文章,程序库评论 - 页 2

新文章 运用聪明钱概念(SMC)提升交易水平:订单块(OB)、结构突破(BOS)与公允价值缺口(FVG) 已发布: 运用聪明钱概念(SMC)提升你的交易水平,将订单块(OB)、结构突破(BOS)与公允价值缺口(FVG)整合到一个强大的 EA 中。选择自动策略执行,或聚焦任意单一的 SMC 概念,实现灵活而精准的交易。 订单块: 订单块(OB)代表重大市场行情启动前的最后一根看涨或看跌 K 线,通常预示着机构交易者将订单布置在何处。当价格重新回到这些区域时,它们往往会充当强劲的支撑或阻力区域,提供高概率的交易机会。在这款 EA
  程序库: TradeTransactions  (82   1 2 3 4 5 ... 8 9)
TradeTransactions : 在应用程序中的任何位置来访问 OnTradeTransaction 中的数据。 作者: fxsaber
  文章 "MQL5 快速上手"  (12   1 2)
新文章 MQL5 快速上手 已发布: 您已决定学习 MQL5 交易策略的编程语言,但却对其一无所知?我们尝试从新人的视角来看待 MQL5 和 MetaTrader 5 终端,并撰写了此篇简短的介绍性文章。本文中简要地讲述了该语言的多种可能性,还包含有关使用 MetaEditor 5 及此终端的一些小贴士。 作者: MetaQuotes Software Corp
新文章 掌握 MQL5:从入门到精通(第一部分):开始编程 已发布: 本文是有关编程的系列文章的概述。这里假设的是读者之前从未接触过编程,因此,本系列从最基础的地方开始。编程知识水平:绝对的新手。 最后,我们要开始实践了!目前,我们将在 MetaEditor 中完成所有工作。它可以使用快捷方式(从桌面或开始菜单)启动,也可以直接从 MetaTrader 终端使用下图所示的方法之一启动( 图 1 )。 。 图1 . 打开 MetaEditor 的三种方法:1 - 工具栏按钮,2 - 菜单,3 - 热键 (F4) 作者: Oleh Fedorov
新文章 从新手到专家:使用MQL5实现动态新闻标题(X)——新闻交易的多品种图表视图 已发布: 今天,我们将基于图表对象开发一套多图表视图系统。开发目标是服务于新闻交易,借助MQL5算法,缩短交易者在重大新闻发布等高波动行情下的反应时间。在本示例中,我们为交易者提供一体化方案,可以在同一个新闻交易工具内同时监控多个主流交易品种。我们的开发在新闻标题EA(News Headline EA)的基础上持续迭代,目前该EA的功能还在不断扩充,无论是全自动策略使用者,还是依靠算法辅助手工交易的交易者,都能从中获得实际帮助。欢迎点击阅读、参与讨论,一起学习更多知识、思路与实战方案。
新文章 MQL5.community的支付系统 已发布: MQL5.community内置的各种服务,不但为MQL5程序开发者,也为没有任何编程经验的普通交易者,提供了非常广阔的实践机会。但是所有这些功能的实现,不能没有一个安全的支付系统,来为买家和卖家提供一种便捷的交互手段。在这篇文章中,我们向你将展示MQL5.community的支付系统是如何运作的。 作者: MetaQuotes
新文章 交易中的神经网络:分解,而非扩大模型规模(结论) 已发布: 本文将介绍一种算法,可以将时间序列分解为具备明确含义的多层分量,并基于这些分量构建简约模型。我们会系统阐述模型架构、基于MQL5/OpenCL的实际实现,以及基于历史行情数据开展的实际测试。 最后,我们使用全新数据集对模型开展测试,数据为 2025年 1月至3月 的报价。测试过程中所有参数与配置均保持不变。测试结果能够客观反映该方案的预测精度与实际可靠性。测试结果如下所示。
新文章 价格行为分析工具包开发(第三十九部分):在MQL5中实现BOS与ChoCH的自动识别 已发布: 本文介绍分形响应系统(Fractal Reaction System),这是一套精简的MQL5工具,能够将分形拐点转化为可用于交易的市场结构信号。该EA采用K线收盘判定逻辑,避免信号重绘;可以识别行情性质转变(ChoCH)预警、确认结构突破(BOS),在图表上绘制持久图形对象,并对每一个已确认事件生成日志与多渠道告警(桌面端、移动端和声音提醒)。下文将呈现算法设计、实现要点、测试结果以及完整EA源码,您可以自行编译、回测并部署这套信号识别工具。
新文章 市场模拟:仓位视图(四) 已发布: 在这里,我们将开始将之前完全相互隔离的不同组件或应用程序整合在一起。Chart Trade、鼠标指标和 EA 已经相互连接,但仍然无法直接在图表上显示交易服务器上未平仓位,这些持仓通常使用对冲订单机制进行管理。从这一点开始,这成为可能,为各种想法和未来的实施开辟了道路。尽管我们才刚刚开始将这些组件投入运行,但我们已经有了进一步发展的方向。 在当前开发阶段,仓位指标不过是一个有趣的应用程序。但如果我们将它与已经创建的其他三个应用程序结合起来,整个系统就会变得有趣得多。然而,你可能会想:我们该怎么做呢?我们要在 EA 中使用
  指标: SuperTrend Indicator  (11   1 2)
SuperTrend Indicator : 一个基于第一性原理构建的自定义 SuperTrend 指标,它将基于 ATR 的波动带与棘轮机制相结合,从而生成一条清晰、不重绘的趋势线。 内部递归状态通过正确注册的计算缓冲区进行管理,从而避免了手动管理数组实现中常见的状态丢失错误。本文摘自《初学者自制自定义指标》系列文章。 Author: Syed Jawad Hussain Naqvi
AutoGannAutoTrend : 本指标基于最近的之字转向指标峰值来绘制价格通道,斐波那契水平和江恩角度线。 作者: Nikolay Kositsin
  指标: 时区  (2)
时区 : 此指标在一天中绘制四条彩色垂直线。线的参数可在输入参数中设定。 作者: Nikolay Kositsin
VWAP - 交易量加权平均价格 : VWAP 是一款日内计算, 主要由算法和机构交易者使用, 以便评估一只股票相对其当天的成交量加权平均值的交易分布。 作者: Felipe Almeida
新文章 交易中的神经网络:以分解替代规模化 —— 模块构建 已发布: 本文我们继续实操讲解SSCNN —— 一款能够处理碎片化时间序列的新一代架构方案。SSCNN不再盲目扩大模型规模,而是依靠精巧的模块化设计、精细化处理和针对性归一化。我们将在MQL5环境中逐步搭建计算单元,为可靠的预测分析打下基础。 在前一篇文章的实操部分,我们重点在 OpenCL 环境下实现了带注意力系数的归一化内核。这项工作为核心运算的高速并行执行打下基础 —— 在各个数据分段上计算均值与标准差、同时纳入注意力权重,并直接对输入信号执行归一化。全部运算在 GPU 内完成,保障方案具备高性能与可扩展性。
新文章 从基础到中级:FileSave 和 FileLoad 已发布: 在今天的文章中,我们将探讨几种使用 FileSave 和 FileLoad 库函数的方法。尽管由于它们在特定场景中带来的某些限制或困难,许多人认为它们的使用范围有限,但正确理解这两个函数的工作原理在某些情况下可以为我们节省大量精力。它们也是处理日志文件的绝佳方式。 在上一篇文章“ 从基础到中级:沙箱与 MetaTrader ”中,我们以非常简单且实用的方式解释了沙箱的概念,以及在使用 MQL5 库函数和过程创建、处理和读取文件时,沙箱对 MetaTrader 5 工作流程的影响。
新文章 基于平均K线(Heikin Ashi)搭建专业交易系统(第一部分):自定义指标开发 已发布: 本文是一个分为上下两部分的系列文章的第一部分,旨在传授使用MQL5编写自定义指标的实用技巧与最佳实践。以平均K线(Heikin Ashi)作为实操案例,讲解平均K线图表背后的原理、平均K线柱的计算方式,并演示其在技术分析中的用法。核心内容是一份从零开发完整可用的平均K线指标的分步教程,附带清晰说明,帮助读者理解代码写法以及背后的设计逻辑。这些基础内容将为第二篇铺垫,第二篇我们将开发一套基于平均K线逻辑进行交易的智能交易系统(EA)。
新文章 交易中的神经网络:以分解替代模型规模扩张(SSCNN) 已发布: 在本文中,我们将开始探究 SSCNN 框架 —— 一套面向时间序列分析的现代架构方案,兼具精度、结构化设计与高计算效率。我们会系统剖析它的理论基础,重点对比它与前代模型的核心差异,并着手在 MQL5 环境中落地其基础组件。 如果我们想要得到一个效果好同时又足够 精简 的模型,就必须重新审视这套研究范式:与其在隐空间中重建数据结构,不如从一开始就保留并利用数据本身固有的规律。近期研究表明, 特征分解
新文章 神经网络在交易中的应用:一种端到端多变量时间序列预测模型(结论) 已发布: 我们很高兴为您呈现关于 GinAR 系列文章的最后一部分 — GinAR 是一个用于时间序列预测的神经网络框架。在本文中,我们分析了模型在新数据上的测试结果,并评估了其在真实市场条件下的稳健性。 现在我们来到了最关键 — 或许也是最有趣的 — 部分:评估 GinAR 框架在真实世界条件下的性能。我们已经完成了架构设计阶段、关键组件的实现阶段以及前向和反向传播算法的开发阶段。系统的所有组件都已得到充分开发、测试,并适应了金融时间序列的特定特征。现在,是时候将它们整合在一起,正如他们所说, 对它们进行测试 — 看看
新文章 价格行为分析工具包开发(第三十八部分):基于Tick环形缓冲区的VWAP与短窗口失衡引擎 已发布: 在本文中,我们搭建一套可投入实盘使用的MT5监控面板,它能够将原始逐笔tick数据转化为可用于交易的信号。该EA会缓存tick数据,用于计算tick级别的VWAP、短窗口订单失衡(资金流)指标,以及基于ATR的仓位大小。面板采用减少闪烁的柱状图,直观展示点差、ATR与资金流。系统会输出建议手数与1倍风险止损位,并支持自定义告警:低点差、强资金流、具备交易优势的行情状态均可触发提醒。自动交易功能被有意禁用;本项目的重心放在稳定可靠的信号生成与简洁友好的交互体验上。 滑点工具
  指标: isNewBar  (6)
isNewBar : 本函数允许检查是否一根新柱线在指定时间帧出现。 作者: Prival
蜡烛阴影 v1 : 分析蜡烛大小和阴影。 在 OnTradeTransaction 中能够截获开仓 (DEAL_ENTRY_IN) 和平仓 (DEAL_ENTRY_OUT),以及由止损平仓 (DEAL_REASON_SL) 等事件。 作者: Vladimir Karputov
新文章 价格行为分析工具包开发(第11部分):基于Heikin Ashi(平均K线)信号的智能交易系统(EA) 已发布: MQL5为开发者提供了无限可能,助您构建高度定制化的自动化交易系统。您是否知道,它甚至能执行复杂的数学运算?本文将介绍如何将日本Heikin-Ashi(平均K线)技术转化为自动化交易的策略。 Heikin Ashi技术由18世纪日本米市交易员Munehisa Homma所创,他也是K线图的先驱,该工具至今仍是技术分析的基石。Heikin Ashi技术起源于日本,其设计初衷是通过聚焦平均价格波动而非单一K线形态,帮助交易者更清晰地洞察市场趋势。在日语中, Heikin
Safe Risk Manager EA - Daily Loss, Break-Even and Trailing Stop : 用于MT5对冲账户的培训交易面板,具备风险控制、点差保护、持久的每日亏损锁定、盈亏平衡和追踪止损功能。 Author: Reynard Carelse
MACD 信号 : MetaTrader 5 版本的 MACD 信号指标。 作者: Комбинатор
新文章 EA 交易中的资金管理函数 已发布: 交易策略的开发主要着重于搜索进入和退出市场的模式以及维持仓位。如果我们能够将某些模式公式化为自动交易规则,则交易者面临计算持仓量、预付款数额等问题,以及在自动模式中维持抵押资金的安全水平以保证未平仓位的问题。在本文中,我们将使用 MQL5 语言构建几个进行这些计算的简单例子。 作者: MetaQuotes Software Corp
Spread Monitor for Scalpers : 在子窗口中显示点差直方图,包含当前/平均/最大/最小统计数据、每笔交易成本以及针对短线交易者的阈值警报。 Author: Radoslaw Karol Lubas
新文章 神经网络在交易中的应用:一种端到端多变量时间序列预测模型(关键组件) 已发布: 我们诚邀您探索 GinAR 框架关键组件的新实现 — 一种用于处理图结构时间序列的自适应算法。本文逐步分解了架构以及前向传播和误差反向传播的算法。 插值注意力 机制在该架构中起着核心作用——它并非传统的 自注意力 内核,而是一个功能完备的自适应模块,能够同时考虑变量之间的全局依赖关系和观测值的局部上下文。实际上,这意味着该模型能够利用相邻指标的结构和整体市场情况,即使在缺少最新测量值的情况下,也能预测某个财务指标的值。在现实世界中,数据往往延迟到达、不规律或存在较大间隔,因此这种方法至关重要。 GinAR
新文章 交易中的神经网络:解耦结构化分量(结论) 已发布: 本文详细讲解了SCNN架构,并介绍一种基于MQL5的实现方案。我们将演示如何把时间序列分解与神经网络方法、注意力机制相结合。 在之前的系列文章中,我们系统剖析了该模型全部内部组件的结构与作用,借助专用类完成组件实现,并精心搭建这套未来架构的每一个组成单元。这项工作颇具挑战,但成果显而易见:我们现已拥有一套功能完备的模块,每个模块在系统内都承担明确固定的职能。 顺理成章的下一步,就是将所有模块整合为一套协同运转的整体结构。 SCNN 的架构 框架 正是在这一阶段成型,它规定了模型内部信息流的组织方式 ——
QuadArb Monitor — four-corner basis dashboard : Read-only panel watching two four-corner basis groups: live divergence in pips, with only real edges flagged. 作者: QuantDev _CN
新文章 MQL5自动化交易策略(第二十九部分):构建基于价格行为的加特利谐波形态交易系统 已发布: 本文将使用MQL5开发一套加特利形态交易系统。该系统依托枢轴点与斐波那契比率识别看涨、看跌加特利谐波形态,并依据精准的入场、止损和止盈价位执行交易。系统可通过三角形、趋势线、文本标签等图表对象实现可视化展示,清晰呈现XABCD形态结构,辅助交易者分析行情。 加特利形态 是一种谐波交易结构,由五个关键波动点X、A、B、C、D构成,分为看涨形态与看跌形态两类。该形态借助特定斐波那契比率,用于识别高概率反转区域。看涨加特利形态的走势序列为:低点 — 高点 — 低点 — 高点 —