CCI - 基于 EMA : 替代简单移动平均线，而使用 EMA (指数移动平均线)，且替代平均偏差，而用 EMA 偏差 (最初在这里发表的 EMA 偏差)。 作者： Mladen Rakic
判段柱状图的形态 Judge the shape of candle bar: Doji(十字星） ThreeWhite（三白兵） Hanmmer（锤型） MorningStar（晨光之星） 等等 作者： SiJun Qin
线性拟合与相关性系数 Linear fitting and coefficient rate。: 简述： 在使用前要记得先调用初始函数赋值一些全局变量。Des: remember to invoke the function initialization before you use it. 作者： SiJun Qin
Ozymandias_System_Alert : 当蜡烛突破指标通道时，Ozymandias_System 指标提供警报，发送电子邮件和推送通知。 图例 1. Ozymandias_System_Alert 指标。 在第一根柱线上突破通道 作者： Nikolay Kositsin
HarVesteR : 本 EA 交易使用了以下指标: 移动平均汇总/分离指标，MACD; 移动平均, MA; 平均方向移动指数，ADX。它会关闭一半的获利仓位。 作者： Vladimir Karputov
Nova : 这个EA交易会检查最近10秒钟价格变化的方向，并根据变化来建立仓位。EA交易会设置止损和获利。 作者： Vladimir Karputov
Exp_Elliott_Wave_Oscillator : 基于 Elliott_Wave_Oscillator 指标信号的交易系统。 作者： Nikolay Kositsin
Exp_XDeMarker_Histogram_Vol_Direct : 基于 XDeMarker_Histogram_Vol_Direct 指标信号的交易系统 作者： Nikolay Kositsin
新文章 使用信号指标的简单交易系统 已发布： 如果我们完整地检查任何复杂的交易系统，就会发现它们都是基于一组简单的交易信号。因此，新手开发人员无需立即开始复杂算法的编写。本文讲述的是一套使用信号指标执行交易的交易系统示例。 作者： Nikolay Kositsin
新文章 第三代神经网络：深度网络 已发布： 本文致力于介绍一种新的有前景的机器学习方向 — 深度学习或者更准确的说，深度神经网络。简要回顾第二代神经网络，它们的连结架构和主要类型，学习的方法和规则以及缺点，随后介绍第三代神经网络的发展， 它们的主要类型，特点和学习方法。创建并训练一个深度神经网络，由真实数据通过堆栈式自动编码器权重进行初始化。从输入数据的选择到数量化求解的所有步骤 都会详细讲述。文章的最后部分包含一个深度神经网络的EA实例，其中带有一个MQL4/R的内置指标。 本文将要讨论这一课题的主要概念，诸如深度学习以及无复杂layman形式运算的深度网络。
DarvasBoxes_System_HTF : 指标 DarvasBoxes_System 在输入参数中有时间帧选项。 作者： Nikolay Kositsin
Volume weighted awesome oscillator : Volume weighted awesome oscillator 作者： Mladen Rakic
Stat : 本脚本程序显示了在指定时间段内的资产交易简要统计信息 - 交易数量，利润，利润因数。 作者： Aliaksandr Yemialyanau
拉盖尔 RSI - 无 gamma : 拉盖尔 RSI - 不使用 gamma 参数 作者： Mladen Rakic
RSI 布林带 EA : EA 判断超买 (OB) 和超卖 (OS) 区域，为其生成买卖信号。 作者： Vladimir Karputov
Exp_GTakeProfit : 本EA交易在总利润超过预先定义的限制时关闭所有仓位。 作者： Nikolay Kositsin
Vortex 振荡器 : 此版本的 Vortex 指标将 VI+ 和 VI- 线之间的差异显示为在零线附近振荡的直方图。 作者： Vladimir Karputov
Negative_Volume_Index_HTF : 负成交量指数 (NVI) 指标在输入参数中有时间帧选项。 作者： Nikolay Kositsin
CloseOrdersBySymbolByType : 本脚本程序在当前交易品种中根据设置中指定的类型删除所有订单。 作者： Nikolay Kositsin
新文章 以峰谷指标和 ATR 指标为例说明作为类来实施指标 已发布： 有关指标计算的最佳方式的争论无休无止。我们应在何处计算指标值 - 在指标本身内还是嵌入使用该指标的 EA 交易的整个逻辑之中？本文说明在 EA 交易或脚本的代码中移动自定义指标 iCustom 的源代码的一种情形，并对计算和 prev_calculated 值的建模进行优化。 作者： Александр Чугунов
10pipsOnceADayOppositeLastNHourTrend : 每日 10 点利, 与 "昨天的趋势" 相反。 作者： Vladimir Karputov
新文章 深度神经网络 (第六部分)。 神经网络分类器的融合: 引导聚合 已发布： 本文讨论了用引导聚合结构构建并训练神经网络融合的方法。 它还确定了构成融合的各独立神经网络分类器的超参数优化的特性。 本文中所创建的神经网络融合的品质将与该系列前一篇文章中获得的优化神经网络的品质进行比较。 已考虑到进一步提高融合分类品质的可能性。 尽管事实上，在融合当中的单体分类器的超参数是凭直觉选择的，且显然不是最优的，但是利用平均和简单多数表决获得了较高且稳定的分类品质。 总结以上所有内容。 示意性地，创建和测试神经网络融合的整个过程可以分为 4 个阶段: 图例3
新文章 在交易中应用 OLAP(第 1 部分)：在线分析多维数据 已发布： 本文论述如何创建多维数据（OLAP - 在线分析处理）的在线分析框架，以及如何在 MQL 中实现此框架，还有利用交易帐户历史数据在 MetaTrader 环境中应用此类分析的示例。 交易者经常需要分析大量数据。 这些通常包括数字、报价、指标值和交易报告。 由于这些数字所依赖的参数和条件数量众多，我们应将它们分开考虑，并从不同角度观察整个过程。 整体信息量形成了一种虚拟超立方体，其中每个参数定义其自身的维度，该维度与其余维度相互垂直。 可以使用流行的 OLAP（ 在线分析处理 ）技术处理和分析这种超立方体。
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