新文章 GIT：它是什么？ 已发布： 在本文中，我将为开发人员介绍一个非常重要的工具。如果您不熟悉 GIT，请阅读本文，以了解它是什么以及如何在 MQL5 中使用它。 在本文中，我们将稍稍偏离我们的主题。让我们从回放/模拟器系统的主题稍作休息，了解一下所有程序员都必须使用的工具。如果您对它不熟悉，一定要阅读本文并采用这一工具，因为它确实能让任何程序员更轻松、更快速地解决问题。 我们将主要关注那些努力成为合格专业人士的初学者。不幸的是，我要向您展示的工具在 Windows 11 上并不像在 Windows 10 上那样易于使用，所以如果您是 Windows
新文章 神经网络变得简单（第 70 部分）：封闭式政策改进运算器（CFPI） 已发布： 在本文中，我们将领略一种算法，其使用封闭式政策改进运算器来优化离线模式下的智能体动作。 约束智能体行为的情况下优化其政策的方式，事实证明，在解决离线强化学习问题方面很有前景。通过利用历史过渡，智能体政策经过训练，可以最大化所学习的数值函数。 行为约束政策有助于避免与智能体动作相关的重大分布偏移，这为评估动作成本提供了足够的信心。在上一篇文章中，我们领略了 SPOT 方法，它利用了这种方式。作为该主题的延续，我建议领略封闭式政策改进（CFPI）算法，其在论文 《依据封闭式政策改进运算器的离线强化学习》
Moving Average-RMA 相对移动平均线 : Relative Moving Average (RMA) is a variant of EMA the factor is 1/period 作者： Mage He
双线一柱变色MACD指标 : MT5已经自带了很多指标，给交易带来了极大便利，作为辅助工具，很多时候我们需要对其进行进一步改造，或重新自定义指标，本例通过实现双线一柱变色MACD指标来进行说明。 作者： Wen Tao Xiong
新文章 交易中的追踪止损 已发布： 在本文中，我们将研究追踪止损在交易中的使用。我们将评估它的实用性和有效性以及如何使用它。追踪止损的效率很大程度上取决于价格波动和止损水平的选择。可以使用各种方法来设置止损。 让我们检查一下简单的追踪止损在有止盈和无止盈的情况下如何运行。同时，我们将引入一个附加条件——只有追踪止损将止损移至盈亏平衡区域后，才可以设置和修改止盈。 我将使用 EURUSD H1。测试时间段 - 2023年1月1日至12月31日。追踪止损时间框架 M1。持仓方向和持仓交易量是随机确定的。不设置止损和止盈位置。 余额图如下所示。 测试结束时，一些仓位被强制关闭 -
新文章 神经网络变得简单（第 69 部分）：基于密度的行为政策支持约束（SPOT） 已发布： 在离线学习中，我们使用固定的数据集，这限制了环境多样性的覆盖范围。在学习过程中，我们的 Agent 能生成超出该数据集之外的动作。如果没有来自环境的反馈，我们如何判定针对该动作的估测是正确的？在训练数据集中维护 Agent 的政策成为确保训练可靠性的一个重要方面。这就是我们将在本文中讨论的内容。 用于解决此问题的各种离线强化学习方法都会采取参数化或正则化，其限制 Agent 的政策于训练数据集的支持集之内执行动作。详细的结构通常会干扰 Agent
新文章 时间序列分类问题中的因果推理 已发布： 在本文中，我们将研究使用机器学习的因果推理理论，以及 Python 中的自定义方法实现。因果推理和因果思维植根于哲学和心理学，在我们理解现实中起着重要作用。 Alison Gopnik
新文章 MQL5 简介（第 3 部分）：掌握 MQL5 的核心元素 已发布： 在这篇便于初学者阅读的文章中，我们将为您揭开数组、自定义函数、预处理器和事件处理的神秘面纱，并对所有内容进行清晰讲解，让您可以轻松理解每一行代码，从而探索 MQL5 编程的基础知识。加入我们，用一种独特的方法释放 MQL5 的力量，确保每一步都能理解。本文为掌握 MQL5 奠定了基础，强调了对每行代码的解释，并提供了独特而丰富的学习体验。 在本文中，我们将讨论以下主题： 数组 自定义函数 预处理器 事件处理 在我们开始第 3 部分深入 MQL5
新文章 神经网络变得简单（第 68 部分）：离线优先引导政策优化 已发布： 自从第一篇专门讨论强化学习的文章以来，我们以某种方式触及了 2 个问题：探索环境和检定奖励函数。最近的文章曾专门讨论了离线学习中的探索问题。在本文中，我想向您介绍一种算法，其作者完全剔除了奖励函数。 在离线优先引导学习的背景下，一般方式包括两个步骤，通常涉及使用监督学习优化奖励函数模型，然后利用任意离线 RL
新文章 多交易品种多周期指标中的 DRAW_ARROW 绘图类型 已发布： 本文将介绍如何绘制多交易品种多周期的箭头指标。我们还将改进类方法，以便正确显示箭头指标的数据，这些数据是根据与当前图表交易品种/周期不一致的交易品种/周期计算的。 我们继续讨论多交易品种多周期指标。本系列的 上一篇文章 介绍了多交易品种多周期指标。在本文中，我们将修改多指标类，使其可以与箭头指标一起使用。 箭头指标意味着其绘图缓冲区中的数据并非始终可用。该值存在于显示箭头的缓冲区中，而在其他时候，缓冲区中包含的是为其设置的空值。通常是
新文章 开发多币种 EA 交易（第 1 部分）：多种交易策略的协作 已发布： 交易策略是多种多样的，因此，或许可以采用几种策略并行运作，以分散风险，提高交易结果的稳定性。但是，如果每个策略都作为单独的 EA 交易来实现，那么在一个交易账户上管理它们的工作就会变得更加困难。为了解决这个问题，在一个 EA 中实现不同交易策略的操作是合理的。 我们需要决定我们想要什么，以及我们拥有什么。 我们有（或几乎有）： 以现成 EA 代码的形式，或仅仅是一套用于执行交易操作的规则，在不同交易品种和时间框架上运行的一些不同的交易策略 起始存款 最大允许回撤 我们想要：
新文章 开发回放系统（第 41 部分）：启动第二阶段（二） 已发布： 如果到目前为止，你觉得一切都很好，那就说明你在开始开发应用程序时，并没有真正考虑到长远的问题。随着时间的推移，你将不再需要为新的应用程序编程，只需让它们协同工作即可。让我们看看如何完成鼠标指标的组装。 我只是想让拥有多年编程经验的读者停止一遍又一遍地做同样的事情。也许，是时候仔细审视一下自己的工作了。不要再因为缺乏周密计划而重复做同样的事情。 事实上，在回放/模拟系统中，新阶段的开始背后隐藏着一个原因。我们已经在另一篇文章中讨论过这个问题。我已经厌倦了在 MQL5
新文章 开发回放系统（第 38 部分）：铺路（II） 已发布： 许多认为自己是 MQL5 程序员的人，其实并不具备我在本文中将要概述的基础知识。许多人认为 MQL5 是一个有限的工具，但实际原因是他们尚未具备所需的知识。所以，如果您有啥不知道，不要为此感到羞愧。最好是因为不去请教而感到羞愧。简单地强制 MetaTrader 5 禁用指标重叠，并不能确保指标和智能系统之间的双向通信。我们离这个目标还很远，但指标在图表上没有重叠的事实给了我们一些信心。 在上一篇文章 《 开发回放系统（第 37 部分）：铺路（I）》
新文章 将指标应用至其他指标 已发布： 在编写使用 OnCalculate() 函数调用的简短形式的指标时，您可能会忽略这样一个事实，即指标的计算不仅可以通过价格数据完成，还可以通过其他指标（无论是内置指标还是自定义指标）的数据实现。是否要改进指标以使其可以正确应用至其他指标的数据？在本文中，我们将回顾修改所需的所有步骤。 作者： MetaQuotes Software Corp
新文章 构建和测试 Aroon 交易系统 已发布： 在本文中，我们将学习在了解了 Aroon 指标（阿隆指标）的基础知识和基于该指标构建交易系统的必要步骤之后，如何构建 Aroon 交易系统。建立这个交易系统后，我们将对其进行测试，看看它是否能盈利，还是需要进一步优化。 在交易和技术分析领域，我们可以使用很多工具，但肯定不会全部使用，而是在测试和优化后选择一种或多种盈利工具组合。本文的目的是尝试提供一种在这种情况下有用的方法，或者让你深入了解一种不同的观点或想法，你可以应用它，看看哪种自动化交易系统适合你。
新文章 种群优化算法：改变概率分布的形状和位移，并基于智能头足类生物（SC）进行测试 已发布： 本文研究了改变概率分布形状对优化算法性能的影响。我们将进行的实验，会用到智能头足类生物（SC）测试算法，从而评估优化问题背景下各种概率分布的效能。 在撰写本文，并生成具有必要分布的随机数的特定类方法时，便于在构建优化算法中使用，这令我了解到 Rastrigin 函数有几个严重的缺点，这些缺点在选择该测试函数时并不明显，因此我决定不用它。旧的 Rastrigin 将被 Peaks 函数替换（下一篇文章将提供更完整的理由）。 “智能头足类生物”在行动 作者： Andrey Dik
新文章 开发具有 RestAPI 集成的 MQL5 强化学习代理（第 4 部分）：在 MQL5 中组织类中的函数 已发布： 本文讨论 MQL5 中从面向过程编码向面向对象编程 (OOP) 的过渡，重点是与 REST API 的集成。今天，我们将讨论如何将 HTTP 请求函数（GET 和 POST）组织到类中。我们将仔细研究代码重构，并展示如何用类方法替换孤立的函数。本文包含实用的示例和测试。 在本文中，我们将迈出重要的一步，在 MQL5 中将函数组织成类。为此，我们将使用面向对象编程（object-oriented programming，OOP）。OOP
新文章 使用 Python 和 MetaTrader5 python 软件包及 ONNX 模型文件进行深度学习预测和排序 已发布： 本项目涉及在金融市场中使用 Python 进行基于深度学习的预测。我们将探索使用平均绝对误差（MAE）、均方误差（MSE）和R平方（R2）等关键指标测试模型性能的复杂性，并学习如何将所有内容打包到可执行文件中。我们还将制作一个 ONNX 模型文件以及它的 EA。 现在，利用 MetaQuotes 的文章《 如何在 MQL5 中使用 ONNX 模型 》中的思路，我正在将模型转换为 ONNX 格式。按照同一篇文章中提供的指导原则，我将把生成的 ONNX
新文章 频域中的滤波和特征提取 已发布： 在本文中，我们探索了在时间序列由数字滤波器在频域上进行表达的应用，如此即可提取也许对预测模型有用的独特特征。 在文章 《面向初学者的 MQL5 数字过滤器的实际实现》 一文中，作者阐述了通过卷积在时域中应用的数字滤波器。该系列是一组不同长度的唯一权重的乘积，具体取决于滤波器类型及其参数。权重数量定义了一个移动窗口，当滤波器应用于该数据范围时，会与相应的序列值进行卷积。移动平均线也以相同的方式工作。 在本文中，我们将把滤波器应用在频域之中。涉及的基本步骤如下： 首先，在准备 DFT 操作时对序列进行预处理。 DFT 使用 快速傅里叶变换算法（FFT）
新文章 用于时间序列挖掘的数据标签（第 6 部分）：使用 ONNX 在 EA 中应用和测试 已发布： 本系列文章介绍了几种时间序列标注方法，可以创建符合大多数人工智能模型的数据，根据需要进行有针对性的数据标注可以使训练好的人工智能模型更符合预期的设计，提高我们模型的准确性，甚至帮助模型实现质的飞跃！ 在上一篇文章中，我们讨论了如何使用套接字（websocket）在 EA 和 python 服务器之间进行通信，以解决回测问题，还讨论了我们采用这种技术的原因。在本文中，我们将讨论如何使用 mql5 原生支持的 onnx 对我们的模型进行推理，但这种方法有一些局限性。如果您的模型使用了 onnx
双线MACD: 本指标MACD(2lines)是基于国内的股票软件通达信的MCAD改编。大家已经习惯了国内软件上的两条线的MCAD，而MT4自带的MACD只有一条线。 作者： Ziheng Zhuang
新文章 MetaTrader 5 和 R 进行算法交易新手指南 已发布： 当我们揭开 R 和 MetaTrader 5 无缝结合的艺术面纱时，您将开始一场金融分析与算法交易的精彩探索。本文是您将 R 语言中的分析技巧与 MetaTrader 5 强大的交易功能连接起来的指南。 MetaTrader 是全球公认的交易平台领域的巅峰之作。该软件以其工业级的质量而闻名，免费提供，使广大用户都能使用。因此，MetaTrader 社区逐年稳步增长。该社区现在比历史上任何时候都更加多元化，由来自不同文化背景、拥有不同编程语言能力的个人组成。值得注意的是，除 MQL 5（平台官方语言）外，Python 也是
新文章 为 Metatrader 5 开发 MQTT 客户端：TDD 方法 - 第 5 部分 已发布： 本文是系列文章的第五部分，介绍了我们为 MQTT 5.0 协议开发本地 MQL5 客户端的步骤。在这一部分中，我们将介绍 PUBLISH 数据包的结构、如何设置其发布标志（Publish Flag）、如何对主题名称（Topic Name）字符串进行编码，以及在需要时如何设置数据包标识符（Packet Identifier）。 MQTT 是一种 pub/sub（发布/订阅） 消息共享协议。因此，我们可以预计其核心是 PUBLISH（发布） 和 SUBSCRIBE
新文章 种群优化算法：进化策略，(μ,λ)-ES 和 (μ+λ)-ES 已发布： 本文研究一套称为进化策略（ES）的优化算法。它们是最早使用进化原理来寻找最优解的种群算法之一。我们将针对传统的 ES 变体实现变更，并修改算法的测试函数和测试台方法。 新函数称为 “Hilly”（图例 2）。与 “Forest” 和 “Megacity” 一样，它指的是复杂的测试函数。对于这三个函数，位于最大高度的 50% 以上的表面积大致相同，约占函数总面积的 20%。 Hilly、Forest 和 Megacity
布林带宽度 1.0 用于 MetaTrader 5 : 本指标测量布林带® 之间距离, 并将之作为单一指标, 使用 MetaTrader 5 技术来简化布林带计算。 作者： Larry
信号:
对于那些不能在外汇市场投入太多时间来分析当前形势, 并作出正确和自信决策的投资者, 这个解决方案是在线交易的一个组成部分。
作者： John Smith
新文章 数据科学和机器学习（第 17 部分）：摇钱树？外汇交易中随机森林的艺术与科学 已发布： 探索算法炼金术的秘密，我们将引导您融会贯通如何在解码金融领域时将艺术性和精确性相结合。揭示随机森林如何将数据转化为预测能力，为驾驭股票市场的复杂场景提供独特的视角。加入我们的旅程，进入金融魔法的心脏地带，此处我们会揭开随机森林在塑造市场命运、及解锁赚钱机会之门方面之角色的神秘面纱 对于相同的参数，回归树似乎具有更多的分支，这会导致分类决策树中的分支更少。 在训练期间，我们的回归模型的准确率为 59%;；这是一个很好的迹象，我们做对了吗？当把预测绘制成图形时，它们如下所示：
iFibonacci:
这款指标将绘制斐波纳契工具, 诸如回撤线, 弧形, 扇形, 扩展, 时区。基于之字折线指标。
作者： awran5
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