新文章 优化中自定义准则的新方法（第一部分）：激活函数示例 已发布： 本系列文章首篇将探讨自定义准则的数学原理，重点聚焦神经网络中使用的非线性函数、MQL5实现代码，以及目标导向与校正偏移量的应用。 自定义准则的定义能力，甚至利用其不透明方法论的复合准则，使得减少在Excel、Python、R或专有软件中对结果进行解析或至少分析的工作量成为可能，从而获得最优的参数排列组合。 其问题在于，在已发布的自定义准则中，使用“return(0)”的情况仍屡见不鲜。这样存在实际或潜在的危险，包括可能丢弃（勉强）不符合要求的结果，或者更糟的是，使遗传优化过程偏离潜在的有效路径。
FarhadCrab1:
FarhadCrab1 EA。它有许多设置。它也使用了大量的指标，它们中的一些: MA, Stochastic, Macd, RSI.
作者： John Smith
Price Channel 价格通道 : This is a simple price channel indicator allowing user to customize period and line colors. Often used in channel break strategies. 作者： Swordless 无剑
TrailingStopAndTake : 简单地对开启的仓位跟踪止损和获利。 作者： Scriptor
新文章 市场轮廓指标 已发布： 在本文中，我们将探讨市场轮廓指标。我们将探究这个名称背后隐藏的内容，尝试理解其运行原理，并分析其程序代码（MarketProfile）。 市场轮廓反映了基于时间、价格和成交量的交易构成。每天都会形成一个价格区间，该区间代表买卖双方之间的平衡。价格在这个区域内波动，市场轮廓帮助交易者在交易期间和交易结束后解释这些变化。它绘制在正态分布曲线上，其中大约70%的值位于均值的一个标准差范围内。换句话说，它是一个分析工具，显示成交量在某些水平上的分布，或者价格在某些水平上花费的时间。它帮助交易者了解最大的交易量发生在何处，并识别关键的供给和需求水平。
新文章 接受者操作特征（ROC）曲线入门 已发布： ROC 曲线是用于评估分类器性能的图形工具。尽管 ROC 图形相对简单，但在实践中使用它们时，仍存在一些常见的误解和误区。本文旨在为那些希望理解分类器性能评估的交易者提供一份关于 ROC 图形的入门介绍。 许多现实世界的应用都涉及二元分类问题，即实例属于两个互斥且穷尽的类别之一。当定义了一个单一的目标类别时，这种场景的一个普遍实例就会出现，每个实例被归类为要么属于该类别，要么属于其补集。例如，考虑雷达信号分类，屏幕上检测到的轮廓被归类为坦克（目标类别）或非坦克物体。同样地，信用卡交易可以被归类为欺诈（目标类别）或合法。
新文章 交易中的神经网络：配备注意力机制（MASAAT）的智代融汇 已发布： 我们概述多智代自适应投资组合优化框架（MASAAT），其结合了注意力机制和时间序列分析。MASAAT 生成一组智代，分析价格序列和方向变化，能够在不同细节层次识别资产价格的明显波动。
新文章 辩证搜索（DA） 已发布： 本文介绍了辩证算法（DA），这是一种受辩证法哲学概念启发的新的全局优化方法。该算法利用了人口中独特的划分，将其分为投机思想者和实践思想者。测试表明，在低维问题上，性能令人印象深刻，高达 98%，整体效率为 57.95%。本文解释了这些度量，并详细描述了算法和不同类型函数的实验结果。
一个简单的交易面板 : 本实例在MT4上创建几个按钮。分别实现BUY开仓、SELL开仓，BUY平仓、SELL平仓、全部平仓等简易功能。 作者： Yin Zhou Luo
新文章 血液遗传优化算法（BIO） 已发布： 我向大家介绍我的新种群优化算法——血液遗传优化算法（Blood Inheritance Optimization，BIO），该算法的灵感源自人类血型遗传系统。在该算法中，每个解都有其自身的“血型”，这一血型决定了其进化方式。正如自然界中，孩子的血型是依据特定规则遗传而来，在BIO算法中，新解通过一套遗传与变异机制来获取自身特性。
新文章 用于预测金融时间序列的生物神经元 已发布： 我们将为时间序列预测建立一个生物学上正确的神经元系统。在神经网络架构中引入类似等离子体的环境创造了一种“集体智能”，其中每个神经元不仅通过直接连接，还通过长距离电磁相互作用影响系统的运行。让我们看看神经大脑建模系统在市场上的表现。 诺贝尔奖获得者霍奇金-赫胥黎模型描述了细胞水平上神经冲动的产生和传播机制。但为什么这种特殊的模型可能是理解金融市场的关键呢？答案在于大脑中神经冲动的传播与市场中信息的传播之间的惊人类比。正如神经元通过突触连接交换电信号一样，市场参与者也通过交易交换信息。
新文章 使用 Python 创建波动率预测指标 已发布： 在本文中，我们将使用二元分类来预测未来的极端波动。此外，我们将利用机器学习开发极端波动预测指标。 在这篇文章中，我将分享我从绝望到有效波动预测系统的旅程。没有无聊的东西或学术术语 —— 只有真实的经验和可行的解决方案。我将向您展示如何将 MetaTrader 5 与 Python 结合起来（剧透：它们并没有立即相处融洽），如何让机器学习为我工作，以及我在此过程中遇到了哪些陷阱。 我从整个故事中获得的主要见解是，你不能盲目相信经典指标或流行的神经网络。我记得我花了一周时间建立了一个非常复杂的神经网络，然后一个简单的 XGBoost
ALGLIB - 数值分析库 : 移植到MQL5的ALGLIB 数学函数库 (v. 3.5.0) 。 作者： MetaQuotes Software Corp
新文章 在 IBM 量子计算机上分析所有价格变动选项 已发布： 我们将使用 IBM 的量子计算机来发现所有价格变动选项。听起来像科幻小说？欢迎来到用于交易的量子计算世界！ 虽然大多数交易者仍然依赖经典的指标和形态，但量子计算机为我们开辟了全新的视野。借助 Qiskit 库和 IBM 的量子计算机，我们可以超越传统的技术分析，在量子层面探索市场，在那里，每一个可能的价格变动都存在于叠加态中。 但是，让我们把那些高调的声明放在一边，来看一看事实。量子计算并非能解决所有交易问题的魔杖。它是一个强大的工具，需要同时对金融市场和量子力学有深入的理解。而有趣的地方就在这里。 在本文中，我们将探讨通过结合
新文章 百年数学函数如何革新您的交易策略？ 已发布： 本文聚焦R德马赫（Rademacher）函数与沃尔什（Walsh）函数。探讨如何将这两类诞生于20世纪初的数学工具应用于金融时间序列分析，并揭示其在交易策略中的创新应用场景。 对金融市场当前状态的分析，是成功交易最重要的基础。它使交易者能够评估当前形势、预测可能的价格变化，并做出明智的交易决策。为此，可以使用各种数学方法和模型。 在本文中，我们将讨论几种新的数学函数。其实并不是全新的。它们在大约100年前是新的。现在，有些函数已被遗忘，而有些则被应用。但出于某种原因，并未用于交易。让我们尝试纠正这一令人遗憾的疏漏。 作者： Aleksej
新文章 您应当知道的 MQL5 向导技术（第 54 部分）：搭配混合 SAC 和张量的强化学习 已发布： 软性参与者-评论者是一种强化学习算法，我们曾在之前的系列文章中考察过 Python 和 ONNX，作为高效的网络训练方式。我们重新审视该算法，意在利用张量，即 Python 中常用的计算图形。 软性参与者-评论者（SAC）是训练神经网络时常用的强化学习算法之一。回想一下，强化学习是机器学习中一种新兴的训练方法，与监督式学习和无监督式学习并列。 回放缓冲区是强化学习中 SAC
新文章 圆搜索算法（CSA） 已发布： 本文提出一种基于圆几何特性的新型元启发式优化算法——圆搜索算法（CSA）。该算法通过模拟切线方向上的点移动机制，在解空间中实现全局探索与局部开发的协同优化。 CSA旨在通过随机圆寻找最优解，以扩大搜索区域。它以圆心为目标点。其过程始于切线与圆夹角逐渐减小，使切线逼近圆心（图例1）。 为增加搜索多样性、避免陷入局部最优，切线接触角亦随机变化。在该算法中，Xt切点充当搜索智能体，Xc圆心代表迄今找到的最优解。 作者： Andrey Dik
新文章 利用 MQL5 面向对象编程法编写"EA 交易" 已发布： 本文将着重讲述的是面向对象法，将我们曾在"针对初学者以 MQL5 编写"EA 交易"的分步指南"文中谈到的内容落到实处-创建简单的"EA 交易"。 很多人都觉得难，但是，我向您保证，看完本文之后，您就能够编写自己的面向对象 "EA 交易"了。 作者： Samuel
新文章 学习如何基于 ADX 设计交易系统 已发布： 在本文中，我们将继续有关基于最流行指标设计交易系统的系列文章，这次我们将讨论平均方向指数（ADX）指标。 我们将详细学习该指标，从而能够更好地理解它，并将学习如何在简单策略里运用它。 通过深入学习，我们可以获得更多的认知，可以更好地运用它。 在这一部分中，我们将为每个策略设计一个蓝图，来帮助我们创建交易系统，该蓝图将辅助我们逐步组织和设置我们所需的程序或系统。 策略一: 简单 ADX 系统 - ADX 走势: 根据该策略，我们需要程序在每次即时报价来临时检查当前 ADX 值和前一个 ADX 值，然后判定当前 ADX 值是否大于前一个 ADX
手动批量下单EA面板 : 注：因本人不会MQL语言。此EA通过AI代写完成，已完成N次BUG修改，但仍可能会有BUG，望周知！！！ 手动批量下单EA面板，面板包含设置下单数量；批量设置止盈、止损；批量平仓（从最早下单的开始平仓） 注：已知BUG默认止盈可能会失效，请自行设置止盈价格。 作者： LJC002
新文章 MQL5 中的交易操作 - 很简单 已发布： 几乎所有的交易者都是为了赚钱而进入市场，但也有一些交易者却是享受交易过程的本身。然而，并不是只有手动交易才能给您兴奋的体验。自动化交易系统开发也可以让您欲罢不能。创建一个交易机器人，可以像读一本出色的悬疑小说一样有趣。 开发某种交易算法的过程中，我们必须要处理大量的技术问题，其中就包括几个最重要的问题： 交易什么？, 何时交易？, 如何交易？ 我们需要回答第一个问题以选择最适合的交易品种。我们的选择可能会受到多种因素的影响，其中包括将我们的市场交易系统自动化的能力。第二个问题涉及
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
Telegram integration made easy. : 其目的是在 MQL5 开发过程中，使任何 Telegram 整合任务都能随时使用该函数。通过将此文件添加到您的代码库，您只需将其包含在您的智能交易系统中，并直接从包含的模块中调用该函数即可。这样就无需重复从头开始重新开发代码，确保了多个项目的可重用性。 Author: Clemence Benjamin
新文章 创建一个基于布林带PIRANHA策略的MQL5 EA 已发布： 在本文中，我们将创建一个MQL5 EA，它基于PIRANHA策略，并使用布林带来提升交易表现。我们会系统梳理该策略的核心原理、代码实现细节，以及测试与优化方法。并助您轻松将 EA 部署到实际的交易环境中。 PIRANHA 策略是一套动态交易系统，专为捕捉外汇市场波动而设。它以“快、准、狠”著称，正如其名称来源——水中迅捷的食人鲳，出手即中。核心技能：该策略以波动率为锚，通过高度相对化的方式，帮助交易者精准定位市场进出场点。 风险管理同样是 PIRANHA
新文章 通过配对交易中的均值回归进行统计套利：用数学战胜市场 已发布： 本文描述了投资组合层面的统计套利基础知识。其目标是帮助没有深厚数学知识的读者理解统计套利的原则，并提出一个概念性的起点框架。文章包含一个可运行的智能交易系统（EA）、一些关于其一年回测的笔记，以及用于复现实验的相应回测配置设置（.ini 文件）。
新文章 首次启动MetaTrader VPS：分步说明 已发布： 使用EA交易或订阅信号的每个交易者几乎都会认识到，需要为自己的交易平台租用一个可靠的24/7全天候主机服务器。出于多种原因，我们建议使用MetaTrader VPS。您可以通过MQL5.community账户方便地支付服务费用和管理订阅。 作者： MetaQuotes
新文章 在MQL5中创建交易管理面板（第九部分）：代码组织（5）：分析面板（AnalyticsPanel）类 已发布： 在本文中，我们将探讨如何获取实时市场数据和交易账户信息，执行各种计算，并将结果展示在自定义面板上。为此，我们将深入开发一个分析面板（AnalyticsPanel）类，该类封装了所有这些功能，包括面板创建功能。这项工作是我们正在进行的新建管理面板智能交易系统（EA）扩展工作的一部分，旨在运用模块化设计原则和代码组织的最佳实践来引入高级功能。
新文章 JSON 从入门到精通： 创建自己的 MQL5 版本 JSON 解读器 已发布： 体验分步指南，创建自定义的 MQL5 版本 JSON 解析器，囊括对象和数组处理、错误检查、及序列化。通过这款灵活的解决方案，在 MetaTrader 5 中处理 JSON，获取桥接交易逻辑与结构化数据的实用见解。 本文旨在演示如何创建自己的 MQL5 版本 JSON 解读器，来填补这一空白。沿此道路，我们将探讨解析 JSON 的基本概念，脚步遍及创建拥有处理不同 JSON 元素类型（如对象、数组、字符串、数字、布尔、和空值）能力的灵活类结构。我们的最终目标赋予您舒适地解析 JSON
新文章 将您自己的 LLM 集成到 EA 中（第 5 部分）：使用 LLM 开发和测试交易策略（四） —— 测试交易策略 已发布： 随着当今人工智能的快速发展，语言模型（LLMs）是人工智能的重要组成部分，因此我们应该考虑如何将强大的 LLMs 整合到我们的算法交易中。对于大多数人来说，很难根据他们的需求微调这些强大的模型，在本地部署它们，然后将它们应用于算法交易。本系列文章将采取循序渐进的方法来实现这一目标。 在之前的文章中，我们介绍了如何使用不同的方法微调预训练的 GPT-2 模型，使 GPT-2
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