Exp_i-KlPrice_Vol : 基于 i-KlPrice_Vol 指标信号的交易系统 作者： Nikolay Kositsin
跨周期均线指标 : MT4跨周期均线指标，在当前图表上显示大周期的均线，比如在M30上显示日线的均线。 作者： Ziheng Zhuang
新文章 重塑经典策略（第六部分）：多时间框架分析 已发布： 在这一系列文章中，我们重新审视经典策略，看看是否可以利用人工智能（AI）对其进行改进。在本文中，我们将研究流行的多时间框架分析策略，以判断该策略是否可以通过人工智能得到增强。 在本文中，我们将重新审视一个广为人知的多时间框架分析策略。全球许多成功的交易者都坚信，在做出投资决策之前，分析多个时间框架是有益的。这种策略有许多不同的变体。然而，它们都倾向于坚持一个普遍的理念，即在较高时间框架上识别出的趋势，将在所有较低的时间框架上持续存在。
新文章 数据科学和机器学习（第 27 部分）：MetaTrader 5 中训练卷积神经网络（CNN）交易机器人 — 值得吗？ 已发布： 卷积神经网络（CNN）以其在检测图像和视频形态方面的出色能力而闻名，其应用涵盖众多领域。在本文中，我们探讨了 CNN 在金融市场中识别有价值形态，并为 MetaTrader 5 交易机器人生成有效交易信号的潜力。我们来发现这种深度机器学习技术如何能撬动更聪明的交易决策。
新文章 MQL5 Cookbook: 开发多品种指标分析价格偏离 已发布： 在本篇中, 我们将研究开发一款多品种指标来分析指定时间周期内的价格偏离。其核心议题已经在之前的多货币对指标编程文章中进行过讨论 "MQL5 Cookbook: 用 MQL5 开发多品种波动指标" 。所以这次，我们将仅关注那些有了大幅变化的新特征和功能。如果您是多货币对指标编程的新人, 我建议您先去阅读之前的文章。 在本篇中我们将研究以下问题: 改变图表属性。, 处理 CHARTEVENT_OBJECT_DRAG （拖拽图表对象）以及 CHARTEVENT_CHART_CHANGE
Heiken_Ashi_Smoothed_HTF : 在输入参数中带有时段选择选项的 Heiken_Ashi_Smoothed 指标 作者： Nikolay Kositsin
MACD Sample:
Classical MACD Sample.
Author: MetaQuotes Software Corp.
新文章 从头开始开发智能交易系统（第 7 部分）：添加价格成交量（Volume）指标（I） 已发布： 这是目前最强力的指标之一。 任何满怀信心尝试交易的人都必须在他们的图表上拥有这个指标。 最常用的指标都是那些喜欢在交易时“读磁带”的人所采用。 此外，而该指标则是那些交易时仅依据价格动作的人会采用。 如果栅格不可见，则无法调整指标的大小，如以下动画所示。 请注意，该界面非常简单直观：它只有两个控件，一个指示大小，另一个显示成交量分析的起点。 泛泛地说，该指标非常有效，在实现和构建时也非常有趣。 在本文中，我们将处理它的最基础的级别，然后在下一篇文章中再对其进行改进。
新文章 数据科学和机器学习（第 26 部分）：时间序列预测的终极之战 — LSTM 对比 GRU 神经网络 已发布： 在上一篇文章中，我们讨论了一个简单的 RNN，尽管它对理解数据中的长期依赖关系无能为力，却仍能制定可盈利策略。在本文中，我们将讨论长-短期记忆（LSTM）、门控递归单元（GRU）。引入这两个是为了克服简单 RNN 的缺点，并令其更聪慧。 LSTM（长-短期记忆）和 GRU（门控递归单元）神经网络都是强力工具，为交易者寻求先进的时间序列预测模型。而 LSTM 提供了更复杂的架构，擅长捕获市场数据中的长期依赖关系，GRU
新文章 交易中的神经网络：一种复杂的轨迹预测方法（Traj-LLM） 已发布： 在本文中，我想向您介绍一种为解决自动驾驶领域问题而开发的有趣的轨迹预测方法。该方法的作者结合了各种架构解决方案的最佳元素。 预测金融市场未来价格走势在交易者的决策过程中起着关键作用。高质量的预测使交易者能够做出更明智的决策并最小化风险。然而，由于市场的混沌和随机性质，预测未来价格轨迹面临着诸多挑战。即使是最先进的预测模型，也常常无法充分考虑影响市场动态的所有因素，例如参与者行为的突然转变或意外的外部事件。 近年来，随着人工智能的发展，特别是在大型语言模型（ LLMs ）领域，为解决各种复杂任务开辟了新的途径。
分形自适应移动平均线(FrAMA) : FRAMA的优点是能跟随强趋势运动并能在价格合并时刻突然减缓。 作者： MetaQuotes Software Corp
新文章 威廉·江恩（William Gann）方法（第二部分）：创建江恩宫格指标 已发布： 我们将基于“江恩九宫格”创建一个指标，该指标通过时间和价格方格构建而成。我们将提供指标代码，并在平台上针对不同的时间区间，对该指标进行测试。 在本文中，我们将深入探索江恩的“九宫格”，并尝试将其概念带入数字时代，通过使用 MQL5 编程语言为 MetaTrader 5 平台创建一个指标。我们的目标是开发一个工具，使交易者能够在交易中可视化并应用“九宫格”的原理，将江恩的智慧与现代技术相结合。
新文章 交易中的神经网络：时空神经网络（STNN） 已发布： 在本文中，我们将谈及使用时空变换来有效预测即将到来的价格走势。为了提高 STNN 中的数值预测准确性，提出了一种连续注意力机制，令模型能够更好地参考数据的重要方面。 为了解决多元数据的复杂性，基于延迟嵌入定理开发了时空信息（ STI ）变换方程。 STI 方程将多元空间信息变换到目标变量的时态。这有效地提升了样本量，并缓解了短期数据招致的挑战。 基于 变换器 的模型，均已精熟处理数据序列，它运用 自注意力 机制来分析变量之间的关系，同时忽略它们的相对距离。这些注意力机制捕获全局信息，并专注于最相关的特征，从而减轻维度的诅咒。
新文章 编写"EA 交易"时，MQL5 标准交易类库的使用 已发布： 本文阐述的是，在编写"EA 交易"的过程中，如何使用 MQL5 标准库交易类的主要功能，实现更改仓位与平仓、挂单的下达与删除，以及交易进行之前的预付款验证。我们还会演示可以如何使用交易类来获取订单与交易详情。 作者： Samuel
新文章 创建 MQL5-Telegram 集成 EA 交易 (第二部分):从 MQL5 发送信号到 Telegram 已发布： 在本文中，我们创建了一个 MQL5-Telegram 集成 EA 交易，将移动平均线交叉信号发送到 Telegram。我们详细介绍了从移动平均线交叉生成交易信号的过程，在 MQL5 中实现必要的代码，并确保集成无缝工作。结果是系统可以直接向您的 Telegram 群聊提供实时交易提醒。 在 我们关于开发 MQL5 的 Telegram 集成 EA 交易平台系列文章的第一部分 中，我们介绍了链接 MQL5 和 Telegram
新文章 重构经典策略（第五部分）：基于USDZAR的多品种分析 已发布： 在本系列文章中，我们重新审视经典策略，看看是否可以使用人工智能来改进这些策略。在今天的文章中，我们将研究一种使用一篮子具有相关性的金融产品来进行多品种分析的流行策略，我们将重点关注货币对 USDZAR。 为了评估这种关系，我们使用在 MQL5 中编写的脚本从我们的 MetaTrader 5 终端导出了所有市场数据。我们使用两组可能的输入数据来训练各种模型： USDZAR 的 OHLC 常规报价。, 石油和黄金价格的组合。 从收集到的数据来看，石油与 USDZAR 货币对的相关性似乎比黄金更强。
freeman : 基于 iMA (移动平均, MA) 和 iRSI (相对强弱指数, RSI) 的策略 作者： Vladimir Karputov
新文章 梯度提升（CatBoost）在交易系统开发中的应用. 初级的方法 已发布： 在 Python 中训练 CatBoost 分类器，并将模型导出到mql5，以及解析模型参数和自定义策略测试程序。Python 语言和 MetaTrader 5 库用于准备数据和训练模型。 编译后的 EA 可以在标准的 MetaTrader 5 策略测试器中进行测试。选择一个合适的时间框架（必须与模型训练中使用的时间框架相匹配）和输入参数 look_back 和 MA_period，这也应该与 Python 程序中的参数相匹配。让我们在训练期间检查模型（培训+验证子样本）： 模型的效果（训练+验证子样本）
新文章 重塑经典策略（第四部分）：标普500指数与美国国债 已发布： 在本系列文章中，我们使用现代算法分析经典交易策略，以确定是否可以利用人工智能改进这些策略。在今天的文章中，我们将重新审视一种利用标普500指数与美国国债之间关系的经典交易方法。 在我们的 上一篇文章
多时段彩色MACD柱形图 [v03] : 带有柱形图的MACD指标, 可以被应用于任何时段 (高于或低于当前图表的时段). 作者： Armand Kilian
新文章 交易中的神经网络：基于双注意力的趋势预测模型 已发布： 我们继续讨论时间序列的分段线性表示的运用，这在前一篇文章中已经开始。今天，我们要看看如何将该方法与其它时间序列分析方法相结合，从而提高价格趋势预测品质。 大量研究致力于金融时间序列的预测和分析。传统的统计方法往往假设时间序列是由线性过程生成的，这限制了它们在非线性预测中的有效性。机器学习和深度学习方法有能力捕获非线性关系，由此在金融时间序列建模方面已展现出极大成功。许多研究都专注于提取特定时间点的特征，并将其用于建模和预测。然而，这种方式往往忽视了数据交互，和短期波动连续性。 为了解决这些局限性，研究
新文章 实现 Deus EA：使用 MQL5 中的 RSI 和移动平均线进行自动交易 已发布： 本文概述了基于 RSI 和移动平均线指标实现 Deus EA 以指导自动交易的步骤。 我们将研究 Deus EA 的功能，这是一种使用 MQL5 构建的自动交易技术。我们的讨论将集中在 Deus EA 如何结合移动平均线和相对强弱指数（RSI）来做出交易选择。通过分析这些指标，EA 确定了市场中的最佳入场和退出点，以最大限度地提高交易盈利能力，同时最大限度地降低风险。 Deus EA 是为 MetaTrader 5
新文章 交易中的混沌理论（第二部分）：深入探索 已发布： 我们继续深入探讨金融市场的混沌理论，这一次我将考虑其对货币和其他资产分析的适用性。 分形维数是一个在混沌理论和包括金融市场在内的复杂系统分析中起着重要作用的概念。它提供了一种对对象或过程的复杂性和自相似性的定量衡量，使其在评估市场波动的随机程度方面特别有用。 在金融市场背景下，分形维数可用于衡量价格图的“锯齿性”。较高的分形维数表示价格结构更复杂、更混乱，而较低的分形维数可能表示更平稳、更可预测的走势。
新文章 掌握 MQL5：从入门到精通（第三部分）复杂数据类型和包含文件 已发布： 这是描述 MQL5 编程主要方面的系列文章中的第三篇。本文涵盖了上一篇文章中未讨论的复杂数据类型。这些包括结构、联合、类和“函数”数据类型。它还解释了如何使用 #include 预处理器指令为程序添加模块化。 在 本文 中，我将描述程序员如何创建复杂的数据类型： 结构 , 联合, 类（初学者水平） , 允许将变量名用作函数的类型。这允许将函数作为参数传递给其他函数。 本文还介绍了如何使用 #include
Highly_Adaptable_MA_Alerts : 高度可适应的移动平均提醒指标 作者： Scriptor
新文章 将 MQL5 与数据处理包集成（第 1 部分）：高级数据分析和统计处理 已发布： 集成实现了无缝的工作流程，来自 MQL5 的原始金融数据可以导入到 Jupyter Lab 等数据处理包中，用于包括统计测试在内的高级分析。 此后，您现在需要下载实际数据。为此，您必须导航至 > 查看 ，然后转到 > 交易品种 ，您将进入 规范 选项卡，只需导航至 > 柱 或 报价 取决于要下载什么类型的数据。继续并输入您要下载的历史数据的开始和结束日期，然后单击请求按钮下载数据并将其保存为 .csv 格式。 完成所有这些步骤后，您就可以成功从 MetaTrader
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