文章，程序库评论 - 页 2

新文章 关于MetaTrader 4和MetaTrader 5交易信号的一般资料 已发布： MetaTrader 4 / MetaTrader 5的“交易信号”是这样一种服务，它允许普通交易者复制信号提供者的交易操作。我们的目标是开发一种能被广泛使用的新服务，它能够保护订阅者，并为他们减少不必要的成本支出。 我们的服务为何如此特别？ 我们的目标是开发一种能被广泛使用的新服务，它能够保护订阅者，并为他们减少不必要的成本支出： 所有的重点都在于保护订阅者。, 购买和出售交易信号的操作过程非常简单。, 先进并且安全的MQL5.community 支付系统

新文章 神经网络在交易中的应用：基于自适应模态分解（ACEFormer）的时间序列预测 已发布： 我们诚邀您探索 ACEFormer 架构 — 一种将概率注意力机制的有效性与自适应时间序列分解相结合的现代解决方案。本文将对那些寻求在金融市场中平衡计算性能和预测准确性的读者有所帮助。 开发预测模型的努力可以追溯到二十世纪后期。早期的神经网络架构表明，原则上可以通过训练模型来预测市场走势。然而，这些方法无法在较长的时间范围内保留信息，并且很快就会忘记不久前发生的事件。 LSTM 网络的引入改善了这种情况。得益于其记忆机制，LSTM

新文章 外汇套利交易：带风险控制的公允价值回归矩阵交易系统 已发布： 本文详细描述了交叉汇率计算算法，展示了不平衡矩阵的可视化结果，并给出了优化设置 MinDiscrepancy 和 MaxRisk 参数以实现高效交易的建议。该系统使用交叉汇率自动计算每对货币的“公允价值”，在出现负偏差时生成买入信号，在出现正偏差时生成卖出信号。 算法交易领域有无数策略，但只有少数策略具备支撑金融市场的数学优雅性和基本逻辑。今天，我想向大家介绍一个完美体现这些品质的系统 — 基于货币公允价值概念的外汇市场矩阵套利。

新文章 MQL5.community 的新的文章发布系统 已发布： 我们在 MQL5.community 为您提供了一个新的文章发布系统。在新系统中，我们通过将文章写作的整个过程细分为几个步骤，尝试令其清晰明了且舒适自在。在每一步，我们将给出有益的意见和建议 - 一些文章写作经验的精华。我们希望本文能够解答您的大部分问题。欢迎来稿；新鲜有趣的素材会使您在 MQL5.community 的访客中大受欢迎。 作者： MetaQuotes Software Corp

新文章 MQL5 MVC范式下的表格视图与控制器组件：可调整尺寸的元素 已发布： 在本文中，我们将实现通过鼠标拖动控件的边缘和角点来调整控件大小的功能。 在现代用户界面中，鼠标拖动调整元素大小是一项十分常见且符合用户预期的功能。用户可以“抓取”窗口、面板或其他可视区域的边框并拖动，以实时改变元素尺寸。这类交互功能需要一套设计完善的架构，以保证界面响应及时，并正确处理所有事件。 构建复杂界面时，一种主流的架构方案是 MVC（模型‑视图‑控制器） 。在该模式中： 模型（Model） 负责数据与逻辑； 视图（View） 负责数据展示以及与用户的可视化交互； 控制器（Controller）

新文章 价格行为分析工具包开发（第34部分）：借助高级数据采集管道将原始市场数据转化为预测模型 已发布： 你是否曾错过市场突然的尖峰行情，或者在行情发生时措手不及？预判实时行情的最佳方法是从历史形态中学习。为了训练一个机器学习模型，本文首先向您展示如何在 MetaTrader 5 中创建一个脚本，用于摄取历史数据并将其发送到 Python 进行存储 —— 为您的尖峰检测系统奠定基础。继续阅读，了解每个步骤的实际操作。

新文章 如何在 MetaTrader 应用商店中购买自动交易？ 已发布： 现在，您也可以将自动交易及任何技术指标与 MetaTrader 5 一起使用。您只需要启动 MetaTrader 5 交易端，然后打开 Toolbox（工具箱）窗口的 Market（市场）选项卡。 作者： MetaQuotes Software Corp

新文章 使用机器学习检测与分类分形模式 已发布： 在本文中，我们将探讨一个有趣的话题：利用机器学习进行分形分析和市场预测。这只是迈向探索金融价格图表上形成的各种分形结构的最初几步。我们将利用相关性来发现模式，并使用 CatBoost 算法对这些模式进行分类。 在 第一篇文章

新文章 您应该了解的MQL5向导技巧（第七十一部分）：使用MACD与OBV形态 已发布： 指数平滑异同移动平均线震荡指标（MACD）与能量潮指标（OBV），是另一组可在MQL5智能交易系统（EA）中联合使用的技术指标。与本系列文章一贯的思路相同，这一组合具有互补性：MACD用于确认趋势，OBV则用于验证成交量。我们依旧通过MQL5向导来构建并测试这一组合的潜在效果。 将趋势跟踪类震荡指标MACD与OBV搭配使用。二者互为补充：一个追踪趋势，另一个衡量成交量。我们以英镑兑日元（GBPJPY）交易品种为例，将2023年作为训练周期，2024年作为前向步进测试窗口期。在2023年的“训练”

新文章 在 MQL5 中实现保本机制（第 2 部分）：基于 ATR 和风险回报比的保本机制 已发布： 本文将完成 MQL5 中基于 ATR 和风险回报比（RRR）的保本机制实现，并从零开始开发一个类，使得在无需重新输入参数的情况下即可轻松切换保本模式。为评估每种保本类型的有效性，我们将进行多次回测，并在算法交易的背景下分析它们各自的优缺点。 欢迎来到保本机制系列文章的第二部分。在这里，我们将继续编写第一部分中尚未完成的各类保本模式代码。此外，我们将创建一个辅助类，简化用户对保本模式的选择。我们将首先介绍基于 ATR

新文章 MQL5中的自优化智能交易系统（第十部分）：矩阵分解 已发布： 分解是一种用于挖掘数据属性规律的数学方法。当我们将分解应用于以行列形式组织的海量市场数据时，能够从中挖掘市场的模式与特征。分解是一种强大的工具，本文将展示如何在MetaTrader 5终端中通过MQL5 API使用该方法，从而更深入地洞察市场数据。 矩阵分解是一种将大矩阵拆解为若干更小、更简单矩阵乘积的数学技术。这类方法具备诸多优势。然而，在介绍这些优势之前，我们先来理解为什么需要这些方法。

新文章 协方差矩阵自适应演化策略（CMA-ES） 已发布： 本文探讨了一种最有趣的非梯度优化算法，该算法能够学习理解目标函数的几何特性。我们将重点关注对 CMA-ES 的经典实现，并稍作修改 — 用幂律分布代替正态分布。我们将深入探究算法背后的数学原理以及实际实现方式，并验证 CMA-ES 在哪些方面无懈可击，以及在哪些方面应避免使用。 CMA-ES 基于一个看似简单的方程： x_k ~ N(m, σ²C) 。然而，这种简洁的背后隐藏着深厚的数学结构。这里的每个符号都承载着关于搜索状态的重要信息： m 是当前对最优解位置的最佳猜测， σ 是我们愿意冒险偏离已知解的程度度量，而 C

新文章 在 MetaTrader 5 中使用自组织特征映射（Kohonen 映射） 已发布： 自组织特征映射（Kohonen 映射）最有趣的方面是，其在不受监督的情况下就可学会对数据进行分类。就其基本形式而言，该映射能够生成输入数据的一个类似映射（聚类）。可使用 SOM 映射实现高维数据的分类和可视化。在本文中，我们将讨论 Kohonen 映射的几个简单应用。 作者： MetaQuotes Software Corp

新文章 交易机器人在市场发布前必须经过的检验 已发布： 任何产品在市场发布之前，它必须通过强制的预先检验，以确保符合统一的质量标准。本文介绍了开发者们在他们的技术指标和交易机器人中最常犯下的错误，并且也展示了在把产品发送到市场之前如何进行自我测试。 平台中集成的 策略测试器 不仅允许回测交易系统，而且可以用于发现交易机器人开发过程中的逻辑和算法错误，在测试中，所有有关交易操作的消息以及发现的错误都输出在测试器的 日志(Journal) 中。使用特别的记录 阅读器 就可以很方便地分析这些消息, 它可以使用上下文菜单的命令调用出来。 作者： MetaQuotes Software Corp

新文章 无需真实期权的期权交易（第二部分）：实盘中的应用 已发布： 本文探讨了简单的期权策略及其在MQL5中的实现。我们将开发一个基础 EA，并逐步对其进行升级，使其变得更加复杂。 在本系列的 第一部分 中，我们简要介绍了 期权 这一交易工具，以及它的功能、优势和劣势。我们提出了利用标的资产来模拟期权的理论，并在MQL5中进行了实践实现。现在，是时候在真实的市场交易中实际运用期权了。 为此，我们需要创建一个EA，该EA将把期权模拟的层级映射为标的资产上的实际订单和持仓，并持续对由此产生的总持仓进行再平衡。 作者： Dmitriy Skub

新文章 利用机器学习研究分形市场结构导论 已发布： 本文尝试从自相似分形结构的角度来研究金融时间序列。鉴于我们有众多类比证实市场报价可作为自相似分形来考虑，这使我们能够思考此类结构的预测视野。 混沌理论描述的是那些“对初始条件高度敏感”的系统，这意味着初始条件的微小误差都可能导致长期的剧烈变化。这一现象通常被称为“蝴蝶效应”。由于这种敏感性，以及混沌系统的非周期性行为、分形维数、非线性和奇异吸引子，混沌系统在长期内是不可预测的。 金融市场并非完全随机，而是在混沌、非周期性的结构中运行，这些结构被称为奇异吸引子，它们将价格行为限制在一定的范围内。

新文章 市场模拟（第 24 部分）：SQL 入门（七） 已发布： 在上一篇文章中，我们完成了对 SQL 的必要介绍。而且，在我看来，我们已经恰当地阐明了我们想要展示和解释的关于 SQL 的内容。这样做是为了让任何前来查看正在构建的市场回放/模拟系统的人，至少能对那里可能发生的情况有所了解。关键在于，对于那些 SQL 能完美处理的事情，编程是没有意义的。 我们即将看到的内容，只有在确信自己在做什么的情况下才能使用。在未熟悉前几节内容之前，请勿尝试使用。否则，你使用 SQL

新文章 您应该了解的MQL5向导技巧（第七十六部分）：利用AO形态与包络通道进行监督学习建模 已发布： 本文承接前一篇文章。之前我们介绍了动量震荡指标（AO）与包络通道组合指标，本篇将探讨如何通过监督学习对该组合进行优化增强。动量震荡指标与包络通道是一组在趋势识别与支撑/阻力判断方面彼此互补的指标组合。我们采用的监督学习模型为卷积神经网络（CNN），该网络通过点积核函数与跨时间注意力机制自适应调整卷积核与通道维度。与之前相同，相关逻辑封装在自定义信号类文件中，可配合MQL5向导组装成智能交易系统（EA）。 我们在 前一篇文章

新文章 更好的程序员（第 07 部分）：变为一名成功的自由职业开发者的注意事项 已发布： 您想成为一名成功的 MQL5 自由开发者吗？ 如果答案是肯定的，这篇文章适合您。 不要仅仅因为报酬高就申领一件您不确定该怎样完成的任务。 由于金钱很甜蜜诱人，我相信这是您决定成为一名自由职业开发者的首要原因，所以很容易自我膨胀，认为在工作过程中，能轻松厘清事情，并加以解决。 根据我的经验，这种心态在自由职业者身上是行不通的，尤其对于那些清醒了解自己所需的严谨客户，以及那些期限很紧的任务。

BestInterval : 这个开发库用于计算最佳的交易时间段。 作者： fxsaber

新文章 从基础到中级：函数指针 已发布： 在编程方面，您可能已经听说过指针。但是您知道我们可以在 MQL5 中使用这种类型的数据吗？当然，必须以一种让我们始终保持控制、避免程序在执行时出现异常行为的方式来使用它。尽管如此，由于这是一个具有非常特定目的且针对特定类型任务的功能，因此很少听到有人讨论指针是什么以及如何在 MQL5 中使用它。 在上一篇文章“ 从基础到中级：对象（二） ”中，我们开始探讨可用于操作图表上显示的对象的第一类事件。 然而，该文章使用了一个事件类型，当用户与图表交互时，MetaTrader 5

新文章 数据科学与机器学习（第四十六部分）：在Python中使用N-BEATS进行股票市场预测 已发布： N-BEATS是一款革新性的深度学习模型，专为时间序列预测打造。该模型的初衷是超越ARIMA、PROPHET、VAR等传统时间序列预测模型。在本文中，我们将探讨该模型，并利用其实现股市行情预测。 N-BEATS（基于基函数扩展分析的时间序列预测神经网络）是一种专为时间序列预测设计的深度学习模型。它为单变量和多变量预测任务提供了灵活的框架。 该模型由研究人员 Element AI （现已并入 ServiceNow ）于2019年提出，相关论文为

新文章 您应该了解的MQL5向导技巧（第 75 部分）：动量震荡指标与包络线的应用 已发布： 比尔・威廉姆斯的动量震荡指标（AO）与包络线通道是一对可以在 MQL5 智能交易系统（EA）中互补使用的指标组合。我们利用动量震荡指标识别趋势的能力，同时引入包络线通道来定义支撑位和阻力位。在探索这组指标组合的过程中，我们使用 MQL5 向导来构建并测试二者可能具备的交易潜力。 当价格触及上轨时，表示超买状态；当价格触及下轨时，则标志着超卖状态 —— 这就是包络线指标的使用方法。信号确认尤为重要，尤其是在强势趋势行情中，因为价格可能不会

新文章 极值优化（EO） 已发布： 本文介绍极值优化算法（EO），这是一种受Bak-Sneppen（巴克–斯内彭）自组织临界性模型启发的优化方法，通过淘汰系统中表现最差的组件来实现演化。该算法的改进种群版本表明，其设计已从理论原则转向更注重实际效率，由此构建出高效的计算工具。 现实中的诸多问题（尤其是交易优化问题），其目标函数多为复杂离散空间形态，存在多重局部极值、不连续区间与不可导区域，因此传统基于梯度的优化方法并不适用。为解决此类问题，学界发展出了多种元启发式算法。各类算法在搜索空间的全局探索与局部利用的平衡上各有优劣。

新文章 在MQL5中自定义交易品种：创建三维K线自定义品种 已发布： 本文详细讲解创新指标文件3DBarCustomSymbol.mq5的完整制作流程，该指标可在MetaTrader 5中生成自定义品种，将价格、时间、成交量与波动率整合为一体化三维可视化图形。我们会讲解其数学理论基础、系统架构、实操实现步骤，以及在交易策略中的实际应用方式。 现代交易需要突破常规的数据分析思路。传统价格图表虽具备实用价值，往往无法完整呈现市场动态的全貌。价格仅为市场维度之一，成交量、波动率、时间周期规律能够帮助交易者更深度地解读市场。MetaTrader 5平台与MQL5语言提供了强大功能 ——

新文章 市场模拟（第 23 部分）：SQL 入门（六） 已发布： 在本文中，我们将探讨如何可视化一个数据库，并借此了解其结构。这是通过分析数据库的内部结构来实现的。虽然乍一看这似乎没有必要，但如果我们真的想成为数据库管理员，那么这样做是完全合理的。毕竟，有些人以维护和设计数据库为生。 在上一篇文章 市场模拟（第 22 部分）：SQL 入门（五） 中，我们探讨了如何使用主键，或者更准确地说，如何将主键与外键相关联。如果这还不清楚，我建议先阅读之前的文章。为了充分理解我们在此要做的工作，了解这一背景是必要的。 不过，在开始查看 MQL5 代码之前，我们需要了解一些 SQL 概念。 作者：

新文章 神经网络在交易中的应用：用于智能体自适应行为的分层技能发现（HiSSD） 已发布： 本文将介绍 HiSSD 框架，该框架结合分层学习与多智能体技术构建自适应系统。我们将详细分析这套创新方法如何挖掘金融市场中的隐藏模式，并在去中心化场景下优化交易策略。 传统做法是先针对单一任务训练智能体，再针对新任务做微调。但该方式存在不少缺陷。首先，智能体需要重新与新环境交互，成本高昂。其次，针对固定数量智能体训练的模型，扩展性较差。一旦智能体组成结构或任务参数发生变动，模型性能就会下降。 为解决上述问题，研究人员开始采用基于 Transformer

Woodies CCI : Woodies CCI 是一个由 Ken Woods 开发的动量指标。它是基于周期数为14的商品通道指数指标 (CCI) 的。 作者： Mladen Rakic

新文章 因果推断与量化交易中的回归模型探索 已发布： 本文探究了将回归模型应用于算法交易的可行性。与二分类模型不同，回归模型能够通过量化价格的预期波动幅度，构建灵活性更强的交易策略。 二分类是机器学习的基础任务，核心目标是将输入数据划分至两个不同类别中的任意一个。应用于外汇交易EA时，该模型通常用于预测买入信号（标记为0）或卖出信号（标记为1）。这种方式将复杂的市场运行逻辑，简化为单一的方向决策。

新文章 MQL5 Algo Forge 入门 已发布： 我们正在推出 MQL5 Algo Forge —— 一个专为算法交易开发人员设计的门户网站。它将 Git 的强大功能与直观的界面相结合，用于管理和组织 MQL5 生态系统内的项目。在这里，您可以关注有趣的作者，组建团队，并在算法交易项目上进行协作。 新的 MQL5 Algo Forge 不仅仅是您的项目列表 —— 它是一个成熟的开发人员社交网络。您可以轻松跟踪更改，维护项目历史，与志同道合的专业人士联系，并发现新想法。在这里，您可以关注有趣的作者，组建团队，并在算法交易项目上进行协作。 MQL5 Algo Forge