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
新文章 用于时间序列挖掘的数据标签（第 5 部分）：使用 Socket 在 EA 中进行应用和测试 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，根据需求有针对性地进行数据标注，可以使训练出来的人工智能模型更符合预期设计，提高我们模型的准确性，甚至帮助模型实现质的飞跃！ 在前几篇文章中，我讨论了如何根据我们自己的需要标注数据，并用它们来训练时间序列预测模型，但你可能还不太清楚如何更好地使用这些模型。现在是时候讨论如何在 MetaTrader 5 的历史回测中验证我们创建的模型，并将其纳入我们的 EA。但是你要知道，在 EA
新文章 在 MQL5 中实现增广迪基–富勒检验 已发布： 在本文中，我们演示了增广迪基–富勒（Augmented Dickey-Fuller，ADF）检验的实现，并将其应用于使用 Engle-Granger 方法进行协整检验。 简单地说，ADF检验是一种假设检验，它使我们能够确定观察到的数据的特定特征是否具有统计学意义。在这种情况下，所要确定的特征是序列的平稳性。
新文章 数据科学和机器学习（第 16 部分）：全新面貌的决策树 已发布： 在我们的数据科学和机器学习系列的最新一期中，深入到错综复杂的决策树世界。本文专为寻求策略洞察的交易者量身定制，全面回顾了决策树在分析市场趋势中所发挥的强大作用。探索这些算法树的根和分支，解锁它们的潜力，从而强化您的交易决策。加入我们，以全新的视角审视决策树，并探索它们如何在复杂的金融市场航行中成为您的盟友。 在本系列文章中，我撰写了一篇关于 决策树
新文章 MQL5 简介（第 2 部分）：浏览预定义变量、通用函数和控制流语句 已发布： 通过我们的 MQL5 系列第二部分，开启一段启迪心灵的旅程。这些文章不仅是教程，还是通往魔法世界的大门，在那里，编程新手和魔法师将团结在一起。是什么让这段旅程变得如此神奇？我们的 MQL5 系列第二部分以令人耳目一新的简洁性脱颖而出，使复杂的概念变得通俗易懂。与我们互动，我们会回答您的问题，确保您获得丰富和个性化的学习体验。让我们建立一个社区，让理解 MQL5 成为每个人的冒险。欢迎来到魔法世界！ 这些文章是简洁的灯塔，它们采用独特的方法，以清晰的方式解开 MQL5
新文章 改编版 MQL5 网格对冲 EA（第 1 部分）：制作一个简单的对冲 EA 已发布： 我们将创建一个简单的对冲 EA，作为我们更高级的 Grid-Hedge EA 的基础，它将是经典网格和经典对冲策略的混合体。在本文结束时，您将知晓如何创建一个简单的对冲策略，并且您还将知晓人们对于该策略是否能真正 100% 盈利的说法。 您是不是正在深入了解智能系统（EA）的交易世界，但一直遇到这句话 —
新文章 开发回放系统（第 40 部分）：启动第二阶段（一） 已发布： 今天我们将讨论回放/模拟器系统的新阶段。在这个阶段，谈话才会变得真正有趣，内容也相当丰富。我强烈建议您仔细阅读本文并使用其中提供的链接。这将帮助您更好地理解内容。 在上一篇文章中 开发回放系统（第 39 部分）：铺平道路（三） 中，我们研究了如何组织进程之间的通信以实现某些操作。目前我们正在使用 EA 和指标，但根据需要我们将能够扩展这些工具。 这种通信方式的主要优点是我们可以以模组形式构建我们的系统。您可能还不了解我们真正能做什么。最终，我们将能够通过比使用全局终端变量更“安全”的渠道在进程之间交换信息。
新文章 开发回放系统（第 39 部分）：铺平道路（三） 已发布： 在进入开发的第二阶段之前，我们需要修正一些想法。您知道如何让 MQL5 满足您的需求吗？您是否尝试过超出文档所包含的范围？如果没有，那就做好准备吧。因为我们将做一些大多数人通常不会做的事情。 因此，是时候反其道而行之了，即让指标告诉调用者（在我们的例子中就是 EA 交易）一些有意义的事情。我们需要知道该如何继续。 这里有几件事，其中有些很容易解释，有些则不那么容易。相应地，其中一些很容易展示，而另一些则需要更多时间。但无论如何，我们都将在本文中为建立 Chart Trader 奠定必要的基础。这里将在回放/模拟系统中开发的
新文章 理解编程范式（第 1 部分）：开发价格行为智能系统的过程化方式 已发布： 了解编程范式及利用 MQL5 代码的应用。本文探讨了过程化编程的细节，并通过一个实际示例提供了实经验。您将学习如何利用 EMA 指标和烛条价格数据开发价格行为智能系统。额外，本文还介绍了函数化编程范式。 依据 EMA 指标的价格动作策略 我们的交易策略依赖于一个称为指数移动平均线（EMA）的单一指标。该指标广泛用于技术分析，有助于基于您选择的交易设置判定市场方向。您可以在 MQL5 上轻松找到移动平均线作为标准指标，从而可以直接将其合并到我们的代码当中。 买入入场：
新文章 在 MQL5 中创建做市商算法 已发布： 做市商是如何运作的？让我们探讨一下这个问题，创建一个初级的做市商算法。 很多人认为做市商根本不承担任何风险。然而，情况并非如此。做市商的主要风险是库存风险。这种风险在于头寸可能朝一个方向急剧变动，而无法关闭头寸并从价差中获利。例如，当疯狂的人群抛售某种资产时，做市商被迫买断全部供应。结果，价格变成负数，导致做市商蒙受损失。 公司会试图通过使用特殊的价差居中公式和确定最佳买卖价格来避免这种风险。但这并非总能实现。即使价格不是最优的，做市商的工作也是为市场提供流动性，即使暂时亏损，他们也必须完成这项工作。 作者： Yevgeniy
新文章 MQL5 中的定量分析：实现有前途的算法 已发布： 我们将分析什么是定量分析，以及主要参与者如何运用定量分析的问题。我们将用 MQL5 语言创建一种定量分析算法。 什么是金融市场的定量分析？定量分析的出现，是作为机器学习的一种先驱，实际上是统计学习的一个子部分。在计算机刚刚开始出现、占据整个房间、并研究穿孔卡片的时代，前进的思想正尝试令它们适应分析大数据和统计数据。当时，可以运行统计操作和函数的价格数据集非常小，函数本身非常简单，发现的形态也不是特别复杂。 这些研究就是简单地计算，以便判定数据中的某些关系，主要是线性的。
新文章 掌握 MQL5：从入门到精通（第二部分）基本数据类型和变量的使用 已发布： 这是初学者系列的延续。本文将介绍如何创建常量和变量、写入日期、颜色和其他有用的数据。我们将学习如何创建枚举，如一周中的天数或线条样式（实线、虚线等）。变量和表达式是编程的基础。它们肯定存在于99%以上的程序中，因此理解它们至关重要。因此，如果你是编程新手，这篇文章会对你非常有用。所需的编程知识水平：非常基础，在我上一篇文章（见开头的链接）的范围内。 今天，我们将讨论如何在 RAM 中存储数据。数据可以作为 变量 或 常量 存储在内存中。 它们的差别是显而易见的： 变量 可以 变化 ，即程序有权 改写 这些数据。
新文章 种群优化算法：模拟各向同性退火（SIA）算法。第 II 部分 已发布： 第一部分专注于众所周知、且流行的算法 — 模拟退火。我们已经通盘研究了它的利弊。本文的第二部分专注于算法的彻底变换，将其转变为一种新的优化算法 — 模拟各向同性退火（SIA）。 结果令人印象深刻。此外，参数数量减少了一个。 算法操作的可视化显示了对个体的单独聚类的清晰划分，并涵盖了所有重要的局部极值。该图像类似于凝固金属的实际结晶。我们可以清楚地看到所有测试（包括具有许多变量的测试）的出色收敛性。 作者： Andrey Dik
新文章 图表上的历史仓位及其盈利/亏损图指标 已发布： 在本文中，我将探讨根据交易历史获取已平仓头寸信息的选项。此外，我将创建一个简单的指标，以图表的形式显示每个柱形上仓位的大致盈利/亏损。 此函数获取价格（柱形的收盘价），相对于此价格应获得仓位的盈利点数，以及检查仓位存续的时间（柱形的开盘时间）。接下来将从每个历史仓位对象收到的所有仓位的盈利相加并返回。 编译完成后，我们可以在有大量持仓的交易品种图表上运行该指标，它会绘制所有历史仓位的盈利图表： 作者： Artyom Trishkin
新文章 多交易品种多周期指标中的颜色缓冲区 已发布： 在本文中，我们将回顾多交易品种、多周期指标中指标缓冲区的结构，并在图表上组织这些指标的彩色缓冲区的显示。 单色指标缓冲区是常规的双精度型数组，在计算指标时填充数据。我们可以使用 CopyBuffer() 函数从该数组中获取数据，并将其显示在图表上，前提是接收数组将是一个设置为指标绘制缓冲区的双精度型数组 ( SetIndexBuffer()
新文章 开发具有 RestAPI 集成的 MQL5 强化学习代理（第 3 部分）：在 MQL5 中创建自动移动和测试脚本 已发布： 本文讨论在 Python 中实现井字游戏中的自动移动，并与 MQL5 函数和单元测试集成。目标是通过在 MQL5 中进行测试，提高游戏的互动性并确保系统的可靠性。本文内容包括游戏逻辑开发、集成和实际测试，最后将介绍动态游戏环境和强大集成系统的创建。 这篇文章背后的思路是，通过在 Python 中实现井字游戏中的自动移动，我们将为更完整、更高效的测试奠定坚实的基础。有了游戏的自动响应，我们就可以使用 MQL5 脚本进行全面检查，模拟现实世界中与 REST API
新文章 种群优化算法：模拟退火（SA）。第 1 部分 已发布： 模拟退火算法是受到金属退火工艺启发的一种元启发式算法。在本文中，我们将对算法进行全面分析，并揭示围绕这种广为人知的优化方法的一些常见信仰和神话。本文的第二部分将研究自定义模拟各向同性退火（SIA）算法。 模拟退火算法由 Scott Kirkpatrick、George Gelatt 和 Mario Vecchi 于 1983 年开发。在研究高温下液体和固体的性质时，发现金属转变为液态，颗粒随机分布，而能量最小的状态是在初始温度足够高、冷却时间足够长的条件下实现的。如果不满足此条件，那么材料将发现自身处于具有非最小能量的亚稳态 —
新文章 软件开发和 MQL5 中的设计范式（第 4 部分）：行为范式 2 已发布： 在本文中，我们将终结有关设计范式主题的系列文章，我们提到有三种类型的设计范式：创建型、结构型、和行为型。我们将终结行为类型的其余范式，其可以帮助设置对象之间的交互方法，令我们的代码更整洁。 在本章节中，我们将辩证另一种行为设计范式，即备忘录范式。备忘录范式可将对象的状态外部化，以便提供回滚功能，它也称为令牌。 范式有什么作用？
日交易 PAMXA: 该策略基于计算两个时间帧的两个指标：D1 时间帧上的 iAO（动量振荡器，AO）和 H1 时间帧上的 iStochastic（随即振荡器，Stoh）。 作者： Vladimir Karputov
新文章 神经网络变得简单（第 66 部分）：离线学习中的探索问题 已发布： 使用准备好的训练数据集中的数据对模型进行离线训练，这种方法虽然有一定的优势，但其不利的一面是，环境信息被大大压缩到训练数据集的大小。这反过来又限制了探索的可能性。在本文中，我们将探讨一种方法，这种方法可以用尽可能多样化的数据来填充训练数据集。 ExORL 方法可分为 3 个主要阶段。第一阶段是收集未标记的探索性数据。这个阶段可以使用各种无监督学习算法。该方法的作者并没有限制适用算法的范围。此外，在与环境互动的过程中，在每个回合（episode）中，我们会根据之前互动的历史记录使用一种策略 π。每一回合都以状态 St
OHLC 检查: 检查交易系统: 收盘价 > 开盘价 → 买入信号, 收盘价 < 开盘价 → 卖出信号。 作者： Vladimir Karputov
新文章 软件开发和 MQL5 中的设计范式（第 3 部分）：行为范式 1 已发布： 来自设计范式文献的一篇新文章，我们将看到类型其一，即行为范式，从而理解我们如何有效地在所创建对象之间构建通信方法。通过完成这些行为范式，我们就能够理解创建和构建可重用、可扩展、经过测试的软件。 在本文中，我们提供的行为范式，与分配和设置对象之间的责任有关。它们还辨别对象如何相互通信或交互，并且该类型下有许多范式，如下所示： 责任（responsibility）链 命令（Command） 解释器（Interpreter） 迭代器（Iterator） 调解器（Mediator） 备忘录（Memento）
新文章 MQL5 简介（第 1 部分）：算法交易新手指南 已发布： 通过我们的 MQL5 编程新手指南，进入算法交易的迷人领域。在揭开自动化交易世界的神秘面纱之际，让我们探索支持MetaTrader 5 的语言 MQL5 的精髓。从了解基础知识到迈出编码的第一步，本文是您即使没有编程背景也能释放算法交易潜力的关键。加入我们的旅程，在令人兴奋的 MQL5 世界里，体验简单与复杂的结合吧。 如果没有任何编程经验，学习 MQL5 可能会很困难，但并非不可能。要理解 MQL5 这种为算法交易创建的专门语言，必须同时具备编程和金融市场专业知识。在我即将发表的文章中，我的目标是为没有编程背景但有兴趣学习
交易者的MQL5编程(MQL5 Programming for Traders) - 源代码第一部分 : 本书第一章介绍了MQL5语言和开发环境。与MQL4（MetaTrader 4 语言）相比，MQL5语言其中一项新功能就是支持面向对象编程(OOP)，这使其类似于C++。 作者： MetaQuotes
新文章 Python、ONNX 和 MetaTrader 5：利用 RobustScaler 和 PolynomialFeatures 数据预处理创建 RandomForest 模型 已发布： 在本文中，我们将用 Python 创建一个随机森林（random forest）模型，训练该模型，并将其保存为带有数据预处理功能的 ONNX 管道。之后，我们将在 MetaTrader 5 终端中使用该模型。
新文章 利用 Python 和 MQL5 构建您的第一个玻璃盒模型 已发布： 如果我们想从机器学习这些先进技术中获得任何价值，那么很难解释和理解为什么我们的模型偏离我们的期望至关重要。如果对模型内部工作原理的没有全面了解，我们可能无法发现破坏模型性能的错误，我们可能会在无法预测的参照特征上浪费时间，从长远来看，我们有可能没有充分利用这些模型的功能。幸运的是，有一个复杂且维护良好的多合一解决方案，令我们能够准确地看到我们的模型在引擎盖下正在做什么。
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