新文章 DoEasy. 控件 (第 18 部分): TabControl 中滚动选项卡的功能 已发布： 在本文中，我将在 TabControl WinForms 对象中放置滚动标题控件的按钮，以防标题栏不适配控件的尺寸。 此外，我还将实现单击裁剪过的选项卡标题时，标题栏的平移。 作者： Artyom Trishkin
MQL5 向导 - 基于 锤头 / 上吊线形态的交易信号 + MFI:
基于 锤头 / 上吊线形态的交易信号，由 MFI （市场促进指数）指标确认．基于此交易策略的交易程序代码可使用 MQL5 向导自动生成。
作者： MetaQuotes Software Corp.
新文章 学习如何基于相对活力（Vigor）指数设计交易系统 已发布： 我们系列中的新篇章，介绍如何基于最流行的技术指标设计交易系统。 在本文中，我们将学习如何基于相对活力（Vigor）指数指标来做到这一点。 根据此策略，我们需要创建一个交易系统，持续检查以下数值，并在上行趋势期间提供买入和平仓信号： 当期 RVI 值 当期 RVI 信号值、 RVI 指标的零轴 如果当期 RVI 值大于零轴，当期 RVI 信号值大于零轴，当期 RVI 值大于当期 RVI 信号值，我们要求交易系统返回以下值作为图表上的注释： 买入信号 相对活力指数值 RVI 信号值 在另一种场景下，如果当期 RVI
对两种不同货币K线的比较,用简单的加减乘除来计算(获得金油比,交叉盘价格,期差数据等) -MT5指标: 该指标可以获取两个不同货币对各个时期的K线价格，然后通过简单的加减乘除显示在副图上，用来分析当前平台上没有的自定义商品走势。 作者： Wujun Chen
新文章 从头开始开发智能交易系统（第 31 部分）：面向未来（(IV） 已发布： 我们继续从 EA 中删除单独的部件。 这是本系列中的最后一篇文章。 并且最后要移除的是声音系统。 如果您之前没有关注过这些文章系列，可能会有点困惑。 完成所有这些工作后，您将在平台中拥有信息流，如下图所示： 如您所见，无论谁提供信号，我们都将始终拥有相同的目的地。 作者： Daniel Jose
新文章 从头开始开发智能交易系统（第 30 部分）：CHART TRADE 当作指标？ 已发布： 今天我们将再次用到 Chart Trade，但这回它作为一个图表上的指标，或许也可能不在图表上出现。 现在，我们可以编译指标，之后我们得到以下视频中显示的结果： 尽管 EA 尚未完全发挥作用，但我们需要做出以下决定：Chart Trade 既拥有与 EA 相同的功能，或可将它们减少，提供介于 MetaTrader 5 以前和当前之间所提供的功能。 鉴于我的立场非常激进，我将保留 Chart Trade 的功能，与其在 EA 中几乎相同。 如果您愿意，您可以减少它们。
新文章 从头开始开发智能交易系统（第 29 部分）：谈话平台 已发布： 在本文中，我们将学习如何让 MetaTrader 5 平台谈话。 我们如何才能让 EA 更有趣呢？ 金融市场交易往往过于无聊和单调，但我们能够令这项工作少些无趣。 请注意，对于那些经历过上瘾等问题的人来说，这个项目可能是危险的。 然而，在一般情况下，它只会让事情聊胜于无。 运行此脚本时，您将在工具栏中获得指示我们将使用的位置的信息。 下图显示了执行结果的示例： 您应该执行以下操作： 打开附件 打开文件资源管理器 进入上图所示的文件夹 将 SOUND 文件夹的内容从附件复制到上面指示的文件夹
新文章 DoEasy. 控件 (第 17 部分): 裁剪对象不可见部分、辅助箭头按钮 WinForms 对象 已发布： 在本文中，我将创建一种功能，可隐藏超出其容器之外的对象部分。 此外，我亦将创建辅助箭头按钮对象，作为其它 WinForms 对象的一部分。 编译 EA，并在图表上启动它： 超出可视区域的裁剪区域可以正常工作，超出容器的标题会沿着其边缘被裁剪，如果我们设置 TabControl 的坐标，令元素超出左侧的容器，那么这里的所有内容也会被正确裁剪 — 元素本身沿着面板的边缘被裁剪， 控件上的按钮也按面板可视区域的边缘被裁剪，而不是按其容器。 这里一切正常。
新文章 学习如何基于 DeMarker 设计交易系统 已发布： 此为我们系列中的一篇新文章，介绍如何基于最流行的技术指标设计交易系统。 在本文中，我们将介绍如何基于 DeMarker 指标创建交易系统。 根据此策略，我们需要创建一个交易系统，该系统可创建或定义两个数值，然后自动检查它们。 这些值是当期 DeMarker 值和最后五个 DeMarker 平均值。 如果当期值大于平均值，我们要求交易系统返回以下值作为图表上的注释： DeMarker 强劲 当期 DeMarker 值 5 -周期 DeMarker 均值 在另一种场景下，如果当期值低于平均值，我们需要交易系统根据此条件返回以下值：
新文章 神经网络变得轻松（第二十八部分）：政策梯度算法 已发布： 我们继续研究强化学习方法。 在上一篇文章中，我们领略了深度 Q-学习方法。 按这种方法，已训练模型依据在特定情况下采取的行动来预测即将到来的奖励。 然后，根据政策和预期奖励执行动作。 但并不总是能够近似 Q-函数。 有时它的近似不会产生预期的结果。 在这种情况下，近似方法不应用于功用函数，而是应用于动作的直接政策（策略）。 其中一种方法是政策梯度。 第一个已测试模型是 DQN。 它展现出意想不到的惊喜。 该模型产生了盈利。 但它仅执行了一个交易操作，持仓会贯穿整个测试过程。 已执行成交的品种图表如下所示。
新文章 学习如何基于 VIDYA 设计交易系统 已发布： 欢迎阅读我们的关于学习如何依据最流行的技术指标设计交易系统系列的新篇章，在本文中，我们将学习一种新的技术工具，并学习如何依据可变指数动态平均线（VIDYA）设计交易系统。 策略一：VIDYA 趋势识别器 根据此策略，我们需要创建一个可生成趋势类型信号的交易系统。 我们需要交易系统检查两个值，即当期收盘价和当期 VIDYA 值，来判定趋势类型。 如果当期收盘价大于 VIDYA 值，则表明趋势上升。 故此，我们需要交易系统在图表上返回含有以下值的注释： 上行趋势 当期收盘价 当期 VIDYA 值 另一种场景是，如果当期收盘价低于当期
新文章 神经网络变得轻松（第二十七部分）：深度 Q-学习（DQN） 已发布： 我们继续研究强化学习。 在本文中，我们将与深度 Q-学习方法打交道。 DeepMind 团队曾运用这种方法创建了一个模型，在玩 Atari 电脑游戏时其表现优于人类。 我认为评估该技术来解决交易问题的可能性将会很有益处。 您可能已经猜到了深度 Q-学习涉及运用神经网络来近似 Q 函数。 这种方式有什么优势？ 请记住上一篇文章中交叉熵表格方法的实现。 我强调，表格方法的实现假定可能的状态和动作数量是有限的。 故此，我们通过初始数据聚类来限制可能的状态数量。 但它有那么好吗？ 聚类总能产生更好的结果吗？
新文章 Linux 上的 MetaTrader 5 已发布： 在本文中，我们演示了一种在流行的Linux版本（Ubuntu和Debian）上安装MetaTrader 5的简单方法。这些系统广泛用于服务器硬件以及交易者的个人计算机上。 作者： MetaQuotes Software Corp
新文章 基于价格运动方向和速度的交易策略已发布：
本文提出一种基于价格运动方向和速度的分析方法。我们已经将此想法用MQL4语言实现了一个EA，来研究此策略的效果。我们也将通过测试、检验和优化本文的一个例子来确定最优的参数。
世界上的任何运动都可以被运动的方向，加速度和速度所表征。在金融市场中同样适用。这预示着一条重要的法则，那就是强烈的运动不会立即停止。就好比一列火车：当列车以全速运行时踩下刹车，那么此时的刹车距离可能长达1公里。
那么趋势何时开始呢？当绝大多数市场参与者由于某些原因转变他们的观点时，无论是涉及全球经济趋势的改变还是其他一些能影响市场走向的重要因素。群体性意见形成后...
新文章 DoEasy. 控件（第 16 部分）：TabControl WinForms 对象 — 多行选项卡标题，拉伸标题适配容器 已发布： 在本文中，我将继续开发 TabControl，并针对设置标题大小的所有模式，实现选项卡标题在控件所有四个侧边的排列：正常、固定、和靠右填充。 编译 EA，并在图表上启动它： 如我们所见，左右选项卡标题的布局工作正常。 我们将在下一篇文章中讲述并修复这些缺点，但到目前为止，一切都很好。 作者： Artyom Trishkin
新文章 神经网络变得轻松（第二十六部分）：强化学习 已发布： 我们继续研究机器学习方法。 自本文，我们开始另一个大话题，强化学习。 这种方式允许为模型设置某些策略来解决问题。 我们可以预期，强化学习的这种特性将为构建交易策略开辟新的视野。 我们总是环顾四周，通过触摸、以及倾听声音，来评估物体。 如此这般，我们每时每刻都通过我们的感官来评估我们的世界。 在我们的脑海中，我们固化其状态。 类似地， 环境 生成其 状态 ，由 代理者 评估。 与我们按照人类的世界观行事类似， 代理者 根据其 政策 （策略）执行 行动 。 这种影响导致环境按照一定概率发生变化。 对于每个行动， 代理者 都会从 环境
新文章 DIY 技术指标 已发布： 在本文中，我将研究允许您创建自己的技术指标的算法。 您将学到如何通过非常简单的初始假设，来获得非常复杂和有趣的结果。 各种数学序列均可用作指标比率。 以下是更多指标的示例。 其中之一基于斐波那契级数：34,21,13,8,5,3,2,1,1。 另一个指标也建立在斐波那契级数之上，但由它们构建了一个对称结构：1,1,2,3,5,3,2,1,1。 第三个指标基于帕斯卡三角形序列：1,8,28,56,70,56,28,8,1。 作者： Aleksej Poljakov
Cidomo: 智能交易系统使用突破买入 (Buy Stop) 和突破卖出 (Sell Stop) 挂单。 作者： Vladimir Karputov
新文章 数据科学与机器学习 — 神经网络（第 02 部分）：前馈神经网络架构设计 已发布： 在我们透彻之前，还有一些涵盖前馈神经网络的次要事情，设计就是其中之一。 针对我们的输入，看看我们如何构建和设计一个灵活的神经网络、隐藏层的数量、以及每个网络的节点。 我们都知道，当涉及到优化新参数时，硬编码模型会落入钝化，整个过程很耗时，会导致头痛、背部疼痛、等等， （太不值了） 。 如果我们抵近观察神经网络背后的操作，您会注意到每个输入都被乘以分配给它的权重，然后它们的输出被添加到乖离之中。 矩阵运算可以很好地处理这一点。 作者： Omega J Msigwa
新文章 神经网络轻松制作已发布： 人工智能往往伴随着极其复杂和难以理解的事物。 同时，人工智能在日常生活中也越来越多地被提及。 不同的媒体也经常发布有关运用神经网络成就的新闻。 本文的目在于展示任何人都可以轻松创建神经网络，并在交易中运用 AI 成就。 人工智能正在我们生活的各个方面提升覆盖面。 许多新刊物涌现，指出“神经网络已被训练为...”。然而，人工智能仍然伴随着奇妙的事物。 这个想法似乎非常复杂，超自然和玄之又玄。 所以，只有一群科学家才能创造出来这种超凡神迹。 利用我们的家用 PC 似乎无法开发类似的程序。 但请相信我，这并不困难。
新文章 神经网络变得轻松（第二十五部分）：实践迁移学习 已发布： 在最晚的两篇文章中，我们开发了一个创建和编辑神经网络模型的工具。 现在是时候通过实践示例来评估迁移学习技术的潜在用途了。 测试结果如下图所示。 如您所见，预训练模型开始时误差较小。 但很快第二个模型就贴近了，且它们的数值非常接近。 这证实了之前的结论，即编码器架构对整个模型的性能有重大影响。 注意学习率。 预训练模型验算一个世代所需的时间减少了六倍。 当然，这只是纯粹的时间，不考虑自动编码器训练时间。 作者： Dmitriy Gizlyk
新文章 从头开始开发智能交易系统（第 28 部分）：面向未来（(III） 已发布： 我们的订单系统有一项任务仍然尚未完成，但我们终将把它搞定。 MetaTrader 5 提供了一个允许创建和更正订单参数值的单据系统。 该思路是拥有一个智能系统，可令相同的票据系统更快、更高效。 最终，经历若干篇文章以来，我们达至高潮，现在我们拥有一个几乎完整的订单系统，并且能对各种情况和市场条件具备相当的适应性。 从现在开始，我们能够使用鼠标和键盘基于全图形系统进行交易，并可进行市场分析，以便入场交易或离场。 对于那些刚刚入行的人，他们若想看看当前开发阶段的系统行为或外观，请观看下面的视频。
新文章 学习如何基于牛市力量设计交易系统 已发布： 欢迎来到我们的关于学习如何基于最流行的技术指标设计交易系统系列的新篇章，这一篇学习如何基于牛市力量技术指标设计交易系统。 策略一: 牛市力量走势 我们需要计算机检查每次跳价时的两个数值，这些值在创建之后就会确定，它们是当期牛市力量和前期牛市力量。 我们要求程序检查这些数值，来了解每一个的位置。 如果当期牛市力量值大于前期，我们要求程序或智能系统在图表上的注释里返回以下信号，每个值占据单独一行： 牛市力量正在上升 牛市力量值 牛市力量前期值 我们还需要考虑另一种场景。
新文章 MQL5 中的矩阵和向量操作 已发布： MQL5 中引入了矩阵和向量，用于实现数学解决方案的高效操作。 新类型提供了内置方法，能够创建接近数学标记符号的简洁易懂的代码。 数组提供了广泛的功能，但在很多情况下，矩阵的效率要高得多。 MQL5 在机器学习中的未来 在过去的几年里，我们已在 MQL5 语言里引入先进技术方面做了很多工作： 将 ALGLIB 数值方法库植入 MQL5 实现了一个运用模糊逻辑和统计方法的 数学库 引入 图形库 ，类似于绘图功能 集成 Python ，并可直接在终端中运行 Python 脚本 添加 DirectX 函数来 创建 3D 图形 实现原生 SQLite
新文章 DoEasy. 控件（第 15 部分）：TabControl WinForms 对象 — 多行选项卡标题、选项卡处理方法 已发布： 在本文中，我将继续工作于 TabControl WinForm 对象 — 我将创建一个选项卡字段对象类，令选项卡标题排列几行成为可能，并添加处理对象相应选项卡的方法。 编译 EA，并在图表上启动它： 对象的创建要花费相当长的时间。 很快，在批量创建对象期间，有必要更改显示对象的逻辑。 我将很快处置这个问题。 当选项卡标题选择固定大小，并根据字体宽度调整大小时，我们可以看到选项卡的大小是不同的。 选中所需选项卡，并重新排列选项卡行，工作正常。
新文章 神经网络变得轻松（第二十四部分）：改进迁移学习工具 已发布： 在上一篇文章中，我们创建了一款用于创建和编辑神经网络架构的工具。 今天我们将继续打造这款工具。 我们将努力令其对用户更加友好。 也许可以看到，我们的主题往上更进一步。 但是，您不认为规划良好的工作空间在实现结果方面起着重要作用吗？ 在本系列的上一篇文章中，我们创建了一款工具来利用迁移学习技术。 作为完工后的结果，我们得到了一款工具，能够编辑已训练模型。 利用此工具，我们可以从预训练模型中提取任意数量的神经层。 当然，也有限制条件。 我们只从初始数据层开始提取连续的层。 这种方式的原因在于神经网络的本质。
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