新文章 突破机器学习的局限（第一部分）：缺乏可互操作的度量指标 已发布： 无论以何种形式构建可靠的人工智能（AI）交易策略，都有一种强大且普遍存在的力量，正悄然地侵蚀着我们社区的集体努力，本文提到，我们所面临的部分问题，源于对“最优实践”的盲目遵循。通过为读者提供基于现实市场的简单证据，我们说明为何必须摒弃这种做法，转而采用特定领域内的最优实践，这样一来，我们的社区才有可能重振AI的潜在力量。 想象您正在参加一场彩票式的竞赛。您和另外99人被随机选中，共同角逐1,000,000美元的大奖。规则很简单：您必须猜测其他99名参与者的身高。猜测总误差最小的人即为获胜者。
新文章 通过配对交易中的均值回归进行统计套利：用数学战胜市场 已发布： 本文描述了投资组合层面的统计套利基础知识。其目标是帮助没有深厚数学知识的读者理解统计套利的原则，并提出一个概念性的起点框架。文章包含一个可运行的智能交易系统（EA）、一些关于其一年回测的笔记，以及用于复现实验的相应回测配置设置（.ini 文件）。
新文章 您应当知道的 MQL5 向导技术（第 55 部分）：配备优先经验回放的 SAC 已发布： 强化学习中的回放缓冲区对于像 DQN 或 SAC 这样的无政策算法尤为重要。这样就会聚光在该记忆缓冲区的抽样过程。举例，SAC 默认选项从该缓冲区随机选择，而优先经验回放缓冲区则基于 TD 分数从缓冲区中抽样对其优调。我们回顾强化学习的重要性，并一如既往，在由向导汇编的智能系统中验证这一假设（而‘非交叉验证）。 优先经验回放（PER）缓冲区和典型的回放缓冲区（针对随机抽样）两者都在强化学习中用到，并配合非政策算法如 DQN 和 SAC，因为它们允许存储和抽样以往的经验。PER
新文章 使用MQL5和Python构建自优化EA（第三部分）：破解Boom 1000算法 已发布： 在本系列文章中，我们探讨了如何构建能够自主适应动态市场条件的EA。今天的文章中，我们将尝试调整一个深度神经网络以适应Deriv的合成市场。 我们将逐一分析Deriv的所有合成市场，从其最知名的合成市场Boom 1000开始。Boom 1000以其波动性和不可预测性而闻名。该市场以缓慢、短暂且大小相等的看跌K线为特征，这些K线随机地被剧烈的、摩天大楼般高度的看涨K线所跟随。看涨K线尤其难以应对，因为与这些K线相关的tick通常不会发送到客户终端，这意味着每次止损都会被突破，并且总是会伴随着滑点。
新文章 价格行为分析工具包开发（第二十一部分）：市场结构反转检测工具 已发布： 市场结构反转检测智能交易系统（EA）
新文章 MQL5 简介（第 15 部分）：构建自定义指标的初学者指南（四） 已发布： 在本文中，您将学习如何在 MQL5 中构建价格行为指标，重点关注低点 (L)、高点 (H)、更高的低点 (HL)、更高的高点 (HH)、更低的低点 (LL) 和更低的高点 (LH) 等关键点，以分析趋势。你还将学习如何识别溢价和折价区域，标记 50% 回撤位，以及如何使用风险回报比来计算利润目标。文章还介绍了如何根据趋势结构确定入场点、止损 (SL) 和止盈 (TP) 水平。 该指标将识别出低点、高点、更高的低点和更高的高点，以指示买入信号的上升趋势。然后确定更高低点和更高高点之间的 50%
新文章 在交易图表上通过资源驱动的双三次插值图像缩放技术创建动态 MQL5 图形界面 已发布： 本文探讨了动态 MQL5 图形界面，利用双三次插值技术在交易图表上实现高质量的图像缩放。我们详细介绍了灵活的定位选项，支持通过自定义偏移量实现动态居中或位置定位。 我们的目标是构建一个 MQL5 工具，在 MetaTrader 5 图表上嵌入并缩放图像，从而创建动态的、用户可控的图形界面。我们将把 位图 图像作为资源加载，使用 双三次插值
新文章 MQL5交易策略自动化（第十六部分）：基于结构突破（BoS）价格行为的午夜区间突破策略 已发布： 本文将介绍如何在MQL5中实现午夜区间突破结合结构突破（BoS）价格行为策略自动化，并详细说明突破检测与交易执行的代码逻辑。我们为入场、止损和止盈设定了精确的风险参数。包含回测与优化方法，助力实战交易。
新文章 MQL5 简介（第 14 部分）：构建自定义指标的初学者指南（三） 已发布： 学习如何使用图表对象在 MQL5 中构建谐波形态指标。了解如何检测波动点、应用斐波那契回撤线以及自动识别形态。 在本文中，我们将采用一种新方法，使用 Meta Trader 5 图表对象创建指标。图表对象提供了额外的灵活性，它允许我们在图表上创建标签、形状和趋势线，而不需要指示缓冲区。这种技术非常适合开发需要独特图形组件、显示形态和识别重要价格水平的指标。
新文章 皇冠同花顺优化（RFO） 已发布： 最初的皇冠同花顺优化算法提供了一种解决优化问题的新方法，受到扑克牌原则启发，以基于扇区的方式取代了传统的遗传二进制编码算法。RFO 展现出简化的基本原理如何带来高效、且实用的优化方法。文章呈现了一份详细的算法分析和测试结果。 我的算法，皇冠同花顺优化（RFO），是一种新的优化问题解决方法，保留了遗传算法的主要优势，但采用了解的更直接表述方式。关键思路是将搜索空间的每个坐标划分为扇区，类似于一手扑克牌是由确定排位的单张卡牌组成。取代比特位字符串操作，算法管理排位映射（扇区编号），这令搜索空间的拓扑结构得以自然预留。
新文章 如何使用MQL5的控件类创建交互式仪表板/面板（第一部分）：设置面板 已发布： 在本文中，我们将使用MQL5的控件类创建一个交互式交易仪表板，旨在简化交易操作。该面板包含标题、用于交易、平仓和信息的导航按钮，以及用于执行交易和管理仓位的专用操作按钮。到文章结束时，你将拥有一个基础面板，为未来的扩展做好准备。 在这里，我们将展示为交易者设计的交互式GUI面板/仪表板的关键组成部分。该面板将由几个基本元素组成，每个元素都有特定的用途，以提高交易效率。我们将重点介绍三个主要的导航按钮：交易、平仓和信息，每个按钮都配有相应的操作按钮。
新文章 如何创建任意复杂度的图形面板 已发布： 本文详细介绍了如何在 CAppDialog 类的基础上创建面板，以及如何在面板上增加控件。它描述了面板的结构和框架，显示了对象的继承关系。从这篇文章中，您还可以学习到事件是怎样处理的以及它们是怎样在独立的控件之间传递的。另外还有实例演示了如何编辑面板参数，例如大小和背景颜色。 标准库的 面板与对话框 部分的对象是按照下面的顺序创建和使用的：首先创建"Border(边框)"对象，在其中会加上面板的背景，作为
Autotrader Momentum : 这个 EA 交易会比较收盘价 作者： Vladimir Karputov
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 MQL5 中的交易策略自动化（第十五部分）：可视化价格行为的谐波形态模式 已发布： 本文探讨了在 MQL5 中实现谐波形态的自动化，详细介绍了如何在 MetaTrader 5 图表上对其进行检测和可视化。我们将实现一个EA，用于识别摆动点，验证基于斐波那契比率的形态，并通过清晰的图形标注执行交易。文章最后还提供了关于回测和优化程序的指导，以助力有效的交易。 密码形态是一种由五个关键摆动点——X、A、B、C 和 D——定义的谐波交易形态，分为两种形式：看涨形态和看跌形态。在看涨密码形态中，结构形成"低-高-低-高-低"的序列，其中点 X 是摆动低点，点 A 是摆动高点，点 B
新文章 交易中的神经网络：层次化双塔变换器（终篇） 已发布： 我们继续构建 Hidformer 层次化双塔变换器模型，专为分析和预测复杂多变量时间序列而设计。在本文中，我们会把早前就开始的工作推向逻辑结局 — 我们将在真实历史数据上测试模型。 我们按 Hidformer 作者提出的方法解读，实现其方式已完成大部工作。现在我们到达关键阶段：基于真实历史数据评估我们的方案有效性。在我们的实现中，我们大量借鉴了 MacroHFT 框架。因此，新模型与其比较是合乎逻辑的。故此，我们采用之前为训练 MacroHFT 实现而编译的训练数据集来训练新模型。 该训练数据集是从 EURUSD 货币对，2024
新文章 用于MetaTrader 5的WebSocket：借助Windows API实现异步客户端连接 已发布： 本文详细介绍了开发一款自定义动态链接库的过程，该库旨在为MetaTrader程序提供异步WebSocket客户端连接功能。 在文章 《MetaTrader 5中的WebSocket：使用Windows API》 中，阐述了如何在MetaTrader 5应用程序中利用Windows API实现WebSocket客户端。但其中所展示的实现方式受限于其同步运行模式。 在本文中，我们将再次探讨如何使用Windows API为MetaTrader
新文章 开发多币种 EA 交易（第 24 部分）：添加新策略（一） 已发布： 在本文中，我们将研究如何将新策略连接到我们创建的自动优化系统。让我们看看我们需要创建哪些类型的 EA，以及是否可以在不更改 EA 库文件的情况下完成，或者尽量减少必要的更改。 首先，让我们选择一个简单的策略，并将其用代码实现，以便在我们的 Advisor 库中使用。让我们将它的代码放在项目的工作文件夹中。策略创建完成后，即可创建第一阶段的 EA 交易系统，该系统将用于优化此交易策略单个实例的参数。在这里，我们将遇到一些与需要分离库代码和项目代码相关的困难。 我们可以对前一部分中编写的第二和第三阶段使用几乎相同的
新文章 如何准备迁移至虚拟主机的交易账户 已发布： MetaTrader 客户端完美支持自动交易策略。它有交易机器人开发者所需的所有工具 ‒ 强劲的，基于 C++ 的 MQL4/MQL5 编程语言，便利的 MetaEditor 开发环境，以及支持在 MQL5 云网络中进行分布式计算的多线程策略测试器。在本文中, 您将发现如何将您的客户端连同所有定制元素一并移至虚拟环境。 如何让终端提供可靠的不间断运作？ 一个交易员可能需要在下述三种情况时，每天 24 小时保持终端运行: 交易员有自行努力开发的或 从其他程序员定购 的交易机器人, 交易员有 购自市场 的 EA, 交易员 订阅了一个信号 。
新文章 在 MQL5 中构建自定义市场状态检测系统（第二部分）：智能交易系统（EA） 已发布： 本文详细介绍如何利用第一篇开发的状态检测器，构建一个自适应的智能交易系统（MarketRegimeEA）。该系统能够根据趋势、震荡或高波动市场，自动切换交易策略与风险参数。文中涵盖了实用的参数优化、状态过渡处理以及多时间周期指标的应用。 在本系列文章的 第一部分 中，我们为应对瞬息万变的市场动态这一挑战奠定了必要的基础。我们建立了坚实的统计学根基，构建了能够客观分类市场行为的 CMarketRegimeDetector
新文章 在MQL5中构建自定义市场状态检测系统（第一部分）：指标 已发布： 本文详细介绍了如何使用自相关和波动性等统计方法，在MQL5中创建一个市场状态检测系统。文中提供了用于分类趋势、盘整和波动行情的类代码，以及一个自定义指标。 在深入探讨实现细节之前，理解市场状态是什么以及它们为何对交易者至关重要，这一点十分关键。市场并非随时间推移而表现一致，相反，它们会在不同的行为形态或“状态”之间转换。这些状态会显著影响价格的走势，进而影响交易策略的表现。 什么是市场状态？
新文章 基于MQL5中表模型的表类和表头类：应用MVC概念 已发布： 本文是致力于使用MVC（模型-视图-控制器）架构范式在MQL5中实现表模型系列文章的第二部分。本文基于先前创建的表模型来开发表类和表头。已经开发的类将构成进一步实现视图和控制器组件的基础，这些内容将在随后的文章中讨论。 在 第一篇文章 中，我们涵盖了表格控件的创建，并使用MVC架构模板在MQL5中创建了一个表模型。开发了单元格、行和表模型的类，这些类能够以方便和结构化的形式组织数据。
新文章 MQL5 简介（第 13 部分）：构建自定义指标的初学者指南（二） 已发布： 本文将指导您从头开始构建自定义 Heikin Ashi 指标，并演示如何将自定义指标集成到 EA 中。它涵盖了指标计算、交易执行逻辑和风险管理技术，以增强自动化交易策略。 欢迎回到我们的 MQL5 系列！本系列的 第 12 部分 探讨了在 MQL5 中构建自定义指标的基础知识。我们从无到有创建了一个移动平均线指标，手动实现其逻辑，而不是依赖内置函数。然后，我们扩展了这一知识，将其转换为蜡烛图格式的移动平均线，演示如何操作指标内的图形元素。
新文章 纯 MQL5 货币对强弱指标 已发布： 我们将在 MQL5 中开发货币强势分析的专业指标。这本分步指南将向你展示如何为 MetaTrader 5 开发一款功能强大的交易工具，该工具带有可视化仪表板。您将学习如何计算多个时间周期（H1、H4、D1）内货币对的强度，实现动态数据更新，并创建用户友好的界面。 想象一下，一个交易者每天都要面对外汇市场的混乱。28 对货币在屏幕上闪烁，每对货币都以自己的节奏波动，创造出市场运动的交响乐。但如何在这个金融乐团中把握主旋律呢？我们如何判断哪种货币目前处于市场领先地位，哪种货币正在步履蹒跚、失势？ 今天，我们将创造一些特别的东西 ——
新文章 交易中的神经网络：层次化双塔变换器（Hidformer） 已发布： 我们邀请您来领略层次化双塔变换器（Hidmer）框架，其专为时间序列预测和数据分析而开发。框架作者提出了若干变换器架构改进方案，其成果提高了预测准确性、并降低了计算资源消耗。 具备捕捉数据时态结构、并识别隐藏形态能力的神经网络模型，在金融预测中变得尤为重要。然而，传统神经网络方式面临诸多局限，即高计算复杂性、以及结果解释性不足。由此，近年来基于注意力机制的架构越来越受到研究人员的关注，在于它们能提供更准确的时间序列和财务数据分析。 基于 变换器 架构及其修订版模型获得了最广泛的欢迎。修订版之一，在论文
EA_CCIT3 : 本EA交易基于 CCIT3_Simple 和 CCIT3_noReCalc指标. 与指标零线的交叉将用于交易活动. 作者： Alexander Puzikov
新文章 重构经典策略（第十四部分）：高胜率交易形态 已发布： 高胜率交易形态在交易圈内广为人知，但遗憾的是，其定义始终缺乏明确标准。本文将通过实证研究与算法建模，为高胜率形态构建量化定义框架，并探索其识别与运用方法。借助梯度提升树模型，我们演示如何系统性优化任意交易策略的性能，同时以更精准、可解释的方式向计算机传达交易指令的核心逻辑。 交易圈普遍认同的原则——交易者应当主动寻求高胜率交易形态。然而，对于"何为高胜率形态"这一本质问题，业界始终缺乏标准化定义。我们如何通过实证方法量化特定交易形态的胜率？询问不同的人，会得到不同的识别与利用方式。
新文章 使用MQL5经济日历进行交易（第七部分）：基于资源型新闻事件分析的策略测试准备 已发布： 在本文中，我们通过将经济日历数据作为非实盘分析资源嵌入到MQL5交易系统中，为策略测试做好准备。我们实现了按时间、货币和影响程度加载和筛选事件的功能，并在策略测试器中验证其有效性。这使得基于新闻事件的策略能够进行高效的回测。
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