文章,程序库评论 - 页 14

新文章 DoEasy. 控件 (第 21 部分): SplitContainer 控件 面板隔板 已发布: 在本文中,我将为 SplitContainer 控件创建辅助面板隔板对象类。 编译 EA,并在图表上启动它: 除了重绘延迟外,一切正常。 不幸的是,我无法在我的低功耗旧笔记本电脑上找到这些冻结的原因。 大概,笔记本电脑的进程过多,以至于无法流畅地显示面板坐标和尺寸的变化,或者代码需要进一步优化。 我注意到这种冻结是偶尔的。 但无论如何,函数库代码在开发完成后都会予以优化。 此外,显示/隐藏隔板对象并不总是可靠地工作。 我也将在开发控件时解决此问题。 作者: Artyom Trishkin
新文章 数据科学与机器学习(第 07 部分):多项式回归 已发布: 与线性回归不同,多项式回归是一种很灵活的模型,旨在更好地执行线性回归模型无法处理的任务,我们来找出如何在 MQL5 中制作多项式模型,并据其做出积极东西。 我们还没有贯穿回归模型,我们再回退一会儿。 正如我在本系列的第一篇文章中所说,基本线性回归是许多机器学习模型的基础,今天我们将讨论的一些东西,与称为多项式回归的线性回归略有不同。
新文章 利用智能系统进行风险和资本管理 已发布: 本文是有关您在回测报告中看不到的内容,使用自动交易软件时您应该期望什么;如果您正在使用智能系统,该如何管理您的资金;以及如果您正在使用自动化过程,如何弥补重大亏损从而坚持交易活动。 不稳定算法 是我发现的最常见的交易过程。 它们在长时间内能一直表现良好,而一旦市场发生变化,算法就会产生非常巨大或全部的亏损。 这些是最危险的算法,必须不惜一切代价避免,即使它们承诺亮丽的盈利能力。 采用无限交易数量的算法,过程当中采用数十或无休止的对冲步骤,或智能系统运用错误的风险管理过程,通常都是不稳定算法,但不仅如此。
新文章 您应该知道的 MQL5 向导技术(第 03 部分):香农(Shannon)熵 已发布: 今天的交易者都是哲学家,几乎总是在寻找新的想法,尝试提炼它们,选择修改或丢弃它们:一个探索性的过程,肯定会花费相当的勤奋程度。 本系列文章将提出,MQL5 向导应该是交易者的支柱。 克劳德·香农(Claude Shannon)在 1948 年发表了他的论文 通信的数学理论 ,该论文具有信息熵的新理年。 熵是物理学中的一个概念。 它是物体内粒子活跃程度的量度。 如果我们考虑水的 3 种状态,例如冰固态、水液态和蒸汽态,我们可以看到,粒子动能在蒸汽态中最高,在冰固态中最小。
新文章 学习如何基于加速(Accelerator)振荡器设计交易系统 已发布: 我们系列中的一篇新文章,介绍如何通过最流行的技术指标创建简单的交易系统。 我们将学习一个新的加速(Accelerator)振荡器指标,我们将学习如何利用它来设计交易系统。 策略一: AC 零轴交叉 根据此策略,我们需要创建一个交易系统,可自动生成看涨或看跌信号,基于持续检查当期 AC 值相对于 AC 指标零轴的位置,判定它们并返回相应的信号,作为图表上的注释。 如果当期 AC 值大于零轴,我们要求交易系统在图表上返回含有以下值的注释: 看涨 AC 值 在另一种情况下,如果 AC
新文章 DoEasy. 控件 (第 20 部分): SplitContainer WinForms 对象 已发布: 在本文中,我将启动开发模拟 MS Visual Studio工具包的 SplitContainer 控件。 此控件由两个垂直或水平可移动隔板分开的面板组成。 编译 EA,并在图表上启动它: 到目前为止,在此没有什么特别的需要我们检查 — 控件是静态的,拥有垂直排列的面板和隔板。 到目前为止,它对鼠标交互还没有任何反应。 所有这些内容都将在后续文章中实现。 我刚刚确保对象均已正确构建。 作者: Artyom Trishkin
操盘手交易 v 7.51 MACD: 操盘手交易 v 7.51 MACD 是基于多手数剥头皮算法的 EA。该 EA 已经在实盘账户里反复测试过。 作者: Александр
新文章 DoEasy. 控件 (第 19 部分): 在 TabControl 中滚动选项卡、WinForms 对象事件 已发布: 在本文中,我将创建的功能是利用滚动按钮在 TabControl 中滚动选项卡标题。 该功能旨在将选项卡标题从控件的任一侧拖放到单行之中。 编译 EA,并在图表上启动它: 正如我们所见,一切都按预期运作。 但是有两个缺点:如果将鼠标悬停在隐藏的选项卡标题区域上,则标题会更改颜色来做出反应,就好像它在此区域中可见一样。 这就是为什么在调整可见区域大小时,控件的活动区域不会更改其大小的原因。 若要解决此问题,我需要根据可见区域计算活动区域,并调整其大小。
20/200 expert v 4.2 AntS: 最值得信赖的智能交易。 EUR/USD 1H Author: Антон
KDJ 智能交易系统: 一款基于 "KDJ 指标" 的智能交易系统 作者: Vladimir Karputov
新文章 山型或冰山型图表 已发布: 您如何看待往 MetaTrader 5 平台里添加新图表类型的想法? 有人说它缺少其它平台里提供的一些东西。 但事实是,MetaTrader 5 是一个非常实用的平台,因为它允许您做到在许多其它平台上无法完成(或至少不能轻松完成)的事情。 然而,用户在删除指标后可能会有点惊讶,因为图表需要一些时间才能再次完全呈现。 结果就是,金融产品图表看起来与指标推出之前相同。 作者: Daniel Jose
Color OsMA : 彩色OsMA指标,在系统单色的OsMA基础上增加了色彩显示,默认情况下OsMA递增显示绿色,OsMA递减显示红色。 作者: Zhang Geng Wang
新文章 学习如何基于奥森姆(Awesome)振荡器设计交易系统 已发布: 在我们系列的这篇新文章中,我们将学习一种也许对我们的交易有用的新技术工具。 它是奥森姆(Awesome)振荡器((AO)指标。 我们将学习如何基于该指标设计交易系统。 策略一: AO 零轴交叉 根据这个策略,我们需要创建一个交易系统,该系统能够连续比较两个值,并有基于此生成看涨或看跌信号,它们是当期 AO 值和 AO 指标的零轴,以便判定每个值的位置,并决定市场的状态。 如果 AO 值大于零轴,我们要求交易系统在图表上生成含有以下值的注释: 看涨 AO 值 在另一种场景下,如果当期 AO
新文章 神经网络变得轻松(第二十九部分):优势扮演者-评价者算法 已发布: 在本系列的前几篇文章中,我们见识到两种增强的学习算法。 它们中的每一个都有自己的优点和缺点。 正如在这种情况下经常发生的那样,接下来的思路是将这两种方法合并到一个算法,使用两者间的最佳者。 这将弥补它们每种的短处。 本文将讨论其中一种方法。 针对前几篇文章中的模型进行附加训练的好处是,我们可用上一篇文章中的测试 EA 来检查它们的训练结果。 这就是我如何做的。 训练模型之后,我采用了额外训练的策略模型,并利用上述模型在策略测试器中启动了 “REINFORCE-test.mq5” EA。 它的算法在 上一篇文章
MQL5 向导 - 基于 早晨之星 / 黄昏之星形态的交易信号 + CCI: 基于 早晨之星 / 黄昏之星形态的交易信号,由 Commodity Channel Index (CCI - 商品通道指数) 指标确认。基于此交易策略的交易程序代码可使用 MQL5 向导自动生成。 作者: MetaQuotes Software Corp.
BBSqueeze: 非标准化对称振荡器基于线性回归算法和简单的趋势力量指标。 作者: Nikolay Kositsin
新文章 DoEasy. 控件 (第 18 部分): TabControl 中滚动选项卡的功能 已发布: 在本文中,我将在 TabControl WinForms 对象中放置滚动标题控件的按钮,以防标题栏不适配控件的尺寸。 此外,我还将实现单击裁剪过的选项卡标题时,标题栏的平移。 作者: Artyom Trishkin
MQL5 向导 - 基于 锤头 / 上吊线形态的交易信号 + MFI: 基于 锤头 / 上吊线形态的交易信号,由 MFI (市场促进指数)指标确认.基于此交易策略的交易程序代码可使用 MQL5 向导自动生成。 作者: MetaQuotes Software Corp.
新文章 学习如何基于相对活力(Vigor)指数设计交易系统 已发布: 我们系列中的新篇章,介绍如何基于最流行的技术指标设计交易系统。 在本文中,我们将学习如何基于相对活力(Vigor)指数指标来做到这一点。 根据此策略,我们需要创建一个交易系统,持续检查以下数值,并在上行趋势期间提供买入和平仓信号: 当期 RVI 值 当期 RVI 信号值、 RVI 指标的零轴 如果当期 RVI 值大于零轴,当期 RVI 信号值大于零轴,当期 RVI 值大于当期 RVI 信号值,我们要求交易系统返回以下值作为图表上的注释: 买入信号 相对活力指数值 RVI 信号值 在另一种场景下,如果当期 RVI
对两种不同货币K线的比较,用简单的加减乘除来计算(获得金油比,交叉盘价格,期差数据等) -MT5指标: 该指标可以获取两个不同货币对各个时期的K线价格,然后通过简单的加减乘除显示在副图上,用来分析当前平台上没有的自定义商品走势。 作者: Wujun Chen
新文章 从头开始开发智能交易系统(第 31 部分):面向未来((IV) 已发布: 我们继续从 EA 中删除单独的部件。 这是本系列中的最后一篇文章。 并且最后要移除的是声音系统。 如果您之前没有关注过这些文章系列,可能会有点困惑。 完成所有这些工作后,您将在平台中拥有信息流,如下图所示: 如您所见,无论谁提供信号,我们都将始终拥有相同的目的地。 作者: Daniel Jose
新文章 从头开始开发智能交易系统(第 30 部分):CHART TRADE 当作指标? 已发布: 今天我们将再次用到 Chart Trade,但这回它作为一个图表上的指标,或许也可能不在图表上出现。 现在,我们可以编译指标,之后我们得到以下视频中显示的结果: 尽管 EA 尚未完全发挥作用,但我们需要做出以下决定:Chart Trade 既拥有与 EA 相同的功能,或可将它们减少,提供介于 MetaTrader 5 以前和当前之间所提供的功能。 鉴于我的立场非常激进,我将保留 Chart Trade 的功能,与其在 EA 中几乎相同。 如果您愿意,您可以减少它们。
新文章 从头开始开发智能交易系统(第 29 部分):谈话平台 已发布: 在本文中,我们将学习如何让 MetaTrader 5 平台谈话。 我们如何才能让 EA 更有趣呢? 金融市场交易往往过于无聊和单调,但我们能够令这项工作少些无趣。 请注意,对于那些经历过上瘾等问题的人来说,这个项目可能是危险的。 然而,在一般情况下,它只会让事情聊胜于无。 运行此脚本时,您将在工具栏中获得指示我们将使用的位置的信息。 下图显示了执行结果的示例: 您应该执行以下操作: 打开附件 打开文件资源管理器 进入上图所示的文件夹 将 SOUND 文件夹的内容从附件复制到上面指示的文件夹
新文章 DoEasy. 控件 (第 17 部分): 裁剪对象不可见部分、辅助箭头按钮 WinForms 对象 已发布: 在本文中,我将创建一种功能,可隐藏超出其容器之外的对象部分。 此外,我亦将创建辅助箭头按钮对象,作为其它 WinForms 对象的一部分。 编译 EA,并在图表上启动它: 超出可视区域的裁剪区域可以正常工作,超出容器的标题会沿着其边缘被裁剪,如果我们设置 TabControl 的坐标,令元素超出左侧的容器,那么这里的所有内容也会被正确裁剪 — 元素本身沿着面板的边缘被裁剪, 控件上的按钮也按面板可视区域的边缘被裁剪,而不是按其容器。 这里一切正常。
新文章 学习如何基于 DeMarker 设计交易系统 已发布: 此为我们系列中的一篇新文章,介绍如何基于最流行的技术指标设计交易系统。 在本文中,我们将介绍如何基于 DeMarker 指标创建交易系统。 根据此策略,我们需要创建一个交易系统,该系统可创建或定义两个数值,然后自动检查它们。 这些值是当期 DeMarker 值和最后五个 DeMarker 平均值。 如果当期值大于平均值,我们要求交易系统返回以下值作为图表上的注释: DeMarker 强劲 当期 DeMarker 值 5 -周期 DeMarker 均值 在另一种场景下,如果当期值低于平均值,我们需要交易系统根据此条件返回以下值:
新文章 神经网络变得轻松(第二十八部分):政策梯度算法 已发布: 我们继续研究强化学习方法。 在上一篇文章中,我们领略了深度 Q-学习方法。 按这种方法,已训练模型依据在特定情况下采取的行动来预测即将到来的奖励。 然后,根据政策和预期奖励执行动作。 但并不总是能够近似 Q-函数。 有时它的近似不会产生预期的结果。 在这种情况下,近似方法不应用于功用函数,而是应用于动作的直接政策(策略)。 其中一种方法是政策梯度。 第一个已测试模型是 DQN。 它展现出意想不到的惊喜。 该模型产生了盈利。 但它仅执行了一个交易操作,持仓会贯穿整个测试过程。 已执行成交的品种图表如下所示。
  EA: Lucky  (5)
Lucky: 修改手数大小, 增加过滤, 您就能得到成功的一年. 只在2点点差下工作. 作者: Sergey Artukh
新文章 学习如何基于 VIDYA 设计交易系统 已发布: 欢迎阅读我们的关于学习如何依据最流行的技术指标设计交易系统系列的新篇章,在本文中,我们将学习一种新的技术工具,并学习如何依据可变指数动态平均线(VIDYA)设计交易系统。 策略一:VIDYA 趋势识别器 根据此策略,我们需要创建一个可生成趋势类型信号的交易系统。 我们需要交易系统检查两个值,即当期收盘价和当期 VIDYA 值,来判定趋势类型。 如果当期收盘价大于 VIDYA 值,则表明趋势上升。 故此,我们需要交易系统在图表上返回含有以下值的注释: 上行趋势 当期收盘价 当期 VIDYA 值 另一种场景是,如果当期收盘价低于当期
新文章 神经网络变得轻松(第二十七部分):深度 Q-学习(DQN) 已发布: 我们继续研究强化学习。 在本文中,我们将与深度 Q-学习方法打交道。 DeepMind 团队曾运用这种方法创建了一个模型,在玩 Atari 电脑游戏时其表现优于人类。 我认为评估该技术来解决交易问题的可能性将会很有益处。 您可能已经猜到了深度 Q-学习涉及运用神经网络来近似 Q 函数。 这种方式有什么优势? 请记住上一篇文章中交叉熵表格方法的实现。 我强调,表格方法的实现假定可能的状态和动作数量是有限的。 故此,我们通过初始数据聚类来限制可能的状态数量。 但它有那么好吗? 聚类总能产生更好的结果吗?
新文章 Linux 上的 MetaTrader 5 已发布: 在本文中,我们演示了一种在流行的Linux版本(Ubuntu和Debian)上安装MetaTrader 5的简单方法。这些系统广泛用于服务器硬件以及交易者的个人计算机上。 作者: MetaQuotes Software Corp