新文章 从新手到专家：对K线进行编程 已发布： 在本文中，我们将迈出 MQL5 编程的第一步，即使是完全零基础的初学者也能上手。我们将向您展示，如何将熟悉的 K线形态 转换为一个功能完备的自定义指标。K线形态之所以有价值，是因为它们反映了真实的价格行为，并预示着市场的转变。与其手动扫描图表——这种方法容易出错且效率低下——我们将讨论如何通过一个指标来自动化这个过程，该指标会自动识别并标记出这些形态。在此过程中，我们将探讨一些关键概念，例如索引、时间序列、平均真实波幅（用于在多变的市场波动性中提高准确性），以及如何开发一个可自定义、可复用的 K线形态库，以便在未来的项目中使用。
新文章 MQL5中表格模型的实现：应用MVC概念 已发布： 在本文中，我们将探讨如何使用MVC（模型-视图-控制器）架构模式在MQL5中开发表格模型，该模式可将数据逻辑、展示和控制进行分离，从而实现结构化、灵活且可扩展的代码。我们将考虑实现用于构建表格模型的各类，包括使用链表来存储数据。 对于编程而言，应用程序架构对于确保可靠性、可扩展性和易于维护起着关键作用。有助于实现这些目标的方法之一，是采用名为 MVC（模型-视图-控制器） 的架构模式。 MVC概念允许将应用程序划分为三个相互关联的组件： 模型 （负责数据和逻辑管理）、 视图 （负责数据展示）和 控制器
DeltaFusionLite : DeltaFusion Lite 是 MT4 的 DeltaFusionPro 指标的简化版。它计算并显示累计 Delta 值和净 Delta 值，让交易者清楚地了解每根蜡烛的买卖压力。通过分析买入价和卖出价之间的成交量分布，它可以帮助识别市场情绪变化、潜在反转以及价格和成交量之间的各类背离。 作者： Francesco Secchi
新文章 交易中的神经网络：针对金融市场的多模态、扩增工具型智代（终篇） 已发布： 我们持续开发 FinAgent 算法，其是一款多模态金融交易智代，旨在分析多模态市场动态数据，以及历史交易形态。 在前两篇文章中，我们详细探讨了 FinAgent 框架。在该过程期间，我们针对作者提议方式实现了自己的诠释。我们调整了框架算法，来满足我们的具体需求。我们现在到达另一个重要阶段：评估已实现解决方案在真实历史数据上的有效性。 请注意，在开发期间，我们对 FinAgent 框架的核心算法进行了重大修改。这些修改影响了模型操作的关键层面。因此，在本次评估中，我们评估的是我们调整后的版本，而非原始框架。
新文章 开发多币种 EA 交易（第 23 部分）：整理自动项目优化阶段的输送机（二） 已发布： 我们的目标是创建一个系统，用于自动定期优化最终 EA 中使用的交易策略。随着系统的发展，它变得越来越复杂，因此有必要不时地将其视为一个整体，以确定瓶颈和次优解决方案。
新文章 开发多币种 EA 交易（第 22 部分）：开始向设置的热插拔过渡 已发布： 如果要自动进行周期性优化，我们需要考虑自动更新交易账户上已经运行的 EA 设置。这样一来，我们就可以在策略测试器中运行 EA，并在单次运行中更改其设置。 让我们试着更详细地描述我们想要实现的目标。理想情况下，系统应该这样工作： 生成一个项目，将当前日期作为优化期的结束日期。 该项目在输送机上启动。其实施需要一些时间，从几天到几周不等。 结果加载到最终 EA 中。如果最终的 EA 还没有进行过交易，则会在真实账户上启动它。如果它已经在账户上运行，那么它的参数将被最后一个项目通过输送机后收到的新参数替换。
新文章 交易中的神经网络：针对加密货币市场的记忆扩充上下文感知学习（MacroHFT） 已发布： 我邀请您探索 MacroHFT 框架，该框架应用了上下文感知强化学习和记忆，利用宏观经济数据和自适应智代改进加密货币高频交易决策。 强化学习（ RL ）方法在金融领域日益流行，在于它们能够解决复杂的顺序决策制定难题。 RL 算法能够处理多维数据，参考多个参数，并适配变化中的环境。然而，尽管低频交易进展显著，针对加密货币市场的高效高频算法仍在开发中。这些市场特征是高波动性、不稳定，需要在长期策略考量、与快速战术反应之间取得平衡。 现有的加密货币 HFT
新文章 交易中的神经网络：配备概念强化的多智代系统（终篇） 已发布： 我们继续实现 FinCon 框架作者提议的方式。FinCon 是一款基于大语言模型（LLM）的多智代系统。今天，我们将实现必要的模块，并在真实历史数据上全面测试模型。 应当注意的是，此处展示的实现与原始版本有显著差异，而这肯定会影响结果。因此，我们仅能谈论所实现方式效率的评估，而非重现原始结果。 至于模型训练，我们用到 EURUSD 的 2024 年 H1 数据。分析指标的参数保持不变，专注于评估算法性能。 训练数据集由多个随机初始化参数模型的多次运行形成。此外，我们还纳入了利用 Real-ORL
新文章 交易中的神经网络：配备概念强化的多智代系统（FinCon） 已发布： 我们邀您探索 FinCon 框架，这是一款基于大语言模型（LLM）的多智代系统。该框架利用概念性词汇强化来提升决策制定和风险管理，能在多种金融任务中有高效表现。 人工智能和金融技术的前沿研究专注于开发自适应软件解决方案。这样的系统能够从历史数据中学习，识别市场形态，并制定更明智的决策。近年来最有前景的方向之一是自然语言处理（ NLP ）方法的整合，能够分析财经新闻、专家预测、及其它基于文本的数据，从而提升预测准确性和风险评估。
新文章 在MQL5中创建交互式图形用户界面（第1部分）：制作面板 已发布： 本文探讨了使用MetaQuotes Language 5（MQL5）设计和实施图形用户界面（GUI）面板的基本步骤。自定义实用面板通过简化常见任务并可视化重要的交易信息，增强了交易中的用户交互。通过创建自定义面板，交易者可以优化其工作流程，并在交易操作中节省时间。
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。
Math System-Trader:
根据数学计算方法指定支撑水平／阻力水平，趋势转变，滚动的高效交易系统。
Author: John Smith
BuySell + SL + TP : 脚本在 MT5 窗口中以当前价格建立买入仓位，并指定止损（以点为单位）和止盈（以点为单位）。 作者： akka
抛物线之上的 ZigZag + Fibo + 通道 : ZigZag 指标使用抛物线 SAR 技术指标的数值建立，并且利用指标的最后两个峰值建立 Fibo 级别线，利用选择的连续三个峰值建立通道。 作者： Nikolay Kositsin
Linear Regression Slope : 线性回归斜率 Author: Mladen Rakic
BBMA 零损失区（ZZL）阿莉奶奶 : BBMA 零损失区柱状图显示交易区，例如用于 "重入 "设置以最大限度降低风险的交易区 Author: Alexander Piechotta
KopierMaschineMT5 : KopierMaschine 是一款本地复制器，可在一台电脑上以任何方向复制不同 MetaTrader 4 和 MetaTrader 5 账户之间的交易，界面直观。 作者： Denis Nikolaev
新文章 流动性攫取交易策略 已发布： 流动性攫取交易策略是智能资金概念（SMC）的核心组成部分，旨在识别并利用市场中机构投资者的操作行为。该策略聚焦于高流动性区域（如支撑位或阻力位），在这些区域，大额订单可引发价格波动，随后市场恢复原有趋势。本文将详细阐释流动性攫取的概念，并概述如何在MQL5中开发流动性攫取交易策略的智能交易系统（EA）。 市场操纵 是指故意影响证券价格或交易量，以制造误导性的交易环境。尽管大多数机构交易者都遵守法律和道德标准，但仍有部分人可能会采取操纵性手段来实现特定的战略目标。以下是关于市场操纵发生的原因及方式的简要概述： 动机 ： 通过短期价格波动和套利实现利润最大化。
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。
Spread indicator MT5 : Spread MetaTrader 指标 - 在图表主窗口中显示当前点差。您可以修改字体参数、指标位置和点差值的正常化。每个刻度线后都会重新绘制点差，确保点差值最新、最活跃。这对于点差可变或点差经常扩大的经纪商非常有用。您还可以启用在当前买入线附近显示点差标签。该指标适用于 MT4 和 MT5。 Author: Tuan Nguyen Van
新文章 在莫斯科交易所（MOEX）里使用破位挂单的自动兑换网格交易 已发布： 本文探讨在莫斯科交易所（MOEX）里基于破位挂单的网格交易方法如何在 MQL5 智能系统中实现。 在市场上进行交易时，最简单的策略之一是设计“捕捉”市场价格的订单网格。 网格特征具有以下参数： 网格宽度, 网格步长, 止盈, 止损 网格宽度是由订单覆盖的区域。 网格步长是订单之间的间距。 网格宽度和步长按点数为单位计算。 因此，我们已经触及了网格交易方法的定义。 这种交易方法，其中使用许多订单入场，通常彼此距离相同，位于当前价格的两侧，称为网格。 无论市场价格走向何方，它仍然会穿过价位网格。
Super-signals:
本指标很容易使用：红色箭头 - 卖出信号，蓝色箭头 - 买入信号。超出了它的模拟，例如最高价-最低价，趋势以及其它达到几次。可以适用于任意时段和任意货币对。
作者： John Smith
新文章 从基础到中级：结构（二） 已发布： 在本文中，我们将尝试理解为什么像 MQL5 这样的编程语言有结构，为什么在某些情况下，结构是在函数和过程之间传递值的理想方式，而在其他情况下，它们可能不是最好的方式。 很多初学者在处理结构时都会感到困惑，其中一个问题就是是否应该使用结构传递值。事实上，这是一个相当有趣的问题，有时会导致比其他任何问题都更大的混乱。与一些人可能认为的相反，原因正是因为我们可以通过引用传递变量，无论是传递到函数还是传递到过程。这样做的时候，我们在此类场景中使用结构时需要小心。 作为老派程序员，我经历过 C
RSI_BANDS_MA:
基于多个 RSI, 布林带, 均线数据的指标。漂亮地显示买入和卖出的区域。取决于使用的货币, 可有 30-90 点。
作者： Babon
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