新文章 MQL5 Algo Forge 入门 已发布： 我们正在推出 MQL5 Algo Forge —— 一个专为算法交易开发人员设计的门户网站。它将 Git 的强大功能与直观的界面相结合，用于管理和组织 MQL5 生态系统内的项目。在这里，您可以关注有趣的作者，组建团队，并在算法交易项目上进行协作。 新的 MQL5 Algo Forge 不仅仅是您的项目列表 —— 它是一个成熟的开发人员社交网络。您可以轻松跟踪更改，维护项目历史，与志同道合的专业人士联系，并发现新想法。在这里，您可以关注有趣的作者，组建团队，并在算法交易项目上进行协作。 MQL5 Algo Forge
新文章 交易所市场算法（EMA） 已发布： 本文对交易所市场算法（EMA）进行了详细分析，该算法的灵感来源于股票市场交易者的行为模式。算法模拟股票交易过程，市场中不同成功程度的参与者采用不同策略以实现利润最大化。 在数值优化领域，新算法层出不穷，旨在有效解决不确定性和高维度条件下的复杂问题。其中，基于种群的元启发式算法占有特殊地位。通过模拟自然或社会过程，这类算法在寻找全局最优解方面展现出令人瞩目的能力。
新文章 随机数生成器质量对优化算法效率的影响 已发布： 在这篇文章中，我们将探讨梅森旋转算法（Mersenne Twister）随机数生成器，并将其与MQL5中的标准随机数生成器进行比较。此外，我们还将研究随机数生成器的质量对优化算法结果的影响。 当提及使用优化算法时，许多读者会好奇使用高质量的随机数生成器究竟有多重要。这个问题的答案并不像初看时那么简单。然而，可以直观地理解，随机数的质量会对算法的搜索能力产生重大影响，因为基于种群的算法绝大多数都是基于随机搜索的。 让我们一起来深入探讨这个问题。在开始之前，我们需要考虑不同类型的随机数生成器、它们对结果的影响以及在哪里可以找到可靠的选项。
新文章 订单策略。多目标 EA 交易 已发布： 本文主要介绍一些主动使用挂单的策略、用来描述这些策略的元语言，以及如何使用一种以这些描述为基础运行的多目标 EA 交易。 任何交易策略的首要核心元素，就是价格分析以及作为建仓基础的技术指标分析。我们称其为 市场分析 ，即市场中发生的所有事情以及我们无法控制的事情。 此外，策略可能还需要另外一种类型的分析。我们称其为 当前交易状况分析 。 它包括交易仓位状态分析、以及任何可用/缺失的挂单分析（如果用于一个策略之中）。这些分析的结果，可以帮助我们决定是否应该对仓位或订单采取某些动作，
新文章 MQL5中的价格时间缺口分析（第二部分）：构建时间维度下的流动性分布热力图 已发布： 这是一份详细的MetaTrader 5热力图指标构建教程，能够可视化展示价格随时间的分布状态。本文阐述了时间密度分析的数学原理，将各个价格区间以色彩区分：红色代表价格停留时间最短，蓝色代表价格停留时间最长。 在 前一篇文章 中，我们讲解了时间缺口的概念，以及其与机构交易活动的关联。然而，检测缺口仅仅完成了一半工作。想要高效交易，交易者必须掌握完整的市场全貌：价格长期停留和短暂停留的区间，以及这些区域之间如何相互作用。 而我们的指标正好解决了这一问题 ——
新文章 从Python到MQL5：量子启发式交易系统的探索之旅 已发布： 本文探讨了量子启发式交易系统的开发过程，该系统从Python原型过渡到MQL5实现，以应用于现实世界的交易中。该系统运用了量子计算原理（如叠加态和纠缠态）来分析市场状态，尽管这是在经典计算机上使用量子模拟器运行的。该系统的关键特性包括：采用三量子比特系统，可同时分析八种市场状态；设置24小时的回溯观察期；并运用七种技术指标进行市场分析。尽管准确率看似一般，但若结合恰当的风险管理策略，该系统仍能提供显著的优势。
新文章 开发多币种 EA（第 27 部分）：多行文本显示组件 已发布： 如果需要在图表上显示文本，我们可以使用 Comment() 函数。但它的功能相当有限。因此，在本文中，我们将自行开发一个组件 — 一个全屏对话框，该对话框能够显示多行文本，支持灵活的字体设置和滚动功能。 如果需要在图表上显示文本，我们可以使用 Comment() 函数。但它的功能相当有限。因此，在本文中，我们将自行开发一个组件 — 一个全屏对话框，该对话框能够显示多行文本，支持灵活的字体设置和滚动功能。
新文章 按小时、星期几和每月日期分析的季节性指标 已发布： 本文介绍如何开发一款用于分析金融市场中重复性价格模式的工具 —— 可按每月日期（1-31 日）、星期几（周一至周日）或每日小时（0-23 时）进行分析。该指标分析历史数据，计算每个周期的平均收益率，并以直方图形式展示结果并附带预测。指标包含可自定义参数：季节性类型、分析 K 线数量、以百分比或绝对值显示、图表颜色等。
新文章 您应该了解的MQL5向导技巧（第七十二部分）：MACD与OBV组合形态的监督学习应用 已发布： 本文将承接前一篇文章，之前我们介绍了MACD与OBV指标组合，本文将探讨如何通过机器学习对这一指标组合进行优化增强。MACD属于趋势指标，OBV属于成交量指标，二者为互补指标组合。本文采用卷积神经网络机器学习方案，通过有理二次核来设定网络卷积核尺寸与通道数量，从而对这套指标组合的预测结果进行微调优化。与之前类似，所有逻辑都封装在自定义信号类文件中，可配合MQL5向导直接生成智能交易系统（EA）。
新文章 数据科学与机器学习（第四十五部分）：利用Facebook的Prophet模型进行外汇时间序列预测 已发布： Prophet模型由Facebook研发，是一款稳健的时间序列预测工具，能够自动捕捉趋势、季节性与节假日效应，且几乎无需人工调整。该模型已被广泛应用于需求预测与商业规划。在本文中，我们将探讨Prophet模型在外汇交易品种波动率预测中的效果，展示其如何应用于传统商业场景之外的任务。 Prophet模型 是由Meta（原Facebook）推出的开源时间序列预测工具。该模型面向业务和分析用途，提供准确且用户友好的预测，尤其适用于具备显著季节性与趋势特征的时间序列数据。
新文章 市场模拟（第 21 部分）：SQL 入门（四） 已发布： 你们中的许多人可能比我更有数据库工作经验，因此可能会有不同的看法。由于有必要解释数据库为何以这样的方式设计，以及SQL为何具有这样的形式 — 尤其是主键和外键为何出现 — 因此有些内容必须保持一定的抽象性。 大家好，欢迎阅读本系列关于复制/模拟系统的又一篇文章。 在上一篇文章“ 市场模拟（第 20 部分）：SQL 入门（三） ”中，我们简要介绍了 SELECT 命令。为了更有效地使用 SQL，或者更准确地说，为了充分利用 SQL
新文章 从基础到中级：指标（五） 已发布： 在本文中，我们将探讨如何处理用户更改图表绘制模式的请求。这是必要的，以确保为当前图表绘制模式设计的指标不会显得奇怪，或与 MetaTrader 5 用户的预期不符。 在上一篇文章“ 从基础到中级：继承 ”中，我们讨论了如何在结构化编程环境中应用继承。为了避免信息量过大让您不堪重负，本文将探讨一些更简单的内容，至少是与之前文章所展示内容并行学习和练习的内容。 我理解，这个话题一开始可能有些难以理解，而且考虑到在此之前已经连续六篇文章，内容相当丰富，我建议放松一下，先看看一些更简单、更实用的内容。 关于指标的文章中，最新一篇是 从基础到中级：指标（四）
新文章 回溯搜索算法（BSA） 已发布： 如果一款优化算法能够记住它过往的搜索路径，并利用这些记忆去找到更优解，会是怎样的效果？回溯搜索算法（BSA）正是这样做的 —— 在全局探索与重访已验证可靠区域之间取得平衡。本文将为您揭开该算法的原理奥秘，思路简洁、参数极少、结果稳定。 在无穷无尽的可能性迷宫中，每一次转弯都可能通向成功或死胡同。明智的行者会留下无形的痕迹 —— 某种短暂却更为可靠的标记：对已走过路径的记忆。这一理念（ 回望过去，预见未来 ）正是该优化算法的核心。每一步踏入未知，都以过往经验为参照 —— 历史成为罗盘，记忆化作地图。
新文章 市场模拟（第 20 部分）：SQL 入门（三） 已发布： 尽管我们可以在包含约 10 条记录的数据库上执行操作，但当我们处理包含超过 15000 条记录的文件时，这样学习效果会更好。也就是说，如果我们试图手动创建这样一个数据库，这项任务将十分艰巨。然而，即便出于教育目的，也很难找到这样一个可供下载的数据库。但实际上，我们无需采取这种手段 — 我们可以用 MetaTrader 5 为自己创建一个数据库。在今天的文章中，我们将探讨如何做到这一点。 在上一篇文章《 市场模拟（第 19 部分）：SQL 入门（二）
新文章 MQL5中的时间缺口分析（第一部分）：构建基础指标 已发布： 时间缺口分析可以帮助交易者识别潜在的市场反转点位。本文将阐述时间缺口的定义、解读方法，以及如何利用其探测市场中大资金的入场信号。 当大型机构准备建仓时，会面临根本性的流动性问题。为在不显著冲击价格的情况下完成目标成交量，机构会采用算法执行，将大额订单分批在时间上分散成交。同时还会通过冰山订单、暗池等渠道获取隐蔽流动性，且多家基金的操作往往存在协同效应，同步入场。 这类行为最终会导致价格极快地掠过某一区间，将该区间内所有可用流动性“耗尽”。此后，该区间会长时间保持“真空”状态，因为机构算法已完成任务并转向其他价格区间。 作者：
新文章 从基础到中级：继承 已发布： 毫无疑问，要理解本文所述材料的工作原理和原因，你需要投入大量时间。这是因为这里将要展示的所有内容最初都是面向对象编程的，但实际上它们是基于结构化编程的原理。 在上一篇文章《 从基础到中级：结构（七） 》中，我们开始接触结构化编程，尽管初识此主题时我们觉得它相当复杂且难以理解，但实践后发现它非常吸引人且有趣。经过多年的奋斗和坚持，我终于领悟到了我在这些文章中试图传达给你们的那些概念。许多人认为，通过参加课程或仅仅研究其他程序员的代码，就能学会编程。
新文章 神经网络在交易中的应用：用于多元时间序列预测的 LSTM 优化（终篇） 已发布： 我们继续实现 DA-CG-LSTM 框架，该框架为时间序列分析和预测提供了创新方法。使用 CG-LSTM 和双重注意力机制可以更准确地检测数据中的长期和短期依赖关系，这在金融市场分析中尤其有用。 如前所述， DA-CG-LSTM 框架围绕两个基本组件构建：注意力模块和改进的 CG-LSTM
新文章 海豚回波定位算法（DEA） 已发布： 在本文中，我们将深入探讨 DEA 算法：一种受海豚利用回声定位捕食的独特能力启发而设计的元启发式优化方法。从数学基础到 MQL5 中的实际实现，从原理分析到与经典算法的对比，我们将详细剖析为什么这一相对较新的方法值得在面临优化问题的研究者工具箱中占有一席之地。 为了更好地理解算法的工作原理，让我们想象这样一个场景。你和朋友们在一片广阔的海滩上寻找黄金，每人都拿着金属探测器。搜索开始时，分散到整个区域是合理的 ——
新文章 购买交易机器人前如何进行测试 已发布： 与别处相比，在 MQL5 应用商店购买交易机器人有一个明显的优势 - 其提供的自动化系统，可直接在 MetaTrader 5 终端内接受完整测试。购买前，EA 交易可以、也应该在内置的策略测试程序中，以所有不利的模式谨慎运行，从而对此系统有一个全面的认识。 作者： MetaQuotes Software Corp
新文章 您应该了解的MQL5向导技巧（第七十四部分）：结合监督学习运用一目均衡表与ADX-Wilder形态 已发布： 本文为前一篇文章的延续，之前我们介绍了一目均衡表（Ichimoku）与ADX指标组合，本篇将探讨如何通过监督学习对这一指标组合进行优化改进。一目均衡表与ADX是一组互补型指标组合，前者侧重支撑/阻力判断，后者侧重趋势识别。我们采用的监督学习方案基于深度谱混合核神经网络，对该指标组合的预测结果进行精细调优。与之前相同，相关逻辑封装在自定义信号类文件中，可配合MQL5向导直接组装成智能交易系统（EA）。
新文章 神经网络在交易中的应用：用于多元时间序列预测的 LSTM 优化（DA-CG-LSTM） 已发布： 本文介绍了 DA-CG-LSTM 算法，该算法为时间序列分析和预测提供了新的方法。它解释了创新的注意力机制和模型灵活性如何提高预测准确性。 金融市场不仅仅是屏幕上的数字。它们构成了一个动态的环境，在这个环境中，每一个价格跳动、每一根蜡烛图以及交易量的每一次变化都反映了人类的情绪、期望、恐惧和希望。理解这种节奏并学会预测价格走势，是交易者几十年来一直努力解决的难题。 这一挑战的核心是多变量时间序列 —
新文章 您应该了解的MQL5向导技巧（第七十三部分）：使用一目均衡表形态与ADX-Wilder形态 已发布： 一目均衡表（Ichimoku-Kinko-Hyo）指标与韦尔德平均趋向指数（ADX-Wilder）震荡指标，可在MQL5智能交易系统（EA）中形成互补搭配。一目均衡表本身功能多元，但在本文中，我们主要利用其识别支撑与阻力位的特性。同时，我们也使用ADX来判断趋势强弱。我们依旧通过MQL5向导来构建并测试这一组合的潜在效果。
新文章 MQL5.community - 用户手册 已发布： 如果你已经在本社区成功注册，那么你很可能会问：怎样在我发送的消息中插入图片？怎样格式化MQL5源代码？我的私信保存在哪？诸如此类的很多问题。本文我们为您准备了一些实用技巧，帮助你熟悉MQL5.community，并充分利用其提供的功能。 作者： MetaQuotes
新文章 神经网络在交易中的应用：演员—导演—评论家框架（终篇） 已发布： 演员-导演-评论家框架是经典智能体学习架构的演进。本文介绍了该方法在金融市场条件下的实现和调整方面的实践经验。 训练数据集是使用 MetaTrader 5 策略测试器 中的随机代理运行生成的，这使我们能够收集各种行为场景。该数据集包含 2024 年全年的 EURUSD M1 历史数据。 初始模型训练以离线方式进行，没有更新训练数据集，直到预测误差稳定下来。然后我们切换到 MetaTrader 5 策略测试器 ，并继续微调模型参数，直到达到稳定的性能。
新文章 数据科学与机器学习（第43篇）：使用潜在高斯混合模型（LGMM）识别指标数据中的隐藏模式 已发布： 你是否曾盯着行情图，产生过一种奇妙的感觉…… 仿佛表面之下就藏着某种模式？一套秘密代码 —— 只要能破解它，就能揭示价格的走向？来认识一下 LGMM 吧 —— 市场隐藏模式探测器。这是一种机器学习模型，帮助识别市场中的那些隐藏模式。 作为交易者，我们使用的几乎所有交易策略，都基于某种模式识别和检测。我们研究指标以寻找模式和确认信号，有时甚至会绘制对象和线条，比如支撑线和阻力线，来判断市场状态。
新文章 基于季节性因素的MetaTrader 5外汇价差交易质量评估 已发布： 本文在日线周期上，针对单一品种及价差组合，检验季节性交易方法的质量。研究重点在于识别周期性月度规律，以及在当年交易中应用这些规律的可行性。 价差交易是指在相关品种上同时开立多单与空单。利润来源于资产间相对价格的变动。与套利不同，价差头寸并非无风险，但其风险通常低于单一资产头寸交易。 价差头寸可分为： 市场内价差 —— 同一市场的不同品种（如货币对、贵金属）。 市场间价差 —— 不同但相关的商品（如“小麦–玉米”）。 交易所间价差 —— 同一商品在不同交易所（如CBOT与KCBT的小麦）。
新文章 神经网络在交易中的应用：演员—导演—评论家框架 已发布： 我们诚邀您探索演员-导演-评论家（Actor-Director-Critic）框架，该框架结合了分层学习和多组件架构，用于创建自适应交易策略。在本文中，我们将详细探讨如何利用导演（Director）对演员（Actor）生成的动作进行分类，以有效优化交易决策，并提高模型在金融市场环境下的稳健性。 在金融应用中，通常使用 演员-评论家 架构来构建能够预测短期收益同时管理长期风险的 智能体 。例如，在投资组合再平衡任务中， 评论家 学习估计预期收益，而 演员
新文章 老鹰策略（ES） 已发布： 老鹰策略是一种模拟老鹰两阶段捕猎策略的算法：通过曼特尼亚（Mantegna）方法实现的莱维（Levy）飞行进行全局搜索，与利用萤火虫算法进行的密集局部开发交替进行，这是一种在数学上合理的探索与开发平衡方法，也是一种将两种自然现象融合为单一计算方法的生物启发式概念。 因此，受自然界启发的元启发式算法，以及经过自然演化的方法，正受到越来越多的关注。这些算法即使在计算速度至关重要的问题中，也能找到良好的、通常是接近最优的解。 在任务日益复杂、资源消耗日益增大的背景下，我们今天将探讨另一种颇具前景的方法：老鹰策略（Eagle Strategy
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