新文章 将 MQL5 与数据处理包集成 (第 2 部分):机器学习和预测分析 已发布： 在我们关于将 MQL5 与数据处理包集成的系列文章中，我们深入研究了机器学习和预测分析的强大组合。我们将探索如何将 MQL5 与流行的机器学习库无缝连接，以便为金融市场提供复杂的预测模型。 在本文中，我们特别关注机器学习 (ML) 和预测分析。数据处理包为量化交易员和金融分析师开辟了新的领域。通过在 MQL5 中嵌入机器学习功能，交易者可以将他们的交易策略从传统的基于规则的系统提升到复杂的、数据驱动的模型，从而不断适应不断变化的市场条件。 该过程涉及将 Python
新文章 因果网络分析（CNA）、随机模型最优控制（SMOC）和纳什博弈论结合深度学习的示例 已发布： 我们将向之前发布的文章中的三个例子里加入深度学习，并与之前的版本进行比较。目标是学习如何将深度学习（DL）应用于其他EA。 本研究探讨了将深度学习（DL）模型整合至三种先进EA的实践：因果网络分析（CNA）、随机优化与最优控制（SMOC）以及纳什博弈论策略。实施过程包括使用Python创建ONNX模型，并将其整合至现有MQL5脚本。 作者： Javier Santiago Gaston De Iriarte Cabrera
新文章 您应当知道的 MQL5 向导技术（第 31 部分）：选择损失函数 已发布： 损失函数是机器学习算法的关键量值，即量化给定参数集相比预期目标的性能来为训练过程提供反馈。我们在 MQL5 自定义向导类中探索该函数的各种格式。 MQL5 向导可当作广泛思路的试验温床，正如我们在本系列中到目前为止所涵盖的那样。每次相隔一段时间，就会展示一个自定义信号，其具有多种实现方式。我们在 2 篇关于学习率、以及最后一篇关于批量归一化的文章中视察过该场景。正如所论，机器学习中的每一个层面都呈现出不止一个潜在的自定义信号。 损失 ，同样由于拥有多种格式，也处于类似状况。
新文章 MQL5 编程基础: 终端中的全局变量 已发布： 终端中的全局变量为开发复杂而可靠的EA交易提供了一种方便的工具，如果您掌握了全局变量，您就会发现在使用MQL5开发EA交易的时候它们是必不可少的。 执行脚本并在终端中打开全局变量窗口，窗口中应该包含一个新的叫做"test"的变量，并且它的数值为 1.23 (图 4)。 图 4. 带有新的 "test" 变量的全局变量窗口片段 实例的代码可以在 sGVTestCreate 脚本中找到。 作者： Dmitry Fedoseev
新文章 从基础到中级：IF ELSE 已发布： 在本文中，我们将讨论如何使用 IF 操作符及其伴随者 ELSE。这个语句是所有编程语言中最为重要且最有意义的语句。然而，尽管它易于使用，但如果我们没有使用它的经验以及与之相关的概念，它有时会令人困惑。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。 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， 从基础到中级：按值或按引用传递
新文章 在Python和MQL5中应用局部特征选择 已发布： 本文探讨了Narges Armanfard等人在论文《数据分类的局部特征选择》中介绍的一种特征选择算法。该算法使用Python实现，用于构建二元分类器模型，这些模型可以与MetaTrader 5应用程序集成以进行推理。 在金融市场分析中，指标的有效性往往随着底层条件的变化而变化。例如，波动率的变动可能会使先前可靠的指标在市场环境变化时显示无效。这种变化性解释了交易者使用的指标种类繁多的原因，因为没有任何单一指标能够在所有市场条件下始终表现良好。从机器学习的角度来看，这需要一种灵活的特征选择技术来适应这种动态行为。
新文章 量化风险管理方法：应用 VaR 模型优化多货币投资组合（使用 Python 和 MetaTrader 5） 已发布： 本文探讨了价值风险（VaR）模型在多货币投资组合优化中的潜力。借助 Python 的强大功能和 MetaTrader 5 的功能，我们展示了如何实施 VaR 分析，以实现高效的资金分配和头寸管理。从理论基础到实际实施，文章涵盖了将 VaR——这一最稳健的风险计算系统之一——应用于算法交易的方方面面。 今天，我想分享我在 MetaTrader 5 交易系统中实施 VaR 的研究成果。 我的旅程始于深入研究 VaR 理论——这是后续所有工作的基础。 将枯燥的 VaR
ScalpWiz 9001 : 这个EA交易是基于 iBands (布林带, BB) 指标的，它设置止损挂单。 作者： Vladimir Karputov
新文章 射箭算法（Archery Algorithm, AA） 已发布： 本文详细探讨了受射箭启发的优化算法——射箭算法（Archery Algorithm, AA），重点介绍了如何使用轮盘赌法（roulette method）作为选择“箭矢”目标区域的机制。该方法允许评估解决方案的质量，并选择最有希望的位置进行进一步的探究。
新文章 从新手到专家：MQL5交易的必备之旅 已发布： 释放您的潜力！您会被无数机会包围。发现开启您的MQL5之旅或将其提升到更高水平的三大顶级秘诀。让我们深入探讨适合初学者和专业人士的技巧和窍门。 我将引导您创建一个符合你需求的可运行程序，并激励你开始行动。本文的目标是通过简化算法开发流程并结合新兴技术，让MQL5社区对于用户变得更加友好。 得益于易于获取的教育资源，算法交易环境相比几年前已经变得比较友好。以下是一些指导我关注焦点的问题，也希望它们能激励您： 初学者如何高效地学习和掌握MQL5的基础知识？ , MQL5学习者有哪些资源可以快速战胜特定的编码挑战？ 
新文章 开发回放系统（第 61 部分）：玩转服务（二） 已发布： 在本文中，我们将研究使回放/模拟系统更高效、更安全地运行的修改。我也不会对那些想要充分利用这些类的人置之不理。此外，我们将探讨 MQL5 中的一个特定问题，即在使用类时降低代码性能，并解释如何解决它。 在上一篇文章， 开发重播系统（第 60 部分）：玩转服务（一）
平缓通道 : 本EA交易在通道中进行交易，当找到平缓通道时或者当市场变缓时，EA交易会设置挂单等待通道的突破。 作者： Vladimir Karputov
新文章 Connexus入门（第一部分）：如何使用WebRequest函数？ 已发布： 本文是‘Connexus’库开发系列的开篇之作，旨在为MQL5环境下的HTTP请求提供便利支持。该项目的目的是为终端用户提供这个机会，并展示如何使用这个辅助库。我打算尽可能地简化，以便于学习，从而为进一步开发提供可能性。
新文章 在MQL5中创建交易管理员面板（第二部分）：增强响应性和快速消息传递 已发布： 在本文中，我们将增强之前创建过的管理面板的响应性。此外，我们还将探讨在交易信号背景下快速消息传递的重要性。 随着算法交易在金融市场中占据主导地位，交易系统用户（交易者）与人工管理员（交易系统背后的人）之间的高效沟通变得至关重要。以前，我们创建的管理面板消息界面对于实时任务（如快速发送消息和拖动面板本身）的响应性有限，这给需要迅速做出反应的管理员带来了重大挑战。 管理面板：针对旧版管理面板的改进
新文章 数据科学和机器学习（第 29 部分）：为 AI 训练目的而选择最佳外汇数据的基本技巧 已发布： 在本文中，我们将深入探讨选择最具相关性、及最高品质的外汇数据，从而强化 AI 模型性能的关键层面。 配以所有交易数据和信息，例如指标（MetaTrader 5 中有超过 36 个 内置指标 ）、 品种对 （有 100 多个品种），即能当作相关策略的数据，还有对交易者颇具价值的新闻，等等。我试图提出的一点是，交易者在手工交易、或尝试构建人工智能模型时有充裕的信息可供使用，从而帮助我们在交易机器人中制定明智的交易决策。 在我们手头的所有信息当中，肯定有一些坏信息（ 这只是常识
新文章 神经网络实践：绘制神经元 已发布： 在本文中，我们将构建一个基本神经元。虽然它看起来很简单，许多人可能会认为这段代码完全微不足道，毫无意义，但我希望你在学习这个简单的神经元草图时能玩得开心。不要害怕修改代码，完全理解它才是目标。 在上一篇文章 神经网络实践：伪逆（二） 中，我讨论了专用计算系统的重要性及其发展背后的原因。在这篇关于神经网络的新文章中，我们将更深入地探讨这个主题。为这个阶段创建材料并不是一项简单的任务。尽管看起来很简单，但解释一些经常引起严重混淆的事情可能相当具有挑战性。
EMA均线趋势系统-MT4版2025 : 这段代码是一个多周期 EMA 指标，同时带有均线汇聚信号提示。它计算了多个不同周期的 EMA，然后检查这些 EMA 是否汇聚，并根据汇聚情况生成交易信号。 作者： hcy3511
新文章 如何利用 MQL5 创建简单的多币种智能交易系统（第 6 部分）：两条 RSI 指标相互交叉 已发布： 本文中的多货币智能系统是一款智能交易系统或交易机器人，它利用两条 RSI 指标线的交叉，即与慢速 RSI 与快速 RSI 两线相交。 多货币智能系统是一款智能交易系统或交易机器人，可以自一个品种图表中交易（开单、平单和管理订单，例如：尾随止损和尾随止盈）超过多于一个品种对，在本文中，智能系统能交易 30 对。 在本文中，我们将使用两个 RSI 指标伴以交叉信号，快速 RSI 与慢速 RSI 交叉。 正如在 之前的文章 中所证明的那样，我们都知道，借助 MQL5
新文章 随机优化和最优控制示例 已发布： 这款名为SMOC（可能代表随机模型最优控制）的EA，是MetaTrader 5平台上一个较为先进的算法交易系统的简单示例。它结合了技术指标、模型预测控制以及动态风险管理来做出交易决策。该EA融入了自适应参数、基于波动率的仓位规模调整以及趋势分析，以优化其在不同市场条件下的表现。 随机建模用于描述具有随机元素的系统，例如股票市场价格波动或餐厅的排队情况。它基于随机变量、概率分布以及随机过程。蒙特卡洛（Monte Carlo）方法和马尔可夫链（Markov chains）等方法可以对这些过程进行建模并预测其行为。
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