新文章 在 MQL5 中构建自定义市场状态检测系统（第二部分）：智能交易系统（EA） 已发布： 本文详细介绍如何利用第一篇开发的状态检测器，构建一个自适应的智能交易系统（MarketRegimeEA）。该系统能够根据趋势、震荡或高波动市场，自动切换交易策略与风险参数。文中涵盖了实用的参数优化、状态过渡处理以及多时间周期指标的应用。 在本系列文章的 第一部分 中，我们为应对瞬息万变的市场动态这一挑战奠定了必要的基础。我们建立了坚实的统计学根基，构建了能够客观分类市场行为的 CMarketRegimeDetector
新文章 在MQL5中构建自定义市场状态检测系统（第一部分）：指标 已发布： 本文详细介绍了如何使用自相关和波动性等统计方法，在MQL5中创建一个市场状态检测系统。文中提供了用于分类趋势、盘整和波动行情的类代码，以及一个自定义指标。 在深入探讨实现细节之前，理解市场状态是什么以及它们为何对交易者至关重要，这一点十分关键。市场并非随时间推移而表现一致，相反，它们会在不同的行为形态或“状态”之间转换。这些状态会显著影响价格的走势，进而影响交易策略的表现。 什么是市场状态？
新文章 基于MQL5中表模型的表类和表头类：应用MVC概念 已发布： 本文是致力于使用MVC（模型-视图-控制器）架构范式在MQL5中实现表模型系列文章的第二部分。本文基于先前创建的表模型来开发表类和表头。已经开发的类将构成进一步实现视图和控制器组件的基础，这些内容将在随后的文章中讨论。 在 第一篇文章 中，我们涵盖了表格控件的创建，并使用MVC架构模板在MQL5中创建了一个表模型。开发了单元格、行和表模型的类，这些类能够以方便和结构化的形式组织数据。
新文章 MQL5 简介（第 13 部分）：构建自定义指标的初学者指南（二） 已发布： 本文将指导您从头开始构建自定义 Heikin Ashi 指标，并演示如何将自定义指标集成到 EA 中。它涵盖了指标计算、交易执行逻辑和风险管理技术，以增强自动化交易策略。 欢迎回到我们的 MQL5 系列！本系列的 第 12 部分 探讨了在 MQL5 中构建自定义指标的基础知识。我们从无到有创建了一个移动平均线指标，手动实现其逻辑，而不是依赖内置函数。然后，我们扩展了这一知识，将其转换为蜡烛图格式的移动平均线，演示如何操作指标内的图形元素。
新文章 纯 MQL5 货币对强弱指标 已发布： 我们将在 MQL5 中开发货币强势分析的专业指标。这本分步指南将向你展示如何为 MetaTrader 5 开发一款功能强大的交易工具，该工具带有可视化仪表板。您将学习如何计算多个时间周期（H1、H4、D1）内货币对的强度，实现动态数据更新，并创建用户友好的界面。 想象一下，一个交易者每天都要面对外汇市场的混乱。28 对货币在屏幕上闪烁，每对货币都以自己的节奏波动，创造出市场运动的交响乐。但如何在这个金融乐团中把握主旋律呢？我们如何判断哪种货币目前处于市场领先地位，哪种货币正在步履蹒跚、失势？ 今天，我们将创造一些特别的东西 ——
新文章 交易中的神经网络：层次化双塔变换器（Hidformer） 已发布： 我们邀请您来领略层次化双塔变换器（Hidmer）框架，其专为时间序列预测和数据分析而开发。框架作者提出了若干变换器架构改进方案，其成果提高了预测准确性、并降低了计算资源消耗。 具备捕捉数据时态结构、并识别隐藏形态能力的神经网络模型，在金融预测中变得尤为重要。然而，传统神经网络方式面临诸多局限，即高计算复杂性、以及结果解释性不足。由此，近年来基于注意力机制的架构越来越受到研究人员的关注，在于它们能提供更准确的时间序列和财务数据分析。 基于 变换器 架构及其修订版模型获得了最广泛的欢迎。修订版之一，在论文
EA_CCIT3 : 本EA交易基于 CCIT3_Simple 和 CCIT3_noReCalc指标. 与指标零线的交叉将用于交易活动. 作者： Alexander Puzikov
新文章 重构经典策略（第十四部分）：高胜率交易形态 已发布： 高胜率交易形态在交易圈内广为人知，但遗憾的是，其定义始终缺乏明确标准。本文将通过实证研究与算法建模，为高胜率形态构建量化定义框架，并探索其识别与运用方法。借助梯度提升树模型，我们演示如何系统性优化任意交易策略的性能，同时以更精准、可解释的方式向计算机传达交易指令的核心逻辑。 交易圈普遍认同的原则——交易者应当主动寻求高胜率交易形态。然而，对于"何为高胜率形态"这一本质问题，业界始终缺乏标准化定义。我们如何通过实证方法量化特定交易形态的胜率？询问不同的人，会得到不同的识别与利用方式。
新文章 使用MQL5经济日历进行交易（第七部分）：基于资源型新闻事件分析的策略测试准备 已发布： 在本文中，我们通过将经济日历数据作为非实盘分析资源嵌入到MQL5交易系统中，为策略测试做好准备。我们实现了按时间、货币和影响程度加载和筛选事件的功能，并在策略测试器中验证其有效性。这使得基于新闻事件的策略能够进行高效的回测。
新文章 从新手到专家：对K线进行编程 已发布： 在本文中，我们将迈出 MQL5 编程的第一步，即使是完全零基础的初学者也能上手。我们将向您展示，如何将熟悉的 K线形态 转换为一个功能完备的自定义指标。K线形态之所以有价值，是因为它们反映了真实的价格行为，并预示着市场的转变。与其手动扫描图表——这种方法容易出错且效率低下——我们将讨论如何通过一个指标来自动化这个过程，该指标会自动识别并标记出这些形态。在此过程中，我们将探讨一些关键概念，例如索引、时间序列、平均真实波幅（用于在多变的市场波动性中提高准确性），以及如何开发一个可自定义、可复用的 K线形态库，以便在未来的项目中使用。
新文章 MQL5中表格模型的实现：应用MVC概念 已发布： 在本文中，我们将探讨如何使用MVC（模型-视图-控制器）架构模式在MQL5中开发表格模型，该模式可将数据逻辑、展示和控制进行分离，从而实现结构化、灵活且可扩展的代码。我们将考虑实现用于构建表格模型的各类，包括使用链表来存储数据。 对于编程而言，应用程序架构对于确保可靠性、可扩展性和易于维护起着关键作用。有助于实现这些目标的方法之一，是采用名为 MVC（模型-视图-控制器） 的架构模式。 MVC概念允许将应用程序划分为三个相互关联的组件： 模型 （负责数据和逻辑管理）、 视图 （负责数据展示）和 控制器
DeltaFusionLite : DeltaFusion Lite 是 MT4 的 DeltaFusionPro 指标的简化版。它计算并显示累计 Delta 值和净 Delta 值，让交易者清楚地了解每根蜡烛的买卖压力。通过分析买入价和卖出价之间的成交量分布，它可以帮助识别市场情绪变化、潜在反转以及价格和成交量之间的各类背离。 作者： Francesco Secchi
新文章 交易中的神经网络：针对金融市场的多模态、扩增工具型智代（终篇） 已发布： 我们持续开发 FinAgent 算法，其是一款多模态金融交易智代，旨在分析多模态市场动态数据，以及历史交易形态。 在前两篇文章中，我们详细探讨了 FinAgent 框架。在该过程期间，我们针对作者提议方式实现了自己的诠释。我们调整了框架算法，来满足我们的具体需求。我们现在到达另一个重要阶段：评估已实现解决方案在真实历史数据上的有效性。 请注意，在开发期间，我们对 FinAgent 框架的核心算法进行了重大修改。这些修改影响了模型操作的关键层面。因此，在本次评估中，我们评估的是我们调整后的版本，而非原始框架。
新文章 开发多币种 EA 交易（第 23 部分）：整理自动项目优化阶段的输送机（二） 已发布： 我们的目标是创建一个系统，用于自动定期优化最终 EA 中使用的交易策略。随着系统的发展，它变得越来越复杂，因此有必要不时地将其视为一个整体，以确定瓶颈和次优解决方案。
新文章 开发多币种 EA 交易（第 22 部分）：开始向设置的热插拔过渡 已发布： 如果要自动进行周期性优化，我们需要考虑自动更新交易账户上已经运行的 EA 设置。这样一来，我们就可以在策略测试器中运行 EA，并在单次运行中更改其设置。 让我们试着更详细地描述我们想要实现的目标。理想情况下，系统应该这样工作： 生成一个项目，将当前日期作为优化期的结束日期。 该项目在输送机上启动。其实施需要一些时间，从几天到几周不等。 结果加载到最终 EA 中。如果最终的 EA 还没有进行过交易，则会在真实账户上启动它。如果它已经在账户上运行，那么它的参数将被最后一个项目通过输送机后收到的新参数替换。
新文章 交易中的神经网络：针对加密货币市场的记忆扩充上下文感知学习（MacroHFT） 已发布： 我邀请您探索 MacroHFT 框架，该框架应用了上下文感知强化学习和记忆，利用宏观经济数据和自适应智代改进加密货币高频交易决策。 强化学习（ RL ）方法在金融领域日益流行，在于它们能够解决复杂的顺序决策制定难题。 RL 算法能够处理多维数据，参考多个参数，并适配变化中的环境。然而，尽管低频交易进展显著，针对加密货币市场的高效高频算法仍在开发中。这些市场特征是高波动性、不稳定，需要在长期策略考量、与快速战术反应之间取得平衡。 现有的加密货币 HFT
新文章 交易中的神经网络：配备概念强化的多智代系统（终篇） 已发布： 我们继续实现 FinCon 框架作者提议的方式。FinCon 是一款基于大语言模型（LLM）的多智代系统。今天，我们将实现必要的模块，并在真实历史数据上全面测试模型。 应当注意的是，此处展示的实现与原始版本有显著差异，而这肯定会影响结果。因此，我们仅能谈论所实现方式效率的评估，而非重现原始结果。 至于模型训练，我们用到 EURUSD 的 2024 年 H1 数据。分析指标的参数保持不变，专注于评估算法性能。 训练数据集由多个随机初始化参数模型的多次运行形成。此外，我们还纳入了利用 Real-ORL
新文章 交易中的神经网络：配备概念强化的多智代系统（FinCon） 已发布： 我们邀您探索 FinCon 框架，这是一款基于大语言模型（LLM）的多智代系统。该框架利用概念性词汇强化来提升决策制定和风险管理，能在多种金融任务中有高效表现。 人工智能和金融技术的前沿研究专注于开发自适应软件解决方案。这样的系统能够从历史数据中学习，识别市场形态，并制定更明智的决策。近年来最有前景的方向之一是自然语言处理（ NLP ）方法的整合，能够分析财经新闻、专家预测、及其它基于文本的数据，从而提升预测准确性和风险评估。
Heikin Ashi Lines : 显示 Heikin Ashi 的更简单方法 Author: FMIC
新文章 在MQL5中创建交互式图形用户界面（第1部分）：制作面板 已发布： 本文探讨了使用MetaQuotes Language 5（MQL5）设计和实施图形用户界面（GUI）面板的基本步骤。自定义实用面板通过简化常见任务并可视化重要的交易信息，增强了交易中的用户交互。通过创建自定义面板，交易者可以优化其工作流程，并在交易操作中节省时间。
新文章 基于通用 MLP 逼近器的EA 已发布： 本文介绍了一种在交易 EA 中使用神经网络的简单且易于实现的方法，该方法不需要深厚的机器学习知识。该方法免除了对目标函数进行归一化的步骤，同时克服了“权重爆炸”和“网络停滞”等问题，并提供了直观的训练过程和结果的可视化控制。 我提出的方法属于第二种类型——无监督学习。在这种方法中，我们不试图“教会”神经网络如何正确交易，也不告诉它在哪里开仓或平仓，因为我们自己也不知道这些问题的答案。相反，让网络自己做出交易决策，而我们的工作是评估其整体的交易结果。
简称的时间范围 : 例如：用 "M1 "代替 "PERIOD_M1"。 Author: Francisco Gomes Da Silva
我的 : 在图形表示法中，techanalysis 表示的趋势线位于蜡烛图右侧的击穿点（绿色）。击穿后，假定沿着红线运动。 Author: Renat Akhtyamov
Math System-Trader:
根据数学计算方法指定支撑水平／阻力水平，趋势转变，滚动的高效交易系统。
Author: John Smith
BuySell + SL + TP : 脚本在 MT5 窗口中以当前价格建立买入仓位，并指定止损（以点为单位）和止盈（以点为单位）。 作者： akka
抛物线之上的 ZigZag + Fibo + 通道 : ZigZag 指标使用抛物线 SAR 技术指标的数值建立，并且利用指标的最后两个峰值建立 Fibo 级别线，利用选择的连续三个峰值建立通道。 作者： Nikolay Kositsin
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