新文章 MQL5 向导技巧（第七十七部分）：使用 Gator 振荡器与积累/派发振荡器（AD Oscillator） 已发布： Gator 振荡器（Gator Oscillator）由比尔·威廉姆斯（Bill Williams）开发，与累积/派发振荡器（Accumulation/Distribution Oscillator）是另一对可在 MQL5 EA 中协同使用的指标组合。我们使用 Gator 振荡器来确认趋势，同时使用 AD 振荡器通过检查成交量来确认趋势。在探索这种指标组合时，我们一如既往地使用 MQL5 向导来构建和测试它们的潜力。
新文章 从基础到中级：在 MetaTrader 5 沙箱中处理文件 已发布： 你知道什么是沙箱吗？你知道怎么操作它吗？如果这两个问题的答案都是“否”，请阅读本文以了解沙箱的基本工作原理。您还将了解为什么 MetaTrader 5 使用沙箱来保护其某些内部数据的完整性。本文所提供的材料纯粹用于教学目的。在任何情况下，你都不应将该应用程序视为最终产品，其目的仅限于研究所呈现的概念。 在上一篇文章“ 从基础到中级：对象事件（四） ”中，我们解释并演示了读者如何开发一种方法，直接调整图表上某些对象的大小。由于此处的目标并非开发应用程序，而是通过示例演示如何使用 MQL5 来控制和操作
新文章 您应该了解的MQL5向导技巧（第七十九部分）：在监督学习中使用鳄鱼震荡指标和A/D震荡指标 已发布： 在前一篇文章中，我们完成了对鳄鱼震荡指标与集散量（A/D）震荡指标组合的研究，分析二者在原生信号模式下的应用效果。这两个指标互为补充：鳄鱼震荡指标属于趋势指标，A/D震荡指标属于量能指标。本文作为续篇，研究如何利用监督式学习，优化前文所探讨的各类特征形态。我们采用的监督学习模型为卷积神经网络（CNN），该模型结合核回归与点积相似度，对卷积核和通道进行尺度配置。一如既往，我们将逻辑写在自定义信号类文件中，该文件可配合MQL5向导来生成EA。
新文章 在线性自回归模型残差上训练非线性 U-Transformer 已发布： 本文介绍一套用于汇率预测的创新混合系统，它将线性自回归模型与用于残差分析的 U-Transformer 架构相结合。系统会根据信号质量自动切换信号来源，并内置完整的交易逻辑，支持摊平加仓/金字塔加仓策略。该方法的核心优势在于：神经网络只在线性模型的残差上训练，从而简化了任务并降低过拟合风险。整套实现完全使用 MQL5 编写，可直接用于实盘交易，并具备随市场环境变化自动适应的能力。 本文 EA 以 回归模型相关文章 中的 EA 程序为基础，在此之上新增了这套混合模型。 我们在 EURUSD 的 M15
新文章 如何订阅交易信号 已发布： MetaTrader5交易平台中的“信号”服务，允许交易者连接任何信号发布者的信号。选择并订阅任意交易信号，将它们的操作复制到你的帐户中来。 作者： MetaQuotes
新文章 MacOS 上的 MetaTrader 5 已发布： 我们为 macOS 上的 MetaTrader 5 交易平台提供了专用的安装程序。它是一个功能齐全的向导，允许您以本机方式安装应用程序。安装程序会执行所有必需的步骤：识别您的系统，下载并安装最新的 Wine 版本，对其进行配置，然后在其中安装 MetaTrader。所有步骤都在自动模式下完成，您可以在安装后立即开始使用平台。 作者： MetaQuotes Software Corp
新文章 MQL5 中的 SQLite 功能示例：按交易品种及 Magic 编码展示交易统计信息的仪表盘 已发布： 本文将介绍如何创建一个指标型仪表盘，按账户、交易品种及交易策略展示交易统计信息。我们将以官方文档及数据库相关文章中的示例为基础，逐步实现完整程序。
新文章 首次启动MetaTrader VPS：分步说明 已发布： 使用EA交易或订阅信号的每个交易者几乎都会认识到，需要为自己的交易平台租用一个可靠的24/7全天候主机服务器。出于多种原因，我们建议使用MetaTrader VPS。您可以通过MQL5.community账户方便地支付服务费用和管理订阅。 作者： MetaQuotes
新文章 如何在"应用商店"中发布产品 已发布： 将令人感兴趣的应用程序发布到"应用商店"中，那么，它们立即可供全世界所有使用 MetaTrader 5 的交易者使用。"应用商店"是一个赚钱的绝佳机会，其中包括即时转账和方便的统计数据，有助于您分析自有产品试用版本的购买次数与下载次数。"应用商店"中所有的 MQL5 程序均针对一位特定买家加密，最多允许三次激活，不需要您做出任何额外防护。 作者： MetaQuotes Software Corp
新文章 价格行为分析工具包开发（第三十七部分）：市场情绪偏向计 已发布： 市场情绪是影响价格走势最容易被忽视的强大因素之一。尽管大多数交易者依赖滞后指标或是主观猜测，但市场情绪偏向计（STM）智能交易系统（EA）能够将原始市场数据转化为清晰的可视化指引，实时显示市场倾向看涨、看跌还是保持中性。这让确认交易、避免虚假入场信号以及更有效地把握市场参与时机变得更加容易。 本文是 价格行为分析工具包开发
新文章 MetaTrader 5 机器学习蓝图（第一部分）：数据泄露与时间戳修正 已发布： 在开始将机器学习用于 MetaTrader 5 交易之前，必须先处理一个常被忽视的关键问题：数据泄露。本文深入剖析了数据泄露，尤其是 MetaTrader 5 时间戳陷阱，说明它如何扭曲模型表现并导致不可靠的交易信号。通过深入研究这一问题的机理并提出预防策略，我们为构建稳健的机器学习模型铺平了道路，这些模型能够在实时交易环境中提供值得信赖的预测结果。 数据窥探或数据泄露可能看似微不足道，但其对机器学习模型的影响可能是巨大的，甚至是毁灭性的。想象一下，你在备考时 无意中
新文章 竞争性学习算法（CLA） 已发布： 本文介绍了竞争性学习算法（CLA），这是一种基于模拟教育过程的新型元启发式优化方法。该算法将解的种群组织为若干班级，班级中包含学生，而每个班级中最优的学生充当教师。其中代理通过三种机制进行学习：跟随班级中的最优解、利用个人经验以及在班级之间共享知识。 在过去的几十年里，人们提出了许多受生物启发的算法，从蚁群算法、粒子群算法到灰狼算法和鲸鱼算法。然而，人类社会因其复杂的社会互动，也可以成为有效优化方法创意的丰富源泉。这一思想正是竞争性学习算法（CLA）的基础。 CLA
新文章 克服机器学习的局限性（第二部分）：缺乏可重复性 已发布： 本文探讨了即便使用相同的策略和金融标的，不同经纪商的交易结果为何仍会存在显著差异，原因在于定价的分散化以及数据差异。本文有助于MQL5开发者理解为何他们的产品在MQL5市场上的评价褒贬不一，并敦促开发者针对特定经纪商调整方法，以确保结果透明且可重复。如果这一做法能被广泛地采用，将有望成为我们社区重要的特定领域最佳实践。 为了便于讨论，我随机选取了用于独立交易的两家经纪商。根据我们的社区准则，禁止推广经纪商，因此将他们的名字隐去，以“经纪商A”和“经纪商B”取而代之。 我使用MetaTrader
新文章 如何在 MQL5.com 上造就成功的信号提供者 已发布： 在本文中我的主要目标是为您提供一个简单而精准的步骤说明，助您变身 MQL5.com 上的顶级信号提供者。 借鉴我的知识和经验，我将讲解如何造就一名成功的信号提供者，包括如何寻找、测试、和优化一个优秀的策略。 此外，我将提供有关发布信号、撰写令人信服的推介、以及有效推广和管理信号的提示。 外汇是最大的金融市场，全球范围每日流转额超过 6 万亿美元，令精通交易的人士无法抗拒。 外汇交易是高盈利、高风险行业，任何人花上几小时或几天进行交易就能证明。
新文章 使用MQL5实现Firebase数据的增删改查 已发布： 本文提供一份循序渐进指南，带您掌握Firebase的CRUD（创建、读取、更新、删除）操作，重点聚焦实时数据库与Firestore。您将学习如何使用Firebase SDK方法高效管理Web与移动端应用的数据，涵盖新增记录、查询、修改以及删除数据条目。文中提供实用代码示例，并且介绍了实时场景下的数据结构设计与处理最佳实践，帮助开发者依托Firebase灵活的NoSQL（非关系型）架构，开发动态、可扩展的应用程序。
新文章 机器学习中的高斯过程（第一部分）：MQL5 中的分类模型 已发布： 本文探讨了高斯过程的分类模型。我们将首先研究其理论原理，然后转向 MQL5 中 GP（高斯过程）库的实际开发。 我们将继续了解机器学习模型 — 高斯过程（GP）。在上一篇 文章 中，我们详细探讨了回归问题，其主要目标是预测连续值。而今天，我们要面对一个更为复杂的话题 — 分类。其主要难点在于，高斯过程中的分类推理没有解析解，需要使用拉普拉斯近似等近似方法。 为了有效解决这一复杂问题，我们将在 MQL5 中开发一个高斯过程的模块化库。这种方法可以通过将 GP
新文章 Parafrac震荡器：抛物线SAR与分形指标的组合 已发布： 我们将探究如何把抛物线SAR与分形指标相结合，构建一款全新的震荡器。通过融合这两种工具各自独有的优势，交易者有望开发出一套更完善且更高效的交易策略。 技术指标是市场交易者不可或缺的工具，它将复杂的数学公式转化为直观的图形展示。这种可视化形式有助于高效开展市场分析、制定交易策略以及设计入场方案。至关重要的是，每当新行情数据到来时，这类自动化工具可以让交易者摆脱繁琐的手动重新计算工作，保证分析结果实时更新、紧跟市场变化。
新文章 价格行为分析工具包开发（第十八部分）：四分位理论（3）——四分位看板 已发布： 本文中，我们在原有四分位脚本的基础上新增 "四分位看板"（Quarters Board） 工具，该工具让您无需返回代码即可直接在图表上切换四分位水平。您可以轻松启用或禁用特定水平，EA还会提供趋势方向注释，帮助您更好地理解市场走势。 如前文所述，该工具支持通过图表按钮动态控制显示价位，无需修改布尔参数。四分位看板作为智能交易系统（EA），配备四个功能按钮：大四分位线、小四分位线、上冲/下探和趋势方向。点击任意按钮可切换对应价位：按钮文字激活时显示绿色，关闭时显示红色。 趋势方向按钮
新文章 MQL5中的量子神经网络（第一部分）：创建包含文件 已发布： 本文提出了一种基于量子原理与AI（人工智能）构建交易系统的全新方案。作者阐述了一套独特神经网络的开发过程，该网络融合量子力学与现代AI架构，突破了传统机器学习框架。 人类大脑会同时调用多种类型的记忆。当经验丰富的交易者观察行情图表时，会瞬间回忆起历史上的相似行情，分析当下市场环境，凭借直觉预判后续可能发生的行情。这一原理正是我们的上下文分析器（ContextAnalyzer）的设计基础，该创新组件以数字化的方式复现人类交易直觉。
新文章 交易中的神经网络：跨域时间序列预测框架（结论） 已发布： 本文聚焦于TimeFound时间序列预测模型的工程落地实现，探讨如何基于MQL5实现该框架核心算法的关键步骤。 第一阶段，使用 欧元兑美元 （EURUSD）货币对一分钟周期的五年历史数据训练编码器。如此庞大且精细的数据量，足以生成对当前市场状态具备深度语义的隐表征。编码器学习识别关键模式、挖掘市场规律，并将市场行情编码为紧凑且富含信息的向量，供给其余全部模块使用。 第二阶段，对架构中的核心交互组件 —— Actor 、 Director 和 Critic
新文章 市场模拟（第 24 部分）：仓位视图（二） 已发布： 在本文中，我将展示如何以最简单、最实用的方式使用指标来跟踪交易服务器上的未平仓位。我将逐步演示，以表明您并不一定需要将所有这些操作都转移到 EA 中。你们中的许多人可能因为这样或那样的原因已经习惯了这样做。事实上，这并不完全合理，因为随着这种实现方式的演变，您将清楚地看到，您可以为此目的创建或实现不同类型的指标。 在上一篇文章“ 市场模拟：仓位视图（一） ”中，我们开始探讨创建并实现一个指标的可能性，该指标能让我们直接在交易品种图表上对未平仓位进行可视化展示。虽然许多人认为没有必要这样做，因为我们可以依靠 MetaTrader 5
新文章 针对初学者以 MQL5 编写“EA 交易”的分步指南 已发布： 使用 MQL5 的“EA 交易”编程很简单，您可以轻松学会。我们在本分步指南中向您指出了基于开发的交易策略编写简单的“EA 交易”所需的基本步骤。“EA 交易”的结构、内置技术指标和交易函数的使用、调试模式的详细内容以及策略测试程序的使用将在本文中一一论及。 作者： Samuel
新文章 交易中的神经网络：一种跨领域时间序列预测框架（TimeFound） 已发布： 本文将分步搭建 TimeFound 智能模型的核心模块，使其适配真实场景下的时序预测任务。如果你希望了解神经网络分块算法在 MQL5 中的工程落地实现，那么本文正是为你准备的。 过去， ARIMA 和指数平滑等经典统计模型得到了广泛应用。就连线性回归往往也能发挥不错的效果。主张采用简易模型的论点听起来十分有说服力 —— 直到深度神经网络登上舞台。现如今，深度学习模型早已不再只是 小有成果 ；它们收获了丰硕的成果，凭借着处理海量历史数据时出色的精度与运算速度令人惊叹。
J. F. Ehlers 重心 : 重心振荡器，由 John Ehlers 开发并发表于 "Stocks & Commodities (股票 & 期货)" 杂志 (2002 五月)。 作者： Nikolay Kositsin
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 交易中的神经网络：面向准确分类的有效特征提取（最终部分） 已发布： Mantis框架将复杂时间序列转换为富含信息的token，可作为智能交易代理的可靠基座，支持实时运行。 第一阶段： 编码器 的对比学习训练。训练使用 欧元兑美元 （EURUSD） M1 周期过去五年的历史数据。如此的数据量级与细节粒度，让 编码器 能够学习出高质量、信息丰富的市场状态隐特征表征，作为整个系统后续运行的底层基础。 第二阶段：系统核心组件的离线训练，包括 Actor 、 Director 和 Critic 。该阶段使用2024年采集的数据集，保留全部前期设定参数。训练引入 近最优轨迹
新文章 从基础到中级：对象事件（四） 已发布： 在本文中，我们将完成上一篇文章中已经开始的内容：一种直接在图表上以完全交互的方式调整对象大小的方法。尽管许多人认为创建这样的功能需要对 MQL5 有更深入的了解，但您将看到，只需运用简单的概念和基础知识，我们就可以实现一种直接在图表上操作对象的方法。这样最终会得到一个既有趣又相当吸引人的结果。 我们在上一篇文章中看到的远未达到完全合乎逻辑的程度，至少如果我们只查看附件中现有的代码，就可以发现这一点。你可以研究、练习并使用这些代码来了解如何用极少量的代码创建这样的交互。
新文章 从新手到专家：支撑与阻力强度指标（SRSI） 已发布： 在本文中，我们将分享如何利用MQL5编程来精准定位市场关键价位——区分价格水平中的弱势与强势区域。我们将完整开发一个可用的支撑与阻力强度指标（SRSI）。 我首先从波动率指数下的一个合成交易对——波动率75（1秒）指数——在周线图上开始分析。该交易对大约在2020年推出时，起初价格较高，但很快经历了长时间的暴跌，形成了数周的强劲下跌趋势。在那段时间做空该交易对的交易者可能获得了可观的利润。然而，我的主要关注点是市场结构，特别是过去三年的市场结构。
新文章 神经网络变得轻松（第四部分）：循环网络 已发布： 我们继续研究神经网络的世界。 在本文中，我们将研究另一种类型的神经网络，循环网络。 此类型建议与时间序列配合使用，其在 MetaTrader 5 交易平台中由价格图表呈现。 当然，在每个 LSTM 模块中使用 4 个内部神经层，以及算法本身的复杂性都会影响性能，因此，这种神经网络的速度比之前所研究的卷积网络要低一些。 然而，循环网络的均方根误差要小得多。 在循环神经网络训练过程中，目标命中准确性图形具有明显的、几乎笔直的上升趋势。 作者： Dmitriy Gizlyk
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