（SMA）的快速交易策略算法 已发布： 在本文中，我们将在MQL5中开发一个快速交易EA，利用抛物线SAR和简单移动平均线（SMA）指标来创建一个响应迅速的交易策略。我们详细介绍了该策略的实施过程，包括指标的使用、信号的生成以及测试和优化过程。
CTsLogger 是一款简单灵活的记录系统 : 可记录单个模块或代码段的日志记录器 Author: Trefoter
新文章 使用Python和MQL5进行多交易品种分析（第一部分）：纳斯达克集成电路制造商 已发布： 加入我们的讨论，了解如何利用人工智能（AI）优化您的仓位规模和订单数量，以最大化您的投资组合回报。我们将展示如何通过算法识别一个最优的投资组合，并根据您的回报预期或风险承受能力来调整投资组合。在本次讨论中，我们将使用SciPy库和MQL5语言，利用所拥有的全部数据创建一个最优且多样化的投资组合。
新文章 交易中的神经网络：层次化向量变换器（HiVT） 已发布： 我们邀请您来领略层次化矢量转换器（HiVT）方法，其专为快速、准确地预测多模态时间序列而开发。 智驾面临的挑战与交易者面临的挑战明显重叠。对于汽车智驾，在动态环境中导航的安全机动是一项关键任务。为达成这一目标，这些车辆必须洞察周围环境，并预测道路上的未来事件。然而，准确预测附近道路使用者，诸如车辆、自行车、和行人的机动是一个复杂问题，尤其是在他们的目标或意图未明时。在多个体出行场景中，个体行为受到与其他个体复杂交互的影响，而依赖于地图的交通规则更加复杂。因此，理解场景中多名个体的综合行为极具挑战性。
新文章 因果推断中的时间序列聚类 已发布： 在机器学习中，聚类算法是重要的无监督学习算法，它们可以将原始数据划分为具有相似观测值的组。利用这些组，可以分析特定聚类的市场情况，使用新数据寻找最稳定的聚类，并进行因果推断。本文提出了一种在Python中进行时间序列聚类的原创方法。 聚类是一种机器学习技术，它能够将数据集划分为多个对象组（即聚类），使得同一聚类内的对象彼此相似，而不同聚类的对象则各不相同。聚类有助于揭示数据结构，识别隐藏的模式，并根据对象的相似性进行分组。
CTsLogger - Simple and Flexible Logger : 可记录特定模块或代码段的日志记录器 Author: Trefoter
Terminator_v2.0 : 根据指标信号开初始仓位。(这里有六个变种)。若持仓亏损, 交易量减少 作者： Dmitry Fedoseev
新文章 HTTP和Connexus（第2部分）：理解HTTP架构和库设计 已发布： 本文探讨了HTTP协议的基础知识，涵盖了主要方法（GET、POST、PUT、DELETE）、状态码以及URL的结构。此外，还介绍了Conexus库的构建起点，以及CQueryParam和CURL类，这些类用于在HTTP请求中操作URL和查询参数。 本文是该系列文章的延续，我们将构建一个名为Connexus的库。在 第一篇文章
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