新文章 从基础到中级：联合（一） 已发布： 在这篇文章中，我们将探讨什么是联合。在这里，通过实验，我们将分析可以使用联合的第一种构造。然而，这里展示的只是后续文章将涵盖的一组概念和信息的核心部分。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 从基础到中级：数组（四） 中，我们探索了一个非常酷且极其有趣的概念。尽管许多人认为这是一个高级话题，但在我看来，这是每个编程初学者都应该知道的。这是因为，如果使用得当，上一篇文章中介绍的概念可以真正打开整个可能性的世界。有了它，我们可以做一些原本很难甚至不可能实现的事情。
新文章 交易中的神经网络：搭配区段注意力的参数效率变换器（PSformer） 已发布： 本文讲述新的 PSformer 框架，其适配雏形变换器架构，解决与多元时间序列预测相关的问题。该框架基于两项关键创新：参数共享（PS）机制，和区段注意力（SegAtt）。 《PSformer：搭配区段注意力的参数高效变换器，进行时间序列预测》 的作者提出了一种基于 变换器 的创新模型，用于多元时间序列预测，其协同了参数共享原理。 它们引入了一种搭配基于两级区段注意力机制的 变换器
MQL5 向导 - 基于 3 乌鸦/3 白兵 + Stochastic : 基于 "3 乌鸦/3 白兵" K 线形态的交易信号，考虑用 Stochastic （随机振荡）指标进行确认。基于此策略的交易程序代码，可由 MQL5 向导自动生成。 作者： MetaQuotes Software Corp
AdaptiveTrader Pro EA : 这款适用于 MetaTrader 的智能交易系统（EA）利用 RSI、ATR 和移动平均线等技术指标组合来识别高概率交易机会。它配备了动态手数、跟踪止损和基于性能的调整功能，专为在波动的市场条件下优化交易决策和有效管理风险而量身定制。 Author: Morteza Mohammadi
新文章 构建MQL5自优化智能交易系统（第二部分）：美元兑日元（USDJPY）剥头皮策略 已发布： 今天我们齐聚一堂，挑战为美元兑日元（USDJPY）货币对打造一套全新交易策略。我们将基于日线图上的K线形态开发交易策略，因为日线级别的信号通常蕴含更强的市场动能。初始策略已实现盈利，这激励我们进一步优化策略，并增加风险控制层以保护已获利资本。 在上一篇关于MQL5自优化智能交易系统的文章中（点击 此处
Balance_Reset : 该库在回溯测试期间根据可配置的盈亏阈值重置账户余额，从而模拟道具交易公司的情景，并记录重置结果以供分析。 Author: Andrei Krisiuk
倒计时、点差、利息、保证金信息 : 本指标完成4小时的tick与ontime倒计时显示,多空单的过夜利息,点差,一个点的收入提示及一手所需要保证金金额的显示。 作者： yj_ s
新文章 构建自优化型MQL5智能交易系统（EA）（第3部分）：动态趋势跟踪与均值回归策略 已发布： 金融市场通常被静态划分为震荡市或趋势市两种模式。这种简化分类虽便于短期交易决策。然而，却与真实市场行为脱节。在本文中，我们将深入探讨市场如何精准地在这两种模式间切换，并利用这方面的认知提升算法交易策略的可靠性。 如前文所述，基于移动平均线的策略因能贴合长期市场趋势而广受欢迎。下图1提供了一个典型案例。该图为EURUSD日线图，展示2016年11月下旬至2018年4月的强劲牛市行情。无论以何种标准衡量，都让人印象深刻。由图可见，移动平均线清晰确认了价格的长期上行趋势。
新文章 MQL5 秘籍之：OCO订单 已发布： 任何交易者的交易活动都会包含各种交易机制和内在联系，包括订单之间的关系。本文提出一种处理OCO订单的解决方案。将广泛采用标准类库来实现，同时也会新建一些数据类型。 本文聚焦于处理OCO类型的订单。这个机制在一些MetaTrader 5的竞争对手产品中已有实现。通过这个带有控制面板的处理OCO订单的例子，我想达到两个目的。其一，我想介绍 标准类库 的特性，另一方面我想扩展交易者的交易工具。 1. OCO订单的本质 OCO订单（一个订单取消另一个订单）代表一对挂单。
新文章 让新闻交易轻松上手（第六部分）：执行交易（3） 已发布： 在本文中，将实现基于新闻事件ID对单个新闻事件进行新闻筛选。此外，还将对先前的SQL查询进行改进，以提供更多信息或减少查询运行时间。另外，还将使前几篇文章中构建的代码具备实际功能。 在本文中，我们将对存储数据库进行改进，新增一些用于展示数据的视图，例如在 MQL5经济日历 中显示每个独特事件的最新新闻事件日期或下一个新闻事件日期。这样将提升用户使用程序时的体验，因为能够了解未来或过去的事件。此外，我们将扩展智能教育系统（EA）输入菜单，以适应新闻筛选和止损单入场方法。
新文章 交易中的多项式模型 已发布： 本文将介绍正交多项式。正交多项式的应用，可以成为更准确、更有效地分析市场信息的基础，从而帮助交易者做出更明智的决策。 交易的有效性在很大程度上取决于市场数据的分析方法。正交多项式就是其中一种方法。这些多项式是数学函数，可用于解决与交易相关的若干问题。 最著名的正交多项式有勒让德多项式、切比雪夫多项式、拉盖尔多项式和埃尔米特多项式。这些多项式中的每一种都具有独特的性质，使其能够用于解决不同的问题。以下是它们的一些主要应用方式： 时间序列建模。 正交多项式可用于描述时间序列。使用它们有助于识别趋势和其他模式。 回归分析。
新文章 开发回放系统（第 73 部分）：不寻常的通信（二） 已发布： 在本文中，我们将探讨如何在指标和服务之间实时传输信息，并了解为什么在更改时间框架时可能会出现问题以及如何解决这些问题。作为奖励，您将可以访问回放/模拟应用程序的最新版本。 在上一篇文章“ 开发回放系统（第 72 部分）：不寻常的通信（一） 中， “我开始展示如何使用指标来传输某些原本无法获得的信息。尽管我在那篇文章中提供了许多解释，但实际上在我们的回放/模拟器应用程序中实现代码并不是那么简单。你可能会认为我只是在装腔作势。实现这样的功能非常简单明了。我只是为了达到效果而制造悬念。
新文章 交易中的神经网络：降低锐度强化变换器效率（终章） 已发布： SAMformer 为长期时间序列预测中变换器模型的主要缺点，譬如训练复杂性，及小型数据集的普适能力差，提供了解决方案。其浅层架构和锐度感知优化有助于避免次优的局部最小值。在本文中，我们将继续利用 MQL5 实现方式，并评估其实用价值。 所有三个模型的训练都是同时进行的。训练后的 参与者 政策的测试结果如下所示。测试是在 2024 年 1 月的真实历史数据上进行的，所有其它训练参数维持不变。 在检查结果之前，我想提一下关于模型训练的若干点。首先， SAM
TradeTransactions : 在应用程序中的任何位置来访问 OnTradeTransaction 中的数据。 作者： fxsaber
Market Watch Panel Utility : MetaTrader 5 的实时监控工具，可显示关键金融数据，允许快速切换符号和自定义符号列表。保存和重新加载符号、重置列表、自定义文本和面板颜色，以获得个性化的交易体验。 Author: Tien Long Tu
新文章 大爆炸-大坍缩（BBBC）算法 已发布： 本文介绍了大爆炸-大坍缩方法，该方法包含两个关键阶段：随机点的循环生成，以及将这些点压缩至最优解。该方法结合了探索与精炼过程，使我们能够逐步找到更优的解，并开拓新的优化可能性。 在浩瀚无垠的宇宙中，恒星诞生又消亡，其中隐藏着人类渴望揭示的秘密。大爆炸-大坍缩（BBBC）方法是一种受宇宙空间中发生的过程启发的全局优化算法。让我们一同探索这一引人入胜的概念。 20世纪初，物理学家亚历山大·弗里德曼（Alexander Friedmann）和乔治·勒梅特（Georges
新文章 重构经典策略（第十三部分）：最小化均线交叉的滞后性 已发布： 在我们交易者社区中，均线交叉策略已是广为人知，然而，自该策略诞生以来，其核心思想却几乎一成未变。在本次讨论中，我们将为您呈现对原策略的一项微调，其目的在于最小化该交易策略中存在的滞后性。所有原策略的爱好者们，不妨根据我们今天将要探讨的见解，来重新审视并改进这一策略。通过使用两条周期相同的移动平均线，我们可以在不违背策略基本原则的前提下，显著减少交易策略的滞后。 为了让我们能充分领会今天讨论的意义，首先将建立一个由传统交叉策略创建的基准策略。然后，我们将把这种传统策略的表现，与我们使用重新构想后的策略所能达成的效果进行比较。
新文章 从基础到中级：数组（四） 已发布： 在本文中，我们将看看如何做一些与 C、C++ 和 Java 等语言中实现的非常相似的事情。我说的是在函数或过程中传递几乎无限数量的参数。虽然这似乎是一个相当高级的主题，但在我看来，任何理解了前面概念的人都可以很容易地实现这里展示的内容。只要它们真的被正确理解。 在上一篇文章 从基础到中级：数组（三）
新文章 基于Python与MQL5的多模块交易机器人（第一部分）：构建基础架构与首个模块 已发布： 我们将开发一个模块化交易系统，该系统结合了 Python 进行数据分析，并使用 MQL5 执行交易。四个独立模块并行监控市场的不同方面：成交量、套利、经济指标和风险，并使用包含400棵树的随机森林（ RandomForest ）。特别强调风险管理，因为即使是最先进的交易算法，如果没有适当的风险管理，也是毫无用处的。
新文章 交易中的神经网络：降低锐度强化变换器效率（SAMformer） 已发布： 训练变换器模型需要大量数据，并且往往很困难，因为模型不擅长类推到小型数据集。SAMformer 框架通过避免糟糕的局部最小值来帮助解决这个问题。即使在有限的训练数据集上，也能提升模型的效率。 最近将 变换器 应用于时间序列数据的研究，主要集中在优化注意力机制，以便降低二次计算成本；或分解时间序列，以便更好地捕获其潜在形态。然而，论文 《SAMformer：配合锐度感知最小化和通道级注意力，解锁变换器在时间序列预测中的潜力》 的作者曝光了一个严重问题：在缺乏大规模数据的情况下， 变换器 的训练不稳定性。
Trendline Alert V1 : 趋势线突破时发出警报 Author: Paul Conrad Carlson
Risk translation of percentage risk : 根据账户余额将风险百分比转换为货币数字 Author: Conor Mcnamara
Push Notification for Opened / Closed Trades (Netting) : 该代码提供了一个简单的功能，可在 MetaTrader 5 开仓或平仓时向移动设备发送推送通知。它专为净额结算账户（每个符号只允许一个仓位）设计。 Author: Kurren James Kidd
新文章 开发回放系统（第 72 部分）：异常通信（一） 已发布： 我们今天创造的东西将很难理解。因此，在这篇文章中，我将只谈论初始阶段。请仔细阅读这篇文章，这是我们继续下一步的重要前提。本材料的目的纯粹是教学性的，因为我们只会学习和掌握所提出的概念，而没有实际应用。 最后两篇文章中的整个过程非常有趣。这主要是由于我们必须采取的方法来实现预期的结果。我相信你们中的许多人已经学习并理解了让 MetaTrader 5 使用订单簿的正确方法。我再次强调，我们正在讨论自定义交易品种，请不要忘记这一点。 有趣的是，只需添加订单簿，我们就可以允许鼠标指标使用 OnCalculate 函数，其中数据由
新文章 交易中的神经网络：优化时间序列预测变换器（LSEAttention） 已发布： LSEAttention 框架改进变换器架构。它是专为长期多变量时间序列预测而设计。该方法作者提议的方法能应用于解决雏形变换器经常遇到的熵坍缩、及学习不稳定问题。 在计算机视觉和自然语言处理等领域，注意力矩阵可能会遭受熵坍缩、或秩坍缩。由于基于时间的数据所固有的频繁波动，这个问题在时间序列预测中会进一步加剧，往往会导致模型性能大幅下降。熵坍缩的底层原因仍然知之甚少，这凸显了进一步研究其机制、及对模型普适性影响的必要性。这些挑战是题为 《LSEAttention 是时间序列预测所需的一切》 这篇论文的专注点。
Disaster:
来自2007年自动交易锦标赛的EA交易。当价格穿过周期数为590的移动平均线时进行买入/卖出。
作者： Maxym Kondratiuk
零延迟赫尔 (Hull) 平均 : 这个版本的赫尔均线令滞后更小，并且仍然保持赫尔均线的平滑，从而令其更 "快速"。 作者： Mladen Rakic
新文章 迁移至 MQL5 Algo Forge（第 1 部分）：创建主存储库 已发布： 在 MetaEditor 中处理项目时，开发人员经常需要管理代码版本。MetaQuotes 最近宣布迁移到 GIT，并推出具有代码版本控制和协作功能的 MQL5 Algo Forge。在本文中，我们将讨论如何更有效地使用新的和以前存在的工具。 在撰写本文时，新的存储库已经可以使用，但 MetaEditor 集成尚未完成。因此，虽然 MetaEditor 仍然是主要的开发环境，但开发人员仍然仅限于基于 SVN 的 MQL Storage 。 在我们的各种项目工作中，我们积极使用现有的版本控制系统。然而，在撰写
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