新文章 开发先进的 ICT 交易系统：在指标中实现订单区块 已发布： 在本文中，我们将学习如何创建一个指标来检测、绘制订单区块并提醒订单块的缓解。我们还将详细研究如何在图表上识别这些区块，设置准确的提醒，并使用矩形可视化它们的位置，以更好地了解价格行为。该指标将成为遵循聪明钱概念和内圈交易者（ICT，Inner Circle Trader）方法的交易者的关键工具。 订单区块 是图表上可能等待成交的挂单的区域。
新文章 将 Discord 与 MetaTrader 5 集成：构建具有实时通知功能的交易机器人 已发布： 本文将介绍如何将 MetaTrader 5 与 Discord 服务器集成，以便能从任何地方实时接收交易通知。我们将了解如何配置平台和 Discord，以启用向 Discord 发送警报的功能。我们还将讨论在使用 WebRequests 和 webhook 实现此类警报解决方案时可能引发的安全问题。 在当今快节奏的交易市场中，远程监控和控制交易活动的能力变得愈发重要。实现这种远程监控功能的一种可能方案，就是将 Discord 通知与 MetaTrader 5 进行集成。通过在您的
新文章 精通 MQL5 文件操作：从基础 I/O 到构建自定义 CSV 读取器 已发布： 本文聚焦于 MQL5 文件处理的核心技术，涵盖交易日志、CSV 处理以及外部数据集成。它既提供概念性理解，也包含实用的编程指导。读者将逐步学习如何构建一个自定义的 CSV 导入器类，从而掌握适用于实际应用的实用技能。 在当今的自动化交易世界中，数据就是一切。也许你需要为策略加载自定义参数，读取一个关注的品种列表，或者集成来自外部源的历史数据。如果你正在使用 MetaTrader 5，那么你会很高兴地知道，MQL5 让你能够直接从代码中处理文件，过程相当简单。
新文章 市场轮廓指标 (第二部分)：基于画布的优化与渲染 已发布： 本文探讨了一种优化后的市场轮廓指标，该版本用基于 CCanvas 类对象（即画布）的渲染，取代了原先使用多个图形对象进行渲染的方式。 在 上一篇文章
新文章 您应当知道的 MQL5 向导技术（第 50 部分）：动量振荡器 已发布： 动量振荡器是另一个用于衡量动量的比尔·威廉姆斯（Bill Williams）指标。它能生成多个信号，因此我们像之前的文章一样，利用 MQL5 向导类和汇编，在形态基础上审查这些信号。 AO
新文章 图形界面III：简单与多功能按钮组(第二章) 已发布： 本系列的第一章是关于简单和多功能按钮的，第二篇文章将致力于相互关联的按钮组，这样在应用程序中就可以创建元件，让用户从一个集合(组)中选择一个选项。 使用 CRadioButtons 类创建 RadioButtons.mqh 文件，其中必须含有标准的虚方法以及用于保存和取得表单指针的类成员。您可以看到上面其他控件类中的例子。在库中( WndContainer.mqh )包含 RadioButtons.mqh 文件， 每个单选项将由三个基本对象构成: 背景, 图标, 文字标签。 图 3. 单选按钮的组成部分。 作者： Anatoli
新文章 为EA交易提供指标的现成模板（第2部分）：交易量和比尔威廉姆斯指标 已发布： 在本文中，我们将研究交易量和比尔威廉姆斯指标类别的标准指标。我们将创建现成的模板，用于EA中的指标使用——声明和设置参数、指标初始化和析构，以及从EA中的指示符缓冲区接收数据和信号。 本文继续讨论在EA中使用指标的现成模板的主题。在这里，我们将研究与EA的关联以及使用交易量和比尔威廉姆斯的指标。我们将在 本系列的第一篇文章中 创建的仪表板上显示从指标接收的数据。面板也得到了改进。在文章的最后，我们将简要介绍它的变化和改进。 对于所探讨的每个指标，本文将提供现成的模板，供自定义程序使用： 输入变量和全局变量，
新文章 MQL5 酷客宝典: 读取持有锁仓仓位的属性 已发布： MetaTrader 5 是一个多资产平台，此外，它还支持不同的仓位管理系统。这种功能为实现和创建交易思路提供了更加广泛的选择，在本文中，我们将讨论在锁仓模式下处理和计算仓位属性的方法。这篇文章包含了一个派生类，以及展示如何取得和处理锁仓仓位属性的实例 。 在 MetaTrader 5 终端中最近加入的功能可以双向开启订单，这种订单账户系统被称为锁仓。对这种订单系统的支持可以简单地把来自 MetaTrader 4 的交易算法迁移到版本5的平台上，并且享受到 MetaTrader 5 功能上的优势。取得 MetaTrader 5
Script to extract Candlesticks data from all time frames to CSV. : 该 MQL5 脚本可将不同时间段的蜡烛图数据导出到 CSV 文件中，捕捉开盘价、最高价、最低价和收盘价等基本市场信息。它分析每个烛台的特征，包括主体和灯芯大小，同时计算其他指标，如蜡烛缺口。在处理完最近 21 个条形图后，它会在数据导出成功后通知用户。 Author: Mthandeni Mnyandu
新文章 用于在EA交易中包含指标的现成模板（第一部分）：振荡指标 已发布： 本文从振荡指标类开始研究标准指标，我们将创建现成的模板，用于EA中——声明和设置参数、指标初始化和去初始化，以及从EA中的指标缓冲区接收数据和信号。 将指标包括到EA中并在EA中使用指标缓冲区中的数据是一项相当简单的任务，尽管这需要不断浏览参考资料。我们需要记住传递给指标创建函数的所有参数，将其中一些参数形式化为EA输入，引入有效性检查等。为了获得数据，我们需要编写函数，从所需的柱形中返回必要的数据。所有这些都涉及到花费时间访问帮助、将所需变量输入EA、编写用于接收和监控数据以确定信号的函数等。
双线MACD: 本指标MACD(2lines)是基于国内的股票软件通达信的MCAD改编。大家已经习惯了国内软件上的两条线的MCAD，而MT4自带的MACD只有一条线。 作者： Ziheng Zhuang
新文章 学习如何基于动量设计交易系统 已发布： 在我上一篇文章中，我曾提到了判断价格走势的重要性。 在本文中，我将分享最重要的概念和指标之一，即动量指标。 我还将分享如何基于这个动量指标设计一款交易系统。 在这一部分中，我们将学习基于动量指标的简单策略。 有很多基于动量的有用的策略和方法，但为了教学起见，我们将选取一个较简单的策略，因为我们的目的是学习如何运用动量，并在学习了主题核心后，为可能出现的新思路打开大门。 终极目的还是学习利用 MQL5 将这些思路设计为交易系统。 我们的策略将在动量曲线和 100 价位之间寻找交叉点。 当动量线向上突破 100 价位时，这应视为买入信号。
抛物线指标上的ZigZag指标 : 本ZigZag指标基于抛物线SAR技术指标之上。 作者： Nikolay Kositsin
新文章 构建K线趋势约束模型（第九部分）：多策略EA（2） 已发布： 理论上，可以集成至EA中的策略数量没有上限。然而，每新增一种策略都会提升算法复杂度。通过融合多策略架构，EA能够更灵活地适应不同市场环境，从而可能提升整体盈利能力。今天，我们将探讨如何通过MQL5实现理查德·唐奇安（Richard Donchian）的经典通道突破策略，以此进一步拓展我们的趋势约束型EA功能体系。 右键单击EA列表，选择“测试”以打开测试窗口。此处，您可以选择并设置EA进行测试。查看下方的性能表现。 突破型EA在策略测试器中的表现
新文章 构建K线趋势约束模型（第九部分）：多策略智能交易系统（EA)（三） 已发布： 欢迎来到本趋势系列文章的第三部分！今天，我们将深入探讨如何利用背离（Divergence）策略，在既有的日线趋势中识别最优入场点。同时，我们将引入一种定制化的利润锁定机制——其功能类似于追踪止损（Trailing Stop-Loss），但经过独特的优化升级。此外，我们还将把趋势约束智能交易系统升级为更高级版本，新增一项交易执行条件以完善现有策略框架。随着内容推进，我们将持续探索MQL5在算法开发中的实际应用，为您提供更深入的见解与可落地的技术方案。
新文章 开发多币种 EA 交易（第 19 部分）：创建用 Python 实现的阶段 已发布： 到目前为止，我们已经探讨了仅在标准策略测试器中启动顺序程序以优化 EA 的自动化。但是，如果我们想在两次启动之间使用其他方法对获得的数据进行一些处理呢？我们将尝试添加创建由用 Python 编写的程序执行的新优化阶段的功能。 为了执行聚类，我们使用了现成的 Python 库 scikit-learn ，或者更准确地说，使用了 K-Means
新文章 您应当知道的 MQL5 向导技术（第 49 部分）：搭配近端政策优化的强化学习 已发布： 近端政策优化是强化学习中的另一种算法，通常以网络形式以非常小的增量步幅更新政策，以便确保模型的稳定性。我们以向导汇编的智能系统来试验其作用，如同我们之前的文章一样。 我们继续我们的 MQL5 向导系列，最近我们在常见指标和强化学习算法的简单形态之间交替。在 上一篇文章 中考察了指标形态（比尔·威廉姆斯的短吻鳄）之后，我们现在回到强化学习，这次我们要研究的算法是 近端政策优化 （PPO）。据报道，该算法于 7 年前首次发布，是 ChatGPT
新文章 学习如何设计不同的移动平均线系统 已发布： 有众多策略可依据任何规则过滤生成的信号，甚至可采用本文自身所讨论的移动平均值。 因此，本文的目的是与大家分享一些移动平均线策略，以及如何设计一款算法交易系统。 在本文中，我们将选择简单移动平均线。 然而，您可以在代码中采用任何所需的移动平均类型。 根据该策略，价格和 SMA 将在每次即时报价时进行检查： 价格 > SMA: 信号是买入，我们需要在图表上出现这个信号作为注解。, 价格 < SMA: 信号是卖出，我们需要在图表上出现这个信号作为注解。, 如果还有别的什么，则不要做任何事。
Swap Monitor : 该服务定期检查预定义符号的掉期，并将检测到的变化保存到 CSV 文件中，以便进一步分析和潜在重放（此处未实施）。此外，它还监控现有头寸的掉期变化并发出警报。 作者： Stanislav Korotky
新文章 在 MQL5 中提升数值预测的集成方法 已发布： 在本文中，我们展示了在 MQL5 中实现多种集成学习方法，并检验了它们在不同场景下的有效性。 机器学习通常会产生多个质量各异的预测模型。从业者通常会评估这些模型，并选择表现最佳的那个用于实际应用。然而，本文探讨了一种替代方法：通过组合那些看似次优模型的输出来重新利用它们，以期提升潜在的整体预测性能。我们将研究多种组合预测的技术，并展示它们在纯 MQL5 中的实现。最后，我们将对这些方法进行比较，并讨论它们在不同场景下的适用性。 为了将组合模型预测的概念形式化，我们首先引入一些关键符号。考虑一个包含 K
新文章 数据科学和机器学习（第 32 部分）：保持您的 AI 模型更新，在线学习 已发布： 在瞬息万变的交易世界中，适应市场变化不仅是一种选择 — 而且是一种必要。每天都有新的形态和趋势出现，即使是最先进的机器学习模型，也难以面对不断变化的条件保持有效。在本文中，我们将探讨如何通过自动重训练，令您的模型保持相关性、及对新市场数据的响应能力。 在线机器学习是一种机器学习方法，其中模型从实时点数据流中增量学习。这是一个动态过程，会随时间推移调整其预测算法，允许模型随新数据的到来而变化。这种方法在数据丰富、且快速扩展的环境中非常重要，譬如在交易数据中，在于它能提供及时准确的预测。
新文章 基于通用 MLP 逼近器的EA 已发布： 本文介绍了一种在交易 EA 中使用神经网络的简单且易于实现的方法，该方法不需要深厚的机器学习知识。该方法免除了对目标函数进行归一化的步骤，同时克服了“权重爆炸”和“网络停滞”等问题，并提供了直观的训练过程和结果的可视化控制。 我提出的方法属于第二种类型——无监督学习。在这种方法中，我们不试图“教会”神经网络如何正确交易，也不告诉它在哪里开仓或平仓，因为我们自己也不知道这些问题的答案。相反，让网络自己做出交易决策，而我们的工作是评估其整体的交易结果。
新文章 价格行为分析工具箱开发（第三部分）：分析大师 —EA 已发布： 从一个简单的交易脚本升级到一个功能完备的智能交易系统（EA），可以极大地提升您的交易体验。想象一下，拥有一个能够自动监控您的图表、在后台执行关键计算，并每隔两小时提供定期更新的系统。这款EA将配备分析关键指标的功能，而这些指标对于做出明智的交易决策至关重要，从而确保您能获取最新信息，以有效地调整您的交易策略。
新文章 开发回放系统（第 71 部分）：取得正确的时间（四） 已发布： 在本文中，我们将研究如何实现上一篇文章中所示的与回放/模拟服务相关的内容。就像生活中的许多其他事情一样，问题必然会出现。这次的情况也不例外。在这篇文章中，我们将继续改进。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“ 开发回放系统（第 70 部分）：取得正确的时间（三）
新文章 使用凯利准则与蒙特卡洛模拟的投资组合风险模型 已发布： 几十年来，交易员们一直使用凯利准则公式来确定投资或赌注的最优资本配置比例，其目标是在最大化长期增长的同时，最小化破产风险。然而，对于个人交易者而言，盲目地依据单次回测的结果来遵循凯利准则往往是危险的，因为在实盘交易中，交易优势会随着时间的推移而减弱，并且过往业绩并不能保证未来的结果。在本文中，我将提出一种在 MetaTrader 5 平台中，为一个或多个智能交易系统进行风险分配的现实方法，该方法将融合来自 Python 的蒙特卡洛模拟结果。 最后，我们模拟 1000 个随机序列，并绘制出最大回撤最大的前 10
新文章 基于MQL5的自动化交易策略（第一部分）：Profitunity系统（比尔·威廉姆斯的《交易混沌》） 已发布： 在本文中，我们研究了比尔·威廉姆斯（Bill Williams）的Profitunity系统，深入剖析其核心组成部分以及在混沌市场中独特的交易方法。我们指导读者在MQL5中实现该系统，专注于自动化关键指标和入场/出场信号。最后，我们对策略进行测试和优化，提供其在不同市场环境下的表现。 Profitunity系统由Bill
新文章 开发回放系统 — 市场模拟（第 13 部分）：模拟器的诞生（III） 已发布： 为了下一阶段的工作，我们将于此简化一些与操作相关的元素。 我还会解释如何让您把模拟器随机生成的内容可视化。 精度并不完美，但我们能够调整该值，从而获得更精准的时间。 利用操作系统的内部计数器不能达成精确定时，因为该计数器无法以良好的精度处理低于 16 毫秒的时间。 不过，请注意，这项工作还处于研究阶段，尚未完成。 也许要花费一些时间才能找到改善这种状况的途径，但就目前而言，我认为这已经足够了。 作者： Daniel Jose
新文章 外汇投资组合优化：风险价值理论与马科维茨理论的融合 已发布： 外汇市场中的投资组合交易是如何运作的？我们如何将用于优化投资组合权重的马科维茨投资组合理论与用于优化投资组合风险的VaR模型结合起来？我们基于投资组合理论创建一个EA，一方面，我们将获得低风险；另一方面，获得可接受的长期盈利能力。 过去三年，我一直在为外汇市场开发交易机器人。你知道吗？风险管理真是个令人头疼的问题。起初，我只是设置固定的止损，直到我爆了几个仓。然后我开始深入研究，并接触到了马科维茨的投资组合优化理论。
新文章 基于三维反转形态的算法交易 已发布： 在三维K线上探索自动化交易的新世界。基于多维价格K线的交易机器人是什么样的？三维K线中的“黄色”簇群能否预测趋势反转？多维交易是什么样的？ 统计数据令人惊叹： 97%的“黄色”簇群出现在枢轴点（关键转折点）前后3根K线范围内 所有趋势反转中，有40%伴有“黄色”簇群出现 反转后的平均波动幅度：63点 方向判断准确率：82% 但最令人惊叹的是“黄色”簇群在三维可视化中的呈现方式。在图表上，它们会实实在在地“发光”，在趋势反转前形成特征性结构。在趋势开始和持续过程中，这类结构几乎不会出现，但在反转前却会以惊人的规律性显现。
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