新文章 DoEasy. 控件 (第 14 部分): 命名图形元素的新算法。 继续操控 TabControl WinForms 对象 已发布： 在本文中，我将创建一个新算法来为构建自定义图形的所有图形元素命名，并继续开发 TabControl WinForms 对象。 在上一篇文章中，在开发 TabControl WinForms 对象时，我们遭遇了图形元素名称长度的限制，这阻碍了我们完整地创建对象。 每个子图形元素的名称（包含在父图形元素中），拥有其父元素的引用，以及所有相关图形控件的整个层次结构。 该链条中每个后续对象的名称都比前一个对象的名称更长。 结果就是，我触及了图形资源名称长度 63
新文章 神经网络变得轻松（第二十三部分）：构建迁移学习工具 已发布： 在本系列文章中，我们已经不止一次提到了迁移学习。 然而，都只是提及而已。 在本文中，我建议填补这一空白，并仔细研究迁移学习。 如以，我看到了三个清晰的模块。 在第一个模块中，我们将操控供体模型。 在此，我们要能够选择含有已训练模型的文件。 从文件加载模型后，该工具必须提供已加载模型的体系结构的说明。 这是因为用户应当了解加载了哪个模型，以及将要复制哪些神经层。 我们还要通知工具有关复制图层的数量。 如上所述，我们将从源数据层开始按顺序复制神经层。 在第二个模块当中，将添加神经层。
新文章 数据科学与机器学习 — 神经网络（第 01 部分）：前馈神经网络解密 已发布： 许多人喜欢它们，但却只有少数人理解神经网络背后的整个操作。 在本文中，我尝试用淳朴的语言来解释前馈多层感知，解密其封闭大门背后的一切。 双曲正切函数。 给出它的公式: 其图形如下所示： 作者： Omega J Msigwa
股票常用的BIAS指標MT4 : 股票常用的BIAS指標做成的MT4指標 用來判斷目前價格的乖離率 作者： Hung Wen Lin
新文章 从头开始开发智能交易系统（第 26 部分）：面向未来（I） 已发布： 今天，我们将把我们的订单系统提升到一个新的层次。 但在此之前，我们需要解决少量问题。 我们现有的一些问题，是与在交易日里我们想要如何工作，以及我们做什么事情相关。 除了高亮显示的代码行之外，代码是完美的。 目前没有办法解决这个问题。 这将在下一篇文章中完成，因为我们必须对类本身进行一些修改。 下面的视频演示修改完毕的结果。 注意交易量是如何修改的，以及如何在指定点位发送新订单。 EA 现在更加易于使用了。 作者： Daniel Jose
新文章 学习如何基于强力指数（Force Index）设计交易系统 已发布： 欢迎阅读我们系列中的新篇章，有关如何基于最流行的技术指标设计交易系统。 在本文中，我们将学习一个新的技术指标，以及如何运用强力指数（Force Index）指标创建交易系统。 根据该策略，我们需要创建一个交易系统，它自动为我们提供看涨或看跌走势的信号，并在图表上作为注释。 我们要求智能系统检查每次跳价时的当期强力指数，并判定它距零轴的位置。 如果当期强力指数值大于零轴，我们要求智能系统在图表上返回含有看涨走势和当期强力指数值的注释。
新文章 利用对象轻松制作复杂指标 已发布： 本文提供了一种创建复杂指标的方法，同时还避免了在处置多个作图板、缓冲区、和/或组合来自多个来源的数据时出现的问题。 指标的最终结果如下所示： 作者： Manuel Alejandro Cercos Perez
新文章 DoEasy. 控件 (第 13 部分): 优化 WinForms 对象与鼠标的交互，启动开发 TabControl WinForms 对象 已发布： 在本文中，我将修复和优化当鼠标光标移离 WinForms 对象后 WinForms 对象的外观处理，并启动开发 TabControl WinForms 对象。 编译 EA，并在图表上启动它： 在所创建面板的左侧，我们看到，对象与鼠标交互均处理正确。 在右边，我们可以看到未来 TabControl 控件的布局。 它展示出第一个选项卡处于活动状态，并且标题的尺寸略大于非活动选项卡的标题尺寸。
自定义品种的K线一键压缩脚本 : 自定义交易品种，可通过CustomRatesReplace新增或修改K线，频繁调用增加会导致磁盘空间快速占满，可通过此脚本快速压缩K线。 作者： Ping You Jiang
新文章 CCI 指标。 三个变换步骤 已发布： 在本文中，我将针对 CCI 进行额外的修改，从而影响该指标的逻辑。 进而，我们就能够在主图表窗口中看到它。 出于实验目的，我们将采用一个矩形窗口、一个三角形窗口、和平顶窗口。 最后一个窗口函数相当不寻常，因为它的某些权重采用负值。 我们也取三个不对称的窗口 - 线性、幂、和指数权重。 拥有线性和指数权重的平均值可在 MetaTrader 的移动平均线菜单中找到。 所有选项的一般视图如图所示（最低指标是经典 CCI）。 所有选项都非常相似，但它们的级别可能相差很大。 这取决于所采用的窗口函数 — 其中一些有滞后，指标值相对较大的可能会更频繁地出现。
sChartsSynchroScroll_v2:
新版sChartsSynchroScroll脚本。
作者： Dmitry Fedoseev
新文章 学习如何基于柴金（Chaikin）振荡器设计交易系统 已发布： 欢迎阅读我们系列的新篇章，学习如何基于最流行的技术指标设计交易系统。 通读这篇新文章，我们将学习如何基于柴金（Chaikin）振荡器指标设计交易系统。 在本主题中，我们将设计一个分步蓝图，以此帮助我们为提到的每个策略创建交易系统，我相信这一步非常重要，因为它可以归纳我们的思路，并以这种实现我们的目标。 现在，我们开始照此执行。 策略一: 柴金振荡器交叉： 根据此策略，我们需要创建一个交易系统，一旦满足特定条件，该系统就会在图表上返回特定注释。
新文章 如何将MetaTrader 5中的交易复制到MetaTrader 4已发布：
如今，在MetaTrader 5的实盘帐户上进行交易是否可行？如何进行此类交易？本文不仅从理论上解答这些问题，同时还提供可用的源代码，让你能够把MetaTrader 5终端上的交易复制到MetaTrader 4。本文对EA交易的开发者和练习交易者都非常有用。
引言
曾几何时，许多交易者都认为MetaTrader 5对于实盘交易来说是一个不成熟的、不可靠的平台。但是没多久，公众看法就发生了改变，现在大家都在问MetaTrader 5何时能具备实盘交易的能力。许多交易者已经对MetaTrader...
新文章 神经网络变得轻松（第二十二部分）：递归模型的无监督学习 已发布： 我们继续研究无监督学习算法。 这次我建议我们讨论自动编码器应用于递归模型训练时的特性。 模型测试参数相同：EURUSD，H1，过去 15 年。 默认指标设置。 把最近 10 根蜡烛的数据输入到编码器。 已经过训练的解码器，可以解码最后 40 根蜡烛。 测试结果如下图所示。 在每根新形成的蜡烛完毕后，数据被输入编码器。 正如您在图表中所看到的，测试结果证实了这种方法对于递归模型的无监督预训练的可行性。 在模型的测试训练过程中，经过 20 个学习世代，模型误差几乎稳定下来，亏损率小于 9%。 此外，有关至少 30
新文章 数据科学与机器学习（第 06 部分）：梯度下降 已发布： 梯度下降在训练神经网络和许多机器学习算法中起着重要作用。 它是一种快速而智能的算法，尽管它的工作令人印象深刻，但它仍然被许多数据科学家误解，我们来看看有关它的全部。 基本上，梯度下降是一种优化算法，用于查找函数的最小值： 梯度下降是机器学习中非常重要的算法，因为它可以帮助我们找到数据集最佳模型的参数。 我先解释一下术语 成本函数 。 作者： Omega J Msigwa
新文章 从头开始开发智能交易系统（第 25 部分）：提供系统健壮性（II） 已发布： 在本文中，我们将朝着 EA 的性能迈出最后一步。 为此，请做好长时间阅读的准备。 为了令我们的智能交易系统可靠，我们首先从代码中删除不属于交易系统的所有内容。 非常有趣的是，此函数中没有创建任何东西。 然而，如果编译 EA 并执行，它将创建幻影，并显示在服务器上的订单状态。 若要理解这一点，请观看以下视频。 这是系统在现实中如何操作的演示。 幻影指标确实在图表上被创建，但这如何实际发生的？ 我们如何设法创建指标，而无需在代码中的某个地方实际创建它们？ 这就是幻影。
新文章 DoEasy. 控件 (第 12 部分): 基准列表对象、ListBox 和 ButtonListBox WinForms 对象 已发布： 在本文中，我将继续创建 WinForms 对象列表的基准对象，以及两个新对象：ListBox 和 ButtonListBox。 编译 EA，并在图表上启动它： 在此，我们可看到顶部两个 ButtonListBox 按钮的操作方式与底部两个略有不同。 这取决于设置的标志。 在第一种情况下，无法禁用按钮再次被按下。 我们能通过按第二个按钮来禁用另一个按钮。 在第二种情况下，可以通过单击第二个按钮，以及再次按下已启用的按钮来禁用该按钮。
新文章 从头开始开发智能交易系统（第 24 部分）：提供系统健壮性（I 已发布： 在本文中，我们将令系统更加可靠，来确保健壮和安全的使用。 实现所需健壮性的途径之一是尝试尽可能多地重用代码，从而能在不同情况下不断对其进行测试。 但这只是其中一种方式。 另一个是采用 OOP。 有些事情并不那么简单，尽管有些人也许会想当然。 订单系统便是其中之一。 您甚至可以创建一个更适度的系统，为您提供完美的服务，就像我们在 从头开始开发智能交易系统 的文章中所做的那样，其中我们创建了一个基本系统，它对于大多人都有用，而对某些人来说还不够。 因此，当一切都开始变化，这一时刻就到来了 —
新文章 神经网络变得轻松（第二十一部分）：变分自动编码器（VAE） 已发布： 在上一篇文章中，我们已熟悉了自动编码器算法。 像其它任何算法一样，它也有其优点和缺点。 在其原始实现中，自动编码器会尽可能多地将对象与训练样本分开。 这次我们将讨论如何应对它的一些缺点。 为了测试变分自动编码器的操作，我们将取用 之前文章 中的模型。 将其保存为新文件“ "vae.mq5"。 在该模型中，编码器在第 5 个神经层上返回 2 个值。 为了正确规划变分自动编码器的操作，我将编码器输出端的层大小增加到 4 个神经元。 我还插入了新神经层，将变分自动编码器的潜伏状态作为第 6 个神经元。 该模型基于
新文章 学习如何基于标准偏差设计交易系统 已发布： 此为我们该系列中的一篇新文章，介绍如何利用 MetaTrader 5 交易平台中最受欢迎的技术指标来设计交易系统。 在这篇新文章中，我们将学习如何运用标准偏差指标设计交易系统。 策略一：简单标准偏差 — 波动性： 根据此策略，我们需要交易系统检查两个数值，并持续比较它们。 这两个值是当期标准偏差，和前五期标准偏差的平均值。 之后，我们需要交易系统来决定哪一个值较大。 如果当期 Std Dev 大于平均值，我们需要在图表上看到一条注释， 高波动性。 当期 Std Dev 值。 前 5 期 Std Dev 均值。 如果当期 Std Dev
新文章 价格序列离散化，随机分量和噪音 已发布： 我们通常使用烛条或条形图来分析行情，将价格序列切分成规则间隔。 这样的离散化方法不会扭曲行情走势的真实结构吗？ 将音频信号离散化为规则间隔是可以接受的解决方案，因为音频信号是随时间变化的函数。 信号本身是取决于时间的幅度。 该信号属性是基本的。 细心的交易者可能会注意到，行情上的烛条通常按“大”和“小”尺寸分组（波动率高和低的区域），这意味着图表不是随机漫游，而是有形态的。 如果时间离散引入了严重的失真，则不会观察到这种效果。 然而，可以通过以下事实来解释此事实：烛条大小取决于在此烛条内执行的交易操作的数量。 这该如何验证？
随机振荡器 EA: 基于指标 iStochastic (随机振荡器，随机指标) 进行交易。 可启用/禁用持仓的止损, 止盈, 和尾随。 作者： Vladimir Karputov
Exp_Sar_Tm_Plus: 一款基于抛物线停止和反转系统指标信号的交易系统，可以设置一个固定的持仓时间。 作者： Nikolay Kositsin
Dodgy Backtest Example:
Expert shows how Backtest results are unreliable when you open and close an order on the same bar.
Author: Systrad5
新文章 神经网络实验（第 2 部分）：智能神经网络优化 已发布： 在本文中，我将利用实验和非标准方法开发一个可盈利的交易系统，并验证神经网络是否对交易者有任何帮助。 若在交易中运用神经网络的话， MetaTrader 5 完全可作为一款自给自足的工具。 针对获得的结果进行前向验证测试，以便找到最好的三个。 在我的情况下，选择判则是最大盈利因子和交易数量超过 100： 测试间隔: 从 2021.07.12 至 2022.07.12; 模式: (基于真实跳价的每次跳价); 初始资金: 10,000; 时间帧: H1; 固定手数 0.01; Angle EA 4-4-3. 测试 1: 测试 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