新文章 基于主成分的特征选择与降维 已发布： 本文深入探讨了改进型前向选择成分分析（Forward Selection Component Analysis，FSCA）算法的实现，该算法灵感源自Luca Puggini和Sean McLoone在《前向选择成分分析：算法与应用》一文中所提出的研究。 金融时间序列预测通常涉及对众多特征的分析，其中许多特征可能高度相关。主成分分析（Principal Component
CCI Arrows MT5 : CCI 箭头 MetaTrader 指标 - 将显示 CCI 与零点交叉的位置（用红色或蓝色箭头标记），帮助您决定做空还是做多。该指标滞后时间极短，准确度相对较高。对于那些喜欢简单、讨厌复杂指标的交易者来说，这个简单的指标是个不错的选择。CCI Arrows 支持所有类型的警报。该指标有 MT4 和 MT5 版本。 Author: Tuan Nguyen Van
新文章 交易中的神经网络：对比形态变换器（终章） 已发布： 在本系列的上一篇文章中，我们考察了“原子-基序对比变换器”（AMCT）框架，其用对比学习来发现各个级别的关键形态，从基本元素到复杂结构。在本文中，我们将继续利用 MQL5 实现 AMCT 方式。 如常，模型训练是依据预先收集的涵盖整个 2023 年的离线训练数据集上执行的。训练以迭代方式执行。经过多次迭代后，训练数据集将更新。这可以根据当前政策对代理人的操作进行最准确的评估。 在训练期间，我们获得了一个能够在训练和测试数据集上均产生盈利的模型。但这里有一个警告。出品的模型只执行了很少量的交易。我们甚至将测试期延长至 3
Daily Percentage Change MT5 : 每日百分比变化（MetaTrader 指标）- 计算与前一日收盘价相关的货币汇率变化，并在平台的主图表窗口中以百分比点显示。此外，它还可以显示每周和每月的百分比变化。可以为正或负的价格上涨设置不同的颜色。此外，一个可自定义的小箭头有助于直观地显示价格变化方向。如果您的经纪商使用的是非常规时区，该指标可以使用时间偏移参数来调整当天结束时使用的小时。该指标同样适用于 MT4 和 MT5。 Author: Tuan Nguyen Van
新文章 名义变量的序数编码 已发布： 在本文中，我们将讨论并演示如何使用Python和MQL5将名义预测变量转换为适合机器学习算法的数值格式。 名义变量表示的是各类别之间不存在内在顺序或等级的分类数据。金融时间序列数据集中的具体例子可能包括： 价格K线类型（例如，针形K线、纺锤线、锤子线） 星期几（例如，星期一、星期二、星期三） 这些变量纯粹是定性的，即各类别之间不存在隐含的层级或顺序。例如，针形K线形态并不天生优于纺锤线，多头K线也并不比空头K线更好。
新文章 学习如何基于 ATR 设计交易系统 已发布： 在本文中，我们将学习一款可在交易中运用的新技术工具，作为我们学习如何设计简单交易系统系列的延续。 这次我们将选取另一个流行的技术指标：平均真实范围（ATR）。 正如我之前提到的那样，ATR 衡量波动性。 据此，分析 ATR 窗口中的数值：ATR 值越低，金融产品的波动性越低。 反之亦然，ATR 值越高，金融产品的波动性越高。 下图是关于如何解读： 那么，当 ATR 记录的数值较低时，这表示波动性较低；反之亦然，当 ATR 指标记录的数值较高时，这表明波动性较高。 根据 ATR 指标的计算，我们已经知道，ATR 指标不能准确地生成交易信号。
新文章 您应当知道的 MQL5 向导技术（第 38 部分）：布林带 已发布： 布林带是一种非常常见的轨道线指标，许多交易者用它来手工下单和平仓。我们，通过考察尽可能多的由它生成的不同信号，来验证该指标，并看看如何在向导汇编的智能系统中运用它们。 我们最多可用 8 个形态，从上面分享的表格中可以看出，第二个形态的输入映射（所用的形态输入）是 2。这确保了当我们检查做多和做空条件时，我们仅用这个形态，即上轨和下轨处的反弹。我们据 USDCHF 货币对，2023 年日线时间帧进行了测试运行，并得到以下结果：
新文章 交易中的神经网络：对比形态变换器 已发布： 对比变换器在设计上基于单根烛条水平和整个形态来分析行情。这有助于提升行情趋势建模的品质。甚至，运用对比学习来统调烛条和形态的表示、促进自我调节，并提升预测的准确性。 在使用机器学习分析市场形势时，我们往往会专注单根烛条及其属性，而忽略了频繁提供更有意义信息的烛条形态。形态代表的是在类似市场条件下显露出的稳定烛条结构，能够揭示至关重要的行为趋势。 之前，我们探索了从分子性质预测领域借鉴的 Molformer 框架。 Molformer
新文章 人工喷淋算法（ASHA） 已发布： 本文介绍了人工喷淋算法（Artificial Showering Algorithm，ASHA），这是一种为解决一般优化问题而开发的新型元启发式方法。基于对水流和积聚过程的模拟，该算法构建了理想场的概念，其中要求每个资源单元（水）找到最优解。我们将了解 ASHA 如何调整流和累积原则来有效地分配搜索空间中的资源，并查看其实现和测试结果。 人工淋浴算法（ASHA）是一种为解决一般优化问题而开发的新型元启发式方法。该算法基于对理想场地上人为控制设备分配的水的流动和积聚进行建模。ASHA
新文章 使用经典机器学习方法预测汇率：逻辑回归（logit）模型和概率回归（probit）模型 已发布： 本文尝试构建一款用于预测汇率报价的EA。该算法以经典分类模型——逻辑回归与概率回归为基础。并利用似然比检验作为交易信号的筛选器。
新文章 衡量指标信息 已发布： 机器学习已成为策略制定的流行方法。 虽然人们更强调最大化盈利能力和预测准确性，但处理用于构建预测模型的数据的重要性，仍未受到太多关注。 在本文中，我们研究依据熵的概念来评估预测模型构建的指标的适配性，如 Timothy Masters 的《测试和优调市场交易系统》一书中所述。 作为一个示例，我们检查上面分析的两个指标的一些统计属性。 威廉姆斯百分比范围的分布几乎揭示了所有数值如何分布在整个范围内，除了多模态之外，分布相当均匀。 这样的分布是理想的，反映在熵值中。 这与市场促进指数的长尾分布形成鲜明对比。 这样的指标对于大多数学习算法来说都是有问题的，需要转换值。
新文章 MQL5 — 您也可以成为该语言的大师 已发布： 本文将是一次自我访谈，我将告诉您我是如何迈出 MQL5 语言的第一步的。 我将向您展示如何成为一名出色的 MQL5 程序员。 我将为您解释实现这一壮举的必要基础。 唯一的先决条件是愿意学习。 许多人认为，既然我已经知道如何用 C/C++ 编程，我就应该立即开始用 MQL5 进行复杂而繁琐的项目。 我希望我能说，这只是一切的开始。 然而，现实却大相径庭。 每当我们迈出开发自己的解决方案的第一步时，我们通常会从我们自认为明白的东西开始。 就我而言，当我开始使用 MQL5 时，我手头只有语言文档。
Float MT5 : 浮动 MetaTrader 指标 - 一个复杂的指标，它分析给定货币对之前的图表历史，然后尝试分析当前形势的趋势。它在单独的图表窗口中显示趋势的起点和终点，并在主图上显示斐波纳契回撤水平和迪纳波利水平。它还会显示当地高点和低点的检测时间。该指标适用于 MT4 和 MT5。 Author: Tuan Nguyen Van
新文章 交易中的神经网络：运用形态变换器进行市场分析 已发布： 当我们用模型分析市场形势时，我们主要关注蜡烛条。然而，人们早就知道烛条形态能有助于预测未来的价格走势。在本文中，我们将领略一种能将这两种方法集成的方式。 涵盖过去的十年，深度学习（ DL ）在各个领域都取得了重大进展，这些进步引起了金融市场研究人员的关注。受到深度学习成功的启发，许多人打算将其应用于市场趋势预测、和复杂数据相互关系分析。这种分析的一个关键层面是原生数据的表示格式，其保留了所分析金融产品的内在关系和结构。大多数现有模型都依据同构图，这限制了它们捕获与市场形态关联的丰富语义信息的能力。类似于在自然语言处理中所用的 N
新文章 精通日志记录（第一部分）：MQL5中的基础概念与入门步骤 已发布： 欢迎开启另一段探索之旅！本文是一个特别系列的开篇之作，我们将逐步创建一个专为MQL5语言开发者量身定制的日志操作库。 如今，MetaTrader 5自带日志功能，它们甚至能完成基本的监控任务：终端启动、服务器连接、环境详情等。但本质上，这些日志并非为EA开发的特殊需求而设计。当我们试图理解EA执行过程中的具体行为时，就会发现诸多限制。它们缺乏精确性、控制力以及能带来巨大差异的定制化功能。
新文章 可视化！类似于 R 语言 "plot (绘图)" 的 MQL5 图形库 已发布： 在研究交易逻辑时, 图形形式的直观表达是非常重要的。科学界中流行的一些编程语言 (如 R 和 Python) 拥有可视化的特殊 "plot (绘图)" 功能。它能够以直观方式绘制线, 点分布和直方图。在 MQL5 中, 您可以使用 CGraphics 类完成相同的操作。 正如我们在上图中所见, 当使用 0.7 步长时, 我们简单地忽略了一个断点。结果就是, 结果曲线的真实双曲线函数几乎什么也没做。 当使用函数时, 也许会发生除零错误。有两种方式来处理这个问题: 在 metaeditor.ini
新文章 在MQL5中创建交易管理员面板（第七部分）：可信任用户、密码恢复与加密技术 已发布： 每次刷新图表、通过管理面板EA添加新交易品种或重启终端时触发的安全提示，可能会让人感觉繁琐。在本次讨论中，我们将探索并实现一项功能，该功能通过跟踪登录尝试次数来识别可信用户。在达到一定次数的失败尝试后，应用程序将切换至高级登录流程，该流程还为可能忘记密码的用户提供密码恢复功能。此外，我们还将介绍如何将加密技术有效集成到管理面板中，以增强安全性。
新文章 从基础到中级：数组和字符串（三） 已发布： 本文从两个方面进行探讨。首先，标准库如何将二进制值转换为其他表示形式，如八进制、十进制和十六进制。其次，我们将讨论如何使用我们已经获得的知识，根据秘密短语确定密码的宽度。
新文章 开发多币种 EA 交易（第 18 部分）：考虑远期的自动化组选择 已发布： 让我们继续将之前手动执行的步骤自动化。这一次，我们将回到第二阶段的自动化，即选择交易策略的最佳单实例组，并补充考虑远期实例结果的能力。 一如既往，让我们先看看我们已经拥有了什么，还缺少什么来解决问题。我们可以设置在任何所需时间间隔内优化交易策略的任务。“设置任务”这句话应该按字面意思理解：为了做到这一点，我们在数据库的 tasks 表中创建必要的条目。因此，我们可以首先对一个时间间隔（例如，从 2018 年到 2022 年）进行优化，然后再对另一个时间间隔（例如，2023 年）进行优化。
新文章 借助成交量精准洞悉交易动态：超越传统OHLC图表 已发布： 一种将成交量分析与机器学习技术（特别是LSTM神经网络）相结合的算法交易系统。与主要关注价格波动的传统交易方法不同，该系统强调成交量模式及其衍生指标，以预测市场走势。该方法包含三个主要组成部分：成交量衍生指标分析（一阶和二阶导数）、基于LSTM的成交量模式预测，以及传统技术指标。
新文章 MQL5 交易管理面板开发指南（第六部分）：交易管理面板（续篇） 已发布： 在本文中，我们对多功能管理面板的“交易面板”进行升级。我们引入一个强大的辅助函数，大幅简化代码，提高可读性、可维护性与运行效率。同时演示如何无缝集成更多按钮，并优化界面，以支持更广泛的交易任务。无论是持仓管理、订单调整，还是简化交互，本文将助您打造稳健且易用的交易管理面板。 在顺利通过安全验证并进入管理员主面板后，我们已拥有对核心功能的初始访问权限。今天，我们将继续推进 MQL5
新文章 您应当知道的 MQL5 向导技术（第 43 部分）：依据 SARSA 进行强化学习 已发布： SARSA 是 “State-Action-Reward-State-Action” 的缩写，是另一种能在实现强化学习时运用的算法。故此，正如我们在 Q-学习 和 DQN 中看到的那样，我们考察了如何在向导汇编的智能系统中探索和实现它，将其作为独立模型，而不仅仅是一种训练机制。 强化学习
新文章 将互信息作为渐进特征选择的准则 已发布： 在本文中，我们展示了基于最优预测变量集与目标变量之间互信息渐进特征选择的MQL5实现。 互信息是识别有效预测变量的有力工具，特别是在处理复杂的非线性关系时。它能够发现其他方法可能遗漏的依赖关系，因此特别适用于能够利用此类复杂关系的模型。本文探讨了互信息在特征选择中的应用，重点关注了Hanchuan Peng、Fuhui Long和Chris Ding在其研究论文《基于互信息的特征选择：最大依赖性、最大相关性和 最小冗余性 准则》中提出的算法。
新文章 开发回放系统（第 68 部分）：取得正确的时间（一） 已发布： 今天，我们将继续努力，让鼠标指针告诉我们在流动性较低期间，一根柱形上还剩下多少时间。尽管乍一看似乎很简单，但实际上这项任务要困难得多。这涉及一些我们必须克服的障碍。因此，为了理解以下部分，您必须很好地理解子系列第一部分的材料。 如果您不想在 MetaTrader 5
新文章 价格行为分析工具包开发（第二部分）：分析注释脚本 已发布： 秉承我们简化价格行为分析的核心理念，我们很高兴推出又一款可显著提升市场分析能力、助力您做出精准决策的工具。该工具可展示关键技术指标（如前一日价格、重要支撑阻力位、成交量），并在图表上自动生成可视化标记。
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