新文章 金融建模中合成数据的生成式对抗网络（GAN）（第 1 部分）：金融建模中的 GAN 与合成数据概述 已发布： 本文向交易者介绍产生合成金融数据的生成式对抗网络（GAN），解决模型训练中的数据限制。它涵盖了 GAN 基础知识、python 和 MQL5 代码实现，以及实际的金融应用，令交易者能够通过合成数据强化模型的准确性和健壮性。 GAN 简单说是两个神经网络 — 生成器和鉴别器，两者玩对抗游戏：以下是这些部件的细分。
新文章 通过成交量洞察交易：趋势确认 已发布： 增强型趋势确认技术结合了价格行为、成交量分析和机器学习，用以识别真实的市场行情。该技术要求价格突破和成交量激增（高于平均值50%）这两个条件同时满足以验证交易信号，同时使用一个LSTM神经网络进行附加确认。该系统采用基于ATR（平均真实波幅）的仓位调整和动态风险管理，使其能够适应不同的市场条件，同时过滤掉虚假信号。
新文章 利用CatBoost机器学习模型作为趋势跟踪策略的过滤器 已发布： CatBoost是一种强大的基于树的机器学习模型，擅长基于静态特征进行决策。其他基于树的模型，如XGBoost和随机森林（Random Forest），在稳健性、处理复杂模式的能力以及可解释性方面具有相似特性。这些模型应用广泛，可用于特征分析、风险管理等多个领域。在本文中，我们将逐步介绍如何将训练好的CatBoost模型用作经典移动平均线交叉趋势跟踪策略的过滤器。
新文章 将您自己的 LLM 集成到 EA 中（第 5 部分）：使用 LLM 开发和测试交易策略（二）-LoRA-调优 已发布： 随着当今人工智能的快速发展，语言模型（LLMs）是人工智能的重要组成部分，因此我们应该考虑如何将强大的 LLMs 整合到我们的算法交易中。对于大多数人来说，很难根据他们的需求微调这些强大的模型，在本地部署它们，然后将它们应用于算法交易。本系列文章将采取循序渐进的方法来实现这一目标。 在上一篇文章中，我们介绍了如何利用自有金融数据，采用全参数微调的方法对 GPT-2
新文章 基于时间、价格和成交量创建 3D 柱状图引入波动率测量 已发布： 本文探讨了多元三维价格图表及其创建方法。我们还将探讨 3D 柱状图如何预测价格反转，以及 Python 和 MetaTrader 5 如何让我们实时绘制这些成交量柱状图。 一切都始于一个简单的问题——为什么交易员们总是试图通过二维图表来分析三维市场？价格行为、技术分析、波浪理论——所有这些都是在将市场投影到平面上进行分析。但如果我们尝试看到价格、成交量和时间的真实结构呢？ 在我研究算法系统的过程中，我不断发现传统指标忽略了价格和成交量之间的关键关系。 3D
新文章 利用 MQL5 经济日历进行交易（第四部分）：在仪表盘中实现实时新闻更新 已发布： 本文通过实现实时新闻更新来增强我们的经济日历仪表盘，以保持市场信息的时效性和可操作性。我们在 MQL5 中集成了实时数据获取技术，以持续更新仪表盘上的事件，从而提升界面的响应速度。此更新优化确保我们可以直接从仪表盘获取最新的经济新闻，从而基于最新数据优化交易决策。 仪表盘更新。 从图片中我们可以看到，新引入的数据已准确地在仪表盘上更新。为了再次确认这一点，我们可以再等待一段时间，看看我们是否能持续追踪这些数据，以及记录更新数据的日志。结果如下。 作者： Allan Munene Mutiiria
新文章 从新手到专家：MQL5中的协作式调试指南 已发布： 问题解决法能为掌握复杂技能（如MQL5编程）构建高效路径。该方法让您在专注攻克问题的同时，潜移默化地提升技能水平。解决的难题越多，大脑积累的专业知识就越深厚。就我个人而言，调试是精通编程最有效的途径。本文将带你逐步梳理代码清理流程，并探讨将杂乱程序转化为简洁高效代码的核心技巧。阅读本文，洞悉其中的宝贵见解。
新文章 交易中的神经网络：双曲型潜在扩散模型（HypDiff） 已发布： 本文研究经由各向异性扩散过程在双曲型潜在空间中编码初始数据的方法。这有助于更准确地保留当前市场状况的拓扑特征，并提升其分析品质。 双曲几何空间作为表征离散树状、或分层结构的理想连续流形，已被广泛接收，并在各种图形学习任务里运用。论文 《图形生成的双曲几何潜在扩散模型》
新文章 从基础到中级：数组（一） 已发布： 本文是迄今为止所讨论的内容与新的研究阶段之间的过渡。要理解这篇文章，您需要阅读前面的文章。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。 一些读者可能希望我深入研究标准库中每个函数或过程的工作原理。但这不是我的意图。我的实际目标是揭示每个决定背后的概念。你可以根据需要解决的问题的性质做出自己的选择。虽然我们还处于相当基本的水平，但我们已经有了一些现实世界的编程可能性。这使我们能够开始应用稍微更先进的概念。
新文章 使用 MQL5 经济日历进行交易（第三部分）：添加货币、重要性和时间过滤器 已发布： 在本文中，我们将在 MQL5 经济日历仪表板中添加过滤器，以便通过货币、重要性和时间来细化新闻事件的显示。我们首先为每个类别建立过滤标准，然后将这些标准集成到仪表板中，以仅显示相关事件。最后，我们确保每个过滤器都能动态更新，为交易者提供专注的、实时的经济信息。
Profit labels for closed trades (deals) : 在交易（平仓交易）上创建利润标签，这些标签也会显示在策略测试器中 Author: Conor Mcnamara
新文章 通过应用程序了解MQL5中的函数 已发布： 函数在任何编程语言中都是至关重要的东西，它有助于开发人员应用（DRY）的概念，这意味着不要重复自己，还有许多其他好处。在本文中，您将找到更多关于函数的信息，以及我们如何使用简单的应用程序在MQL5中创建自己的函数，这些应用程序可以在任何系统中使用或调用。您必须在不使事情复杂化的情况下丰富您的交易系统。
新文章 创建 EA 交易优化的自定义标准 已发布： MetaTrader 5 客户端提供了各种机会来优化 EA 交易的参数。除了策略测试程序中包含的优化标准以外，开发人员还有机会创建自己的标准。这样一来，EA 交易的测试和优化便具有了无限的可能性。本文介绍了创建此类标准的实用方法，既适用于复杂标准，也适用于简单标准。 作者： Dmitriy Skub
Trade Assistant MT5 : Trade Assistant MetaTrader 指标 - 基于三个标准指标的多时间框架指标：随机振荡器、RSI（相对强弱指数）和 CCI（商品通道指数）。它显示 M1、M5、M15、M30、H1、H4、D1、W1 和 MN1 时间框架的当前趋势方向。使用该指标时，您可以清楚地了解所有重要时间框架的趋势。将该指标附加到哪个时间框架并不重要。该指标可下载至 MT4 和 MT5。 Author: Tuan Nguyen Van
Buffers for each hour (binary) and an hour buffer from 0-23 - for data collection purposes : 数据收集原型。 小时的数据窗口（用于数据收集）的虚拟缓冲区，以及每天小时的额外缓冲区。时的注释。 Author: samuk1000
外汇 Fraus M1 : 一款基于 iWPR（威廉姆斯百分比范围，％R）指标的智能交易系统，可控制操作时间。 作者： Vladimir Karputov
新文章 从零开始在MQL5中实现移动平均线：简单明了 已发布： 我们将通过简单的示例，探究移动平均线的计算原理，同时了解优化指标计算（包括移动平均线计算）的方法。 我们已经回顾了客户端标准移动平均线指标设置中主流移动平均类型的计算原理。文中展示的算法既可用于带计算优化的指标开发（相关优化方法亦在文中详述），也可作为独立模块嵌入其他程序，实现序列数据集的平均值计算。 上图展示了相同计算周期（10）下不同类型移动平均线的对比 红色 - SMA, 绿色 - EMA, 金色 - SMMA, 蓝色 - LWMA . 由此可见，平滑移动平均线（SMMA）受短期价格波动影响最小，能更清晰地呈现整体趋势方向。
新文章 学习如何基于分形（Fractals）设计交易系统 已发布： 本文是我们关于如何基于最流行的技术指标设计交易系统的系列中的一篇新文章。 我们将学习一个新的指标，即分形（Fractals）指标，我们将学习如何设计一个基于它的交易系统，从而能在 MetaTrader 5 终端中执行。 1. 分形高点和低点 基于此策略，我们需要创建一个交易系统，该系统可通过持续检查 fracUpvalue 和 fracDownValue 来返回分形指标的高点和低点，作为图表上的注释。 如果 fracUp 大于零或其不为空值，且 fracDown
ICT_conceptsEA by Emil : 根据 ICT silverbullet 和 2022 模型进行交易，带跟踪止损和部分止损，也根据 OTE 保持入场，风险最小。 它在银弹的小时间窗口内工作，尤其是在纽约时段，如果没有找到交易，2022 模型和斐波那契 OTE 就会跳入以获得交易。但只有在确认这些模型存在后才会进入，因此交易量会减少，以实现最小的缩水和高胜率。要了解有关这些策略的更多信息，请访问 Inner Circle Trader YouTube 频道。 Author: Emil Paul Jacob
新文章 您应当知道的 MQL5 向导技术（第 46 部分）：Ichimoku 已发布： Ichimuko Kinko Hyo 是日本著名的指标，可当作趋势识别系统。我们如之前类似文章所为，逐个形态地验证这一点，并借助 MQL5 向导的库类并汇编，来评估其策略和测试报告。 Ichimoku Kinko Hyo ，常被称为 Ichimoku 云 ，是一个包容广泛的技术分析系统，设计提供市场趋势的整体视图；支撑和阻力位；以及动量。Ichimoku Kinko Hyo 开发于 1930
Report : 这个 MetaTrader 4/5 开发库可以使您根据交易历史生成报表。 作者： fxsaber
i-Regression 通道 : i-Regression通道生成回归通道。 作者： Nikolay Kositsin
新文章 基于交易量的神经网络分析：未来趋势的关键 已发布： 本文探讨了通过将技术分析原理与 LSTM 神经网络架构相结合，基于交易量分析来改进价格预测准确性的可能性。文章特别关注异常交易量的检测与解读、聚类方法的使用，以及基于交易量的特征创建及其在机器学习背景下的定义。 我们的第一张图，是带有模型生成信号的、最常见的Sber（俄罗斯联邦储蓄银行）价格图表。我们还会通过高亮显示那些存在异常交易量的K线来补充这些信号。这有助于我们理解系统将市场读得像一本打开的书一样透彻的那些时刻。
新文章 在Python中使用Numba对交易策略进行快速测试 已发布： 本文实现了一个快速策略测试器，它使用Numba对机器学习模型进行快速策略测试。它的速度比纯 Python 策略回测器快 50 倍。作者推荐使用该库来加速数学计算，尤其是那些涉及循环的计算。 在开发基于机器学习的交易算法时，能够正确且快速地评估其在历史数据上的交易结果，这一点非常重要。如果我们只是在少数情况下使用回测器，例如在大型时间周期上或历史数据深度较小的情况下，那么 Python 回测器是完全适用的。然而，如果任务涉及多次测试和高频策略，那么像 Python 这样的解释型语言可能就太慢了。
新文章 交易中的神经网络：定向扩散模型（DDM） 已发布： 在本文中，我们讨论定向扩散模型，其利用数据相关的各向异性、和定向噪声，在前向扩散过程中捕获有意义的图形表征。 论文 《图形表征学习之定向扩散模型》 的作者提议运用扩散模型进行无监督图形表征学习。然而，他们在实践中遇到了“雏形”扩散模型的局限性。他们的实验揭示，图形结构中的数据往往展现出明显的各向异性和方向性形态，而在图像数据中却不太明显。传统的扩散模型依赖于各向同性正向扩散过程，往往会遭遇内部信噪比（ SNR
新文章 开发回放系统（第 69 部分）：取得正确的时间（二） 已发布： 今天我们将看看为什么我们需要 iSpread 功能。同时，我们将了解当没有可用的分时报价时，系统如何通知我们柱形的剩余时间。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 68 部分）：取得正确的时间（一） ” 中，我解释了与鼠标指标相关的代码部分。然而，除非您还检查回放/模拟器服务的代码，否则该代码就没有什么价值。无论如何，如果你还没有读过上一篇文章，我建议你在尝试理解这篇文章之前先读一读。这是因为两者真正相辅相成。
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