新文章 从头开始开发智能交易系统（第 18 部分）：新订单系统 (I) 已发布： 这是新订单系统的第一部分。 自从我们在文章中开始打造这个 EA 以来，它已经历了各种变化和改进，同时保持了相同的图表订单系统模型。 视频清晰地展示了上述内容。 正如您所看到的，这个系统使用起来非常有趣。 作者： Daniel Jose
新文章 DoEasy. C控件（第 7 部分）：文本标签控件 已发布： 在本文中，我将创建 WinForms 文本标签控件的对象类。 这样的对象能够将其容器放置在任何位置，而其自身的功能将重现 MS Visual Studio 文本标签的功能。 我们能够为欲显示的文本设置字体参数。 编译 EA，并在图表上启动它： 正如我们所见，文本显示在其对象内的正确位置，其大小可以通过为其指定边框的存在来查看。 对象中包含价格的文本将根据图表上相应价格的刷新而更新。 当创建面板及其对象时，我们可以看到明显的不舒适视觉效果。 当构建、移动和重新构建图表上的对象时，我将在优化视觉显示时消除它们。 作者：
新文章 数据科学和机器学习（第 04 部分）：预测当前股市崩盘 已发布： 在本文中，我将尝试运用我们的逻辑模型，基于美国经济的基本面，来预测股市崩盘，我们将重点关注 NETFLIX 和苹果。利用 2019 年和 2020 年之前的股市崩盘，我们看看我们的模型在当前的厄运和低迷中会表现如何。 就是这样了，查看下面链接的完整代码，现在到了在策略测试器中测试模型的时候了。 APPLE 测试结果 图形 作者： Omega J Msigwa
新文章 从头开始开发智能交易系统（第 17 部分）：访问 web 上的数据（III） 已发布： 在本文中，我们将继续研究如何从 web 获取数据，并在智能系统中使用它。 这次我们将着手开发一个替代系统。 高亮显示的行也很重要 — 服务将发出警告：它不再运行。 那么，当您执行此系统时，将得到以下结果： 作者： Daniel Jose
新文章 视频：如何为简单自动交易设置 MetaTrader 5 和 MQL5 已发布： 在这个小视频课程中，您将学习如何下载、安装和设置 MetaTrader 5，并实现自动交易。 您还将学习如何调整图表设置，和自动交易选项。 您将完成第一次回溯测试，在本课程结束时，您就会知道如何导入一个可以全天候自动交易的智能交易系统，而无需呆坐在屏幕前。 在使用 MetaTrader 5 或 MQL5 之前，我们显然需要先下载软件。 这可以在这个网站上完成。 它被称为 MetaTrader5.com。 该软件是免费的。 这意味着您可以在网站上下载它，并立即将其安装到您的 Windows 电脑上。
新文章 学习如何基于建仓/派发（AD）设计交易系统 已发布： 欢迎阅读本系列的新文章，了解如何基于最流行的技术指标设计交易系统。 在本文中，我们将学习一种新的技术指标，称为建仓/派发指标，并了解如何基于简单的 AD 交易策略设计一款 MQL5 交易系统。 策略一：简单的 AD 走势： 对于每次跳价，我们需要交易系统在执行时连续检查两个值，即当前 AD 值和前一个 AD 值，并判定当前 AD 是否大于前值。 我们需要在图表上返回一条注释，其中包括上升的 AD 线、AD 当前值和 AD 前值。 每个值都在单独的一行之中。 另一方面，如果当前值小于前值，我们需要在图表上返回一条注释，其中包含递减的
新文章 神经网络变得轻松（第十六部分）：聚类运用实践 已发布： 在上一篇文章中，我们为数据聚类创建了一个类。 在本文中，我想分享在解决实际交易任务时应用所获结果会遇到的可能变体。 为了评估该智能系统的性能，我们取用我们在前一篇文章中训练过，并在前一次测试中用到的 500 个聚类模型对其进行了测试。 训练图形如下所示。 如您所见，训练图非常平滑。 为了训练模型，我采用了 Adam 参数优化方法。 前 20 个世代展示出损失函数逐渐减少，而这伴随着动量累积。 然后，损失函数值显著地急剧下降到某一最小值。 先前获得的监督模型的训练图的损失函数具有明显的转折。 例如，下面是更复杂的 关注度
新文章 数据科学与机器学习（第 03 部分）：矩阵回归 已发布： 这一次，我们的模型是由矩阵构建的，它更具灵活性，同时它允许我们构建更强大的模型，不仅可以处理五个独立变量，但凡我们保持在计算机的计算极限之内，它还可以处理更多变量，这篇文章肯定会是一篇阅读起来很有趣的文章。 如果您关注过前两篇文章，您会注意到我曾遇到的一个大难题，即是编程模型可以处理更多的自变量，我的意思是动态处理更多的输入，因为当涉及到创建策略时，我们需要处理数百个数据，所以我们希望确保我们的模型能够满足这一需求。 矩阵
突破: 在新的交易日开始时，EA会 将突破买入 (Buy Stop) 和突破卖出 (Sell Stop) 挂单放置在前一天的高点和低点。 作者： Vladimir Karputov
新文章 DoEasy. 控件（第 6 部分）：面板控件，自动调整容器大小来适应内部内容 已发布： 在本文中，我将继续研究面板 WinForms 对象，并实现自动调整大小，以便适应位于面板内的 Dock 对象的常规大小。 此外，我将向品种函数库对象添加新属性。 编译 EA，并在品种图表上启动它： 如此，面板就能适应附着到其上的对象的正常大小，不同的绑定方法均能正确工作，面板也可以正确变更其大小。 当放置具有不同绑定方法的对象时，它们的排列方式与我的不同 — 它们不应附着到面板的边缘，如果列表中的每个后续对象具有相同的绑定，则应附着到前一个对象的边缘。
新文章 带有图表交互控件的指标 已发布： 本文提供了一个关于指标界面的新视角。 我将重点关注便利性。 多年以来，我尝试了几十种不同的交易策略，并测试过数百种不同的指标，我得出了一些结论，我想在本文中与大家分享。 以我的观点，另一种方法更简单，同时也更具交互性。 它涉及由交易者改变交易周期，而且是以一种更为便捷的形式。 毕竟，无论算法多么智能，交易者仍然更清楚他们自己需要什么样的指标设置，我们的任务就是帮助他们，并促成这一过程。 为了修改周期，我们将使用鼠标滚轮滚动。 滚动模式本身将通过打开图表右侧的按钮激活。 该图展示了通过单次移动改变指标周期是多么容易。
EA每日工作时间区间 : 简述简述EA每日工作时间区间 限制EA每日工作时间区间 限制EA每日工作时间区间 限制EA每日工作时间区间 作者： my15605613828
新文章 学习如何基于 OBV 设计交易系统 已发布： 这是一篇新文章，将针对初学者继续我们的系列，介绍如何基于一些流行指标设计交易系统。 我们将学习一个新的指标，即能量潮（OBV），我们将学习如何使用并基于它来设计交易系统。 在该策略中，我们需要基于当前 OBV 值和前一个 OBV 值来判断 OBV 曲线的方向。 因此，对于每次即时报价，我们需要检查当前 OBV 和前一个 OBV 值，若当前值大于前值时，这将是 OBV 上升的迹象，反之亦然；若当前值小于前值时，这是 OBV 下降的迹象。 以下是该策略每一步的蓝图，可帮助我们为其设计交易系统： 作者： Mohamed Abdelmaaboud
新文章 神经网络变得轻松（第十五部分）：利用 MQL5 进行数据聚类 已发布： 我们继续研究聚类方法。 在本文中，我们将创建一个新的 CKmeans 类来实现最常见的聚类方法之一：k-均值。 在测试期间，该模型成功地识别了大约 500 种形态。 作为训练的结果，我们得到了损失函数与聚类数量的依赖关系图。 它如下所示。 正如您在图表上所看到的那样，拉弯处被证明是相当大的 — 范围从 100 到 500。 该模型总共分析了 92000 多个系统状态。 图形的形式与上一篇 文章 中 Python 脚本构建的图形完全相同。 这间接地证实了我们构建的类运行正确。 作者： Dmitriy Gizlyk
新文章 从头开始开发智能交易系统（第 16 部分）：访问 web 上的数据（II） 已发布： 掌握如何从网络向智能交易系统输入数据并非那么轻而易举。 如果不了解 MetaTrader 5 提供的所有可能性，就很难做到这一点。 为了理解这一点，请观看以下视频，注意每个细节。 一切都工作完美。 这符合期望，因为在开发客户机-服务器程序时，这种解决方案已被广泛应用，我们不希望一个环节阻塞另一个。 换言之，我们利用一个信道在进程之间进行通信。 通常，当它们处于同一环境中时，信道将在内存里创建 — 为此专门分配了一个隔离区域，但该区域是共享的，且对客户端和服务器都可见。
新文章 视频：简单自动交易 — 如何利用 MQL5 创建简单的智能交易系统 已发布： 在我的课程中，大多数学生认为 MQL5 真的很难理解。 除此之外，他们还在寻找一种直接的方法来把一些过程自动化。 那么阅读本文中归纳的信息，就能立刻发现如何利用 MQL5 开始运作。 即使您以前从未接触过任何形式的编程。 即使您无法领会之前您所观察到的插图的情况下。 所谓的智能交易系统就是我们现在所要寻找的。 智能交易系统是一个自动化应用程序，可以在 MetaTrader 中运作，并可自行开仓和平仓。 在本视频中，我们将学习如何按照最基本的形式创建智能交易系统。
新文章 神经网络变得轻松（第十四部分）：数据聚类 已发布： 我的上一篇文章已经发表一年多了。 这令我有了大量时间考虑修改思路和发展新方法。 在这篇新文章中，我想转移一下以前使用的监督学习方法。 这次我们将深入研究无监督学习算法。 特别是，我们将考虑一种聚类算法 — k-均值。 如您所见，无监督学习算法可用于解决各种问题。 但如何在交易中运用它们呢？ 我们来思考一下。 图形分析方法几乎总是涉及某些图表形态：双顶/双底、头和肩、旗帜、各种谐波形态、等等。 甚而，还有许多由 1-3 根烛条组成的较小形态。 但是当我们试图用数学语言描述一个特定的形态时，我们必须处理大量的约定和冗余。
新文章 从头开始开发智能交易系统（第 15 部分）：访问 web 上的数据（I） 已发布： 如何通过 MetaTrader 5 访问在线数据？ 互联网上有很多网站，提供海量信息。 您需要知道的是，在哪里查找、以及如何才能最好地利用这些信息。 脚本的思路就是捕捉页面上的值。 上述方法的优点是，即使信息由于偏移而改变位置，我们仍然可以在所有这些命令中找到它。 但是，即使一切看起来都很理想，信息也会有一点延迟，因此有必要衡量在执行上述脚本时，您将如何处理捕获的数据。 执行结果如下所示。
新文章 学习如何基于抛物线 SAR 设计交易系统 已发布： 在本文中，我们将继续讲述如何基于最流行的指标设计交易系统。 在本文中，我们将详细学习抛物线 SAR 指标，以及如何运用一些简单的策略来设计用于 MetaTrader 5 的交易系统。 在本主题中，我们将为我们的策略设计一个蓝图，来帮助我们依据它们编写交易系统的代码，因为这样允许我们安排和结构化我们的念头，如此来了解我们需要通知智能系统每一步做什么，因此以下是每种策略的蓝图。 策略一：上升趋势策略： 我们会通知计算机或智能系统所需检查的内容，以及在满足条件的情况下返回的内容，在此策略中，我们需要检查 SAR
新文章 学习如何基于 ATR 设计交易系统 已发布： 在本文中，我们将学习一款可在交易中运用的新技术工具，作为我们学习如何设计简单交易系统系列的延续。 这次我们将选取另一个流行的技术指标：平均真实范围（ATR）。 正如我之前提到的那样，ATR 衡量波动性。 据此，分析 ATR 窗口中的数值：ATR 值越低，金融产品的波动性越低。 反之亦然，ATR 值越高，金融产品的波动性越高。 下图是关于如何解读： 那么，当 ATR 记录的数值较低时，这表示波动性较低；反之亦然，当 ATR 指标记录的数值较高时，这表明波动性较高。 根据 ATR 指标的计算，我们已经知道，ATR 指标不能准确地生成交易信号。
新文章 从头开始开发智能交易系统（第 14 部分）：添加价格成交量（II） 已发布： 今天，我们要将更多资源加入 EA。 这篇有趣的文章可以提供一些展示信息的新思路和方法。 与此同时，它能帮助修复项目中的小缺陷。 在下面的视频中，您可以看到这条轨迹实际上是如何工作的，它是如何调整屏幕上的成交量的。 这个指标很有帮助，如果您学会如何正确使用它，那将是一件很棒的事情。 故此，与"时序与交易"一起，他们形成了一个双噪声分析工具，这是市场上最先进的交易方法之一。 作者： Daniel Jose
新文章 从头开始开发智能交易系统（第 13 部分）：时序与交易（II） 已发布： 今天，我们将针对市场分析构建《时序与交易》系统的第二部分。 在前一篇文章《时序与交易（I）》当中，我们讨论了一种替代的图表组织系统，该系统能够针对市场上执行的成交进行最快速的解释。 该指标功能强大，信息量大，因此我决定制作一期视频，展示编写时资产显示的真实数据与其数值之间的小规模比较。 我打算演示一下，它过滤了大量信息，令您能够更快地读取数据，更好地了解正在发生的事情。 我希望你们喜欢并能利用这款神奇而强大的指标。 作者： Daniel Jose
新文章 学习如何基于 ADX 设计交易系统 已发布： 在本文中，我们将继续有关基于最流行指标设计交易系统的系列文章，这次我们将讨论平均方向指数（ADX）指标。 我们将详细学习该指标，从而能够更好地理解它，并将学习如何在简单策略里运用它。 通过深入学习，我们可以获得更多的认知，可以更好地运用它。 在这一部分中，我们将为每个策略设计一个蓝图，来帮助我们创建交易系统，该蓝图将辅助我们逐步组织和设置我们所需的程序或系统。 策略一: 简单 ADX 系统 - ADX 走势: 根据该策略，我们需要程序在每次即时报价来临时检查当前 ADX 值和前一个 ADX 值，然后判定当前 ADX 值是否大于前一个 ADX
新文章 学习如何基于 Stochastic 设计交易系统 已发布： 在本文中，我们继续我们的研究系列 — 这次，我们将学习如何基于最流行的技术指标之一 Stochastic 振荡器指标设计交易系统。 在这一部分中，我们将为前面提到的策略设计蓝图，这将有助于我们轻松创建一个交易系统。 该蓝图将一步步地提供指导，来辨别我们需要该程序具体做什么。 策略之一: 上行趋势策略 %K, %D < 50 --> %K > %D = 做多信号 我们首先需要程序检查（%K，%D），并决定它是否低于或高于 50 级，然后若是低于 50 级，它就等待...什么都不做，直到 %K 线上穿 %D 线，才会给出做多信号。
新文章 数据科学与机器学习（第 02 部分）：逻辑回归 已发布： 数据分类对于算法交易者和程序员来说是至关重要的。 在本文中，我们将重点关注一种分类逻辑算法，它有帮于我们识别“确定或否定”、“上行或下行”、“做多或做空”。 将线性模型传递给逻辑函数 (sigmoid/p) =1/1+ e ^t ，其中 t 是线性模型，其结果是介于 0 和 1 之间的值。 这表示出的数据点的概率都属于一个等级。 替代用线性模型的 y 作为依赖项，其函数则显示为 “ p ” 作为依赖项 p = 1/1+ e ^- (c+m1x1+m2x2+....+mnxn)，多值的情况
新文章 如何创建自己的追踪止损已发布：
交易人员的基本原则 - 让利润增长，截停损失！本文讨论遵循该原则的其中的一个基本技巧 - 在增加持仓利润后移动保护性止损水平（止损水平），追踪止损水平。我们将给出用于在SAR和NRTR指标上追踪止损的类的分步创建过程。每个人都可以将该追踪止损插入他们的EA交易，或是在帐户中单独使用以控制持仓。
作者：Dmitry Fedoseev
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