新文章 从基础到中级：模板和类型名称 (五) 已发布： 在本文中，我们将探讨模板的最后一个简单用例，并讨论在代码中使用 typename 的好处和必要性。虽然这篇文章乍一看可能有点复杂，但为了以后使用模板和 typename，正确理解它很重要。 在上一篇文章， 从基础到中级：模板和类型名称（四）
利润最大化 : Profit Maximiser（PMax）指标是通过整合超级趋势指标的移动平均线而创建的指标。 Author: Mahmut Deniz
新文章 使用Python和MQL5进行特征工程（第四部分）：基于UMAP回归的K线模式识别 已发布： 降维技术被广泛用于提升机器学习模型的性能。让我们来讨论一项被称为“统一流形逼近与投影”的相对较新的技术（UMAP）。这项新技术的开发旨在针对性地克服传统方法在数据中产生伪影和失真的局限性。UMAP是一种强大的降维技术，它能以一种新颖而有效的方式帮助我们将相似的K线进行分组，从而降低在样本外数据上的错误率，并提升我们的交易表现。
新文章 市场模拟（第六部分）：将信息从 MetaTrader 5 传输到 Excel 已发布： 许多人，尤其是非程序员，发现在 MetaTrader 5 和其他程序之间传输信息非常困难。其中一个程序就是 Excel。许多人使用 Excel 作为管理和维护风险控制的一种方式。这是一个优秀的程序，易于学习，即使对于那些不是 VBA 程序员的人来说也是如此。在这里，我们将看看如何在 MetaTrader 5 和 Excel 之间建立连接（一种非常简单的方法）。 对于一些 MetaTrader 5 用户来说，最常给他们的生活带来麻烦的事情之一就是它缺少某些功能。 许多人，尤其是非程序员，发现在
吸收 (Absorption) : EA 依据吸收形态进行交易。 操作是以 Buy Stop 和 Sell Stop 挂单进行。 作者： Vladimir Karputov
新文章 基于隐马尔可夫模型的趋势跟踪波动率预测 已发布： 隐马尔可夫模型（HMMs）是强大的统计工具，可通过分析可观测的价格波动来识别潜在的市场状态。在交易领域，隐马尔可夫模型通过建模和预测市场状态的转变，可提升波动率预测的准确性，并为趋势跟踪策略提供依据。在本文中，我们将完整介绍一种趋势跟踪策略的开发流程，该策略利用隐马尔可夫模型预测波动率，并将其作为交易信号的过滤条件。 在 戴夫·阿伦森 （Dave Aronson）所著的 《基于证据的技术分析》 （Evidence-Based Technical
新文章 交易中的神经网络：具有预测编码的混合交易框架（StockFormer） 已发布： 在本文中，我们将讨论混合交易系统 StockFormer，其结合了预测编码和强化学习（RL）算法。该框架用到 3 个变换器分支，集成了多样化多头注意力（DMH-Attn）机制，改进了原版的注意力模块，采用多头前馈模块，能够捕捉不同子空间中的多元化时间序列形态。 StockFormer 定位于通过强化学习（ RL ）预测金融市场，并制定交易决策。传统方法的一个关键局限在于它们无法有效为资产与其未来趋势之间的动态依赖关系建模。这在条件变化迅速、且不可预测的市场中尤为重要。 StockFormer
新文章 让手动回测变得简单：为MQL5策略测试器构建自定义工具包 已发布： 在本文中，我们设计了一个自定义的MQL5工具包，用于在策略测试器中轻松进行手动回测。我们将解释其设计与实现方案，重点介绍交互式交易控制功能。然后，我们将展示如何使用它来有效地测试交易策略。 我们的目标是创建一个工具包，它将手动控制与MetaTrader 5中 策略测试器
新文章 市场模拟（第五部分）：创建 C_Orders 类（二） 已发布： 在本文中，我将解释 Chart Trade 如何与 EA 交易一起处理平仓请求，以关闭用户的所有未平仓头寸。这听起来简单，但你需要知道如何应对一些复杂情况。 在上一篇文章， 市场模拟（第四部分）：启动 C_Orders 类 (一) 中，我当时主要专注于解释发送市价交易指令的代码是什么样子。整个解释旨在演示如何构建类代码，以便解码从 Chart Trade 指标接收的信息。 然而，即使没有看过 EA
新文章 探索达瓦斯箱体突破策略中的高级机器学习技术 已发布： 达瓦斯箱体突破策略由尼古拉斯·达瓦斯（Nicolas Darvas）提出，是一种技术交易方法：当股价突破预设的"箱体"区间上沿时，视为潜在买入信号，表明强劲的上升动能。本文将以该策略为例，探讨三种高级机器学习技术的应用。其中包括：利用机器学习模型直接生成交易信号（而非仅过滤交易）；采用连续型信号（而非离散型信号）；使用基于不同时间框架训练的模型进行交易验证。 达瓦斯箱体突破策略由尼古拉斯·达瓦斯（Nicolas
新文章 MQL5中用于预测与分类评估的重采样技术 已发布： 本文将探讨并实现一种方法：利用单一数据集同时作为训练集和验证集，来评估模型质量。 机器学习模型的性能评估通常分为两个独立阶段：在一个数据集上进行训练，在另一个数据集上进行测试。然而，当因资源限制或物流难题而难以收集多个数据集时，则需采用替代方法。 其中一种方法便是运用重采样技术来评估预测或分类模型的性能。尽管该方法可能存在潜在的缺陷，但已被证明能够提供可靠结果。本文将探讨一种新颖的模型质量评估方法，该方法利用单一数据集同时作为训练集和验证集。应用这些方法的主要原因在于测试数据的可用性有限。
新文章 探索创建多彩烛条的选项 已发布： 在本文中，我将探讨创建烛条自定义指标的可能性，并指出它们的优缺点。 后一种方法的巨大优势在于，尽管所需的缓冲区数量显著增加了，但我们将拥有更丰富信息的用户界面。 不过，我们不仅可以依据上色规则为我们提供有关业务规则的信息，而且还能提供看涨蜡烛和看跌蜡烛之间的区别，进一步拓展了这一优势。 这可以通过处理之前看到的蜡烛的边缘颜色和填充物来做到。 如此，我们达成了本文的目标，即演示如何根据一些业务规则创建上色规则，并将其应用于有填充和无填充的蜡烛图表。 我们的最终工作成果如下图所示。 作者： Samuel Manoel De Souza
新文章 市场模拟（第四部分）：创建 C_Orders 类（一） 已发布： 在本文中，我们将开始创建 C_Orders 类，以便能够向交易服务器发送订单。我们将循序渐进地进行，目标是通过消息系统详细说明这一过程的具体实现方式。 如果你一直在关注这个系列文章，你可能已经注意到在 开发回放系统（第 78 部分）：新 Chart Trade（五） ）中，在那里我开始展示交互是如何发生的，然而，同样的 EA 交易确实知道如何解释传入的消息。尽管当时使用的方法不允许跨订单系统，但我们在后续文章中解决了这个问题。在 市场模拟（第二部分）：跨期订单（二） 中，我演示了消息传递系统将如何构建以与 EA
新文章 交易中的神经网络：配备注意力机制（MASAAT）的智代融汇（终章） 已发布： 在上一篇文章中，我们讲述了多智代自适应框架 MASAAT，其用一组智代的融汇在不同数据尺度下对多模态时间序列进行交叉分析。今天我们将继续实现该框架方法的 MQL5 版本，并将这项工作带至逻辑完结。 为了捕捉显著的价格变动，智代套用具有不同阈值的方向性走势过滤器。这就能从所分析价格时间序列中提取关键趋势特征，改善对不同强度市场转变的解读。该方法提出了一种新颖的序列词元生成技术，令横断面注意力（ CSA ）和时态分析（ TA ）模块能够有效识别多元化的相关性。具体而言，在重造特征映射时， CSA
来自"MQL5算法交易的神经网络"教程的示例 : "MQL5算法交易的神经网络"教程是一本全面的操作指南，涵盖了人工智能和神经网络的理论基础，以及使用MQL5编程语言在金融交易应用的实践方面。 作者： MetaQuotes
新文章 从新手到专家：支撑与阻力强度指标（SRSI） 已发布： 在本文中，我们将分享如何利用MQL5编程来精准定位市场关键价位——区分价格水平中的弱势与强势区域。我们将完整开发一个可用的支撑与阻力强度指标（SRSI）。 我首先从波动率指数下的一个合成交易对——波动率75（1秒）指数——在周线图上开始分析。该交易对大约在2020年推出时，起初价格较高，但很快经历了长时间的暴跌，形成了数周的强劲下跌趋势。在那段时间做空该交易对的交易者可能获得了可观的利润。然而，我的主要关注点是市场结构，特别是过去三年的市场结构。
新文章 掌握 MQL5：从入门到精通（第六部分）：开发 EA 交易的基础知识 已发布： 本文继续针对初学者的系列文章。在这里我们将讨论开发 EA 交易的基本原则。我们将创建两个 EA：第一个 EA 不使用指标进行交易，使用挂单，第二个 EA 将基于标准 MA 指标，以当前价格开仓。在这里，我假设你不再是一个完全的初学者，并且对前几篇文章中的材料有相对较好的掌握。 最后，我们到达了创建 EA 交易的阶段。从某种程度上来说，我们已经到了决定性阶段。 为了充分利用本文，您应该已经熟悉以下概念： 变量（局部变量和全局变量）， 函数及其参数（通过引用和值）， 数组（包括对序列数组的基本理解），
新文章 改编版 MQL5 网格对冲 EA（第 II 部分）：制作一款简单的网格 EA 已发布： 在本文中，我们探讨了经典的网格策略，详解 MQL5 的智能交易系统的自动化，并初步分析回测结果。我们强调了该策略对高持有能力的需求，并概括了在未来分期分批优化距离、止盈和手数等关键参数的计划。该系列旨在提高交易策略效率，以及针对不同市场条件的适配性。 欢迎来到我们系列文章的第二批次，“改编版 MQL5 网格对冲 EA”。我们首先回顾一下我们在第一部分涵盖的内容。在第 I
新文章 MQL5 简介（第 12 部分）：构建自定义指标的初学者指南 已发布： 了解如何在 MQL5 中构建自定义指标。采用基于项目的方法。本初学者指南涵盖指标缓冲区、属性和趋势可视化，让您一步一步地学习。 欢迎回到我们的 MQL5 系列！到目前为止，我们已经介绍了很多，包括处理内置指标、创建 EA 交易系统、探索基本的 MQL5 概念，以及将我们的知识应用于实际项目。是时候学习如何从头开始创建自定义指标了。我们将更深入地了解指标的内部运作方式，从而完全控制其运作和设计，而不是依赖于内置功能。您是否想过 MQL5 的两个内置指标，移动平均线或 MACD
新文章 优化中自定义准则的新方法（第一部分）：激活函数示例 已发布： 本系列文章首篇将探讨自定义准则的数学原理，重点聚焦神经网络中使用的非线性函数、MQL5实现代码，以及目标导向与校正偏移量的应用。 自定义准则的定义能力，甚至利用其不透明方法论的复合准则，使得减少在Excel、Python、R或专有软件中对结果进行解析或至少分析的工作量成为可能，从而获得最优的参数排列组合。 其问题在于，在已发布的自定义准则中，使用“return(0)”的情况仍屡见不鲜。这样存在实际或潜在的危险，包括可能丢弃（勉强）不符合要求的结果，或者更糟的是，使遗传优化过程偏离潜在的有效路径。
FarhadCrab1:
FarhadCrab1 EA。它有许多设置。它也使用了大量的指标，它们中的一些: MA, Stochastic, Macd, RSI.
作者： John Smith
Price Channel 价格通道 : This is a simple price channel indicator allowing user to customize period and line colors. Often used in channel break strategies. 作者： Swordless 无剑
TrailingStopAndTake : 简单地对开启的仓位跟踪止损和获利。 作者： Scriptor
新文章 接受者操作特征（ROC）曲线入门 已发布： ROC 曲线是用于评估分类器性能的图形工具。尽管 ROC 图形相对简单，但在实践中使用它们时，仍存在一些常见的误解和误区。本文旨在为那些希望理解分类器性能评估的交易者提供一份关于 ROC 图形的入门介绍。 许多现实世界的应用都涉及二元分类问题，即实例属于两个互斥且穷尽的类别之一。当定义了一个单一的目标类别时，这种场景的一个普遍实例就会出现，每个实例被归类为要么属于该类别，要么属于其补集。例如，考虑雷达信号分类，屏幕上检测到的轮廓被归类为坦克（目标类别）或非坦克物体。同样地，信用卡交易可以被归类为欺诈（目标类别）或合法。
新文章 交易中的神经网络：配备注意力机制（MASAAT）的智代融汇 已发布： 我们概述多智代自适应投资组合优化框架（MASAAT），其结合了注意力机制和时间序列分析。MASAAT 生成一组智代，分析价格序列和方向变化，能够在不同细节层次识别资产价格的明显波动。
新文章 辩证搜索（DA） 已发布： 本文介绍了辩证算法（DA），这是一种受辩证法哲学概念启发的新的全局优化方法。该算法利用了人口中独特的划分，将其分为投机思想者和实践思想者。测试表明，在低维问题上，性能令人印象深刻，高达 98%，整体效率为 57.95%。本文解释了这些度量，并详细描述了算法和不同类型函数的实验结果。
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