新文章 基于转移熵的时间序列因果分析 已发布： 在本文中，我们讨论了如何将统计因果关系应用于识别预测变量。我们将探讨因果关系与传递熵（Transfer Entropy, TE）之间的联系，并展示用于检测两个变量之间信息方向性传递的MQL5代码。
新文章 使用MQL5与Python构建自我优化的智能交易系统 已发布： 在本文中，我们将讨论如何构建能够根据当前市场条件自主选择和更改交易策略的EA。我们将学习马尔可夫链（Markov Chains）以及它们如何帮助我们作为算法交易者。 马尔可夫研究了许多需要他模拟完全随机过程的问题，这与我们处理市场动态的不可预测性挑战类似。他正式描述了一个框架，即今天所知的“马尔可夫链”。让我们直观地理解它。 想象你管理一家在德国提供公交服务超过70年的公共交通公司。公司正在考虑增加更多公交车到车队，而你作为经理，必须决定哪些目的地应该增加更多公交车，哪些则不值得进一步投资。
新文章 神经网络变得简单（第 92 部分）：频域和时域中的自适应预测 已发布： FreDF 方法的作者通过实验证实了结合频域和时域进行预测的优势。不过，权重超参数的使用对于非稳态时间序列并非最优。在本文中，我们将领略结合频域和时域预测的自适应方法。 时域和频域是分析时间序列数据的两种基本表现形式。在时域中，分析侧重于振幅随时间的变化，从而允许识别信号中的局部依赖关系和瞬态。相反，频域分析旨在依据频率分量来表示时间序列，以供深入透视数据的全局依赖关系和频谱特征。结合这两个领域的优势是解决在实时序列中混合不同周期形态问题的一种颇有前景的方式。此处的问题是如何有效地结合时域和频域的优点。
新文章 开发交易机器人：Python与MQL5结合（第二部分）：模型选择、创建与训练，以及Python自定义测试器 已发布： 我们继续关于使用Python和MQL5开发交易机器人的系列文章。今天我们将解决模型选择、训练、测试、交叉验证、网格搜索以及模型集成的问题。 在 上篇文章
新文章 交易账户监控是一个不可或缺的交易者工具 已发布： 交易账户监控提供了关于所有已完成交易的详细报告。所有的交易统计数据都是自动收集的，并以易于理解的图形和图表形式提供给您。 作者： MetaQuotes Software Corp
新文章 自定义指标：为净额结算账户绘制部分入场、出场和反转交易 已发布： 在本文中，我们将探讨在MQL5中创建指标的一种非标准方法。我们的目标不是专注于趋势或图表形态，而是管理我们自己的仓位，包括部分入场和出场。我们将广泛使用动态矩阵以及一些与交易历史和未平仓头寸相关的交易函数，以在图表上显示这些交易发生的位置。 正如文章标题所暗示的，这个指标只适用于净额结算系统账户才有意义。在这种系统中，只允许持有一个相同交易品种的头寸。如果我们朝一个方向交易，头寸规模将增加。如果交易是朝相反方向进行的，那么未平仓头寸将有三种可能的情况： 新的交易量较小 -> 头寸减少, 交易量相等 -> 头寸关闭
新文章 重塑经典策略（第二部分）：布林带突破 已发布： 本文探讨了一种将线性判别分析（LDA）与布林带相结合的交易策略，利用对市场区域的分类预测来生成战略性入场信号。 “人工智能”（AI）这个词可能是历史上最具误导性的命名惯例之一。读完本文后，你可能会同意AI是一个误称。作为作者，我对“智能”这个词有疑问。人工智能模型并非以人类意义上的智能存在。相反，它们是优化算法的智能应用。
新文章 从基础到中级：变量（II） 已发布： 今天，我们将探讨如何使用静态变量。这个问题常常让许多程序员感到困惑，无论是初学者还是有一定经验的开发者，因为使用这一机制时需要遵循一些特定的建议。本文旨在为教学目的提供材料。在任何情况下，应用程序都应仅用于学习和掌握所介绍的概念。 在上一篇文章 《从基础到中级：变量（I）》 中，我们开始讨论变量及其相关方面。例如，我们探讨了如何将变量转换为常量。我们还讨论了变量的生命周期和可见性。 在这里，我们将继续这一主题，假设读者已经正确理解了之前的材料。当谈到变量的生命周期和可见性时，对于初学者来说可能会有些难以理解。原因在于，很多时候我们 不希望
新文章 从基础到中级：变量（I） 已发布： 许多初学者很难理解为什么他们的代码没有按他们预期的方式运行。让代码真正发挥作用的因素有很多。代码能够正常运行，不仅仅是因为它包含了一系列不同的函数和操作。今天，我邀请您学习如何正确地编写真正的代码，而不是简单地复制粘贴代码段。这里呈现的材料仅供教学目的。在任何情况下，这些应用不应该被用于学习和掌握所介绍概念之外的其他目的。 许多人错误地认为计算机程序是基于函数和方法构建的。实际上这种假设是错误的。计算机程序大多是基于变量构建的。没有程序是为了其他目的而创建或提供的。其目的始终是使变量可知且可用。
新文章 您应当知道的 MQL5 向导技术（第 21 部分）：配以财经日历数据进行测试 已发布： 默认情况下，财经日历数据在策略测试器中不可用于智能系统测试。我们看看数据库能如何提供帮助，绕过这个限制。故此，在本文中，我们会探讨如何使用 SQLite 数据库来存档财经日历新闻，如此这般，由向导组装的智能系统就可以用它来生成交易信号。
新文章 适应性社会行为优化（ASBO）：两阶段演变 已发布： 我们继续探讨生物体的社会行为及其对新数学模型 ASBO（适应性社会行为优化）开发的影响。我们将深入研究两阶段演变，测试算法并得出结论。正如在自然界中，一群生物体共同努力生存一样，ASBO 使用集体行为原理来解决复杂的优化问题。 在 前一篇文章 中，我们讨论了 Schwefel 概念的一个例子，其中包括正态分布、自适应变异率的使用以及通过适应度值确定最近邻的函数。现在，我们的研究进入了一个新阶段，我们将分两个阶段完成算法的数学模型 -
新文章 S&P 500交易策略在MQL5中的实现（适合初学者） 已发布： 了解如何利用MQL5精准预测标普500指数，结合经典技术分析以增强稳定性，并将算法与经过时间验证的原则相结合，以获得稳健的市场洞察。 我们可以在互联网上轻松获取指数中包含的公司列表。我们可以利用对指数构成的理解来帮助我们创建交易策略。我们将选择指数中的一些最大公司，并使用每家公司的价格作为输入，输入到一个AI模型中，该模型将基于我们样本中权重较大的公司来预测指数的收盘价。我们的目标是开发一个结合AI和经过时间检验的技术的策略。 我们的技术分析系统将采用趋势跟踪原则来生成交易信号。我们需要纳入几个关键指标：
新文章 一个为莫斯科交易所期货开发的点差策略实例 已发布： MetaTrader 5 可以开发和测试同时交易多种金融资产的交易机器人。其内建的策略测试器能够自动从经纪商的服务器中下载所需的订单时刻历史，并会考虑到账户的合约规范，所以开发人员不用做任何人工工作。这可以使交易环境条件的重建能够简单和可靠，包括乃至不同交易品种中订单来临之间毫秒级的间隔。在本文中，我们将演示在两种莫斯科交易所期货上开发和测试一种点差策略。 通过使用线性回归方程 Y(X)=A(X)+B，我们可以明显发现两种资产之间的关联。让我们创建一个脚本 CalcShowRegression_script.mq5
布林带® : 布林带®指标（BB）和包络带指标类似。唯一的区别就是，包络带是按照离移动平均线的固定距离（%）绘制的，而布林带是按照一定的标准差距离绘制的。 作者： MetaQuotes Software Corp
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 图形界面 I: 图形界面的动画 (第三章) 已发布： 在前面的文章中, 我们开始开发了一个容纳控件的表单类. 在本文中, 我们将继续丰富此表单类的内容, 增加在图表区域内移动表单的方法. 接着我们会把这个界面组件与核心库整合. 而且我们会实现这样的功能, 在鼠标光标移动到表单之上时, 表单控件会改变它的颜色. 在本系列 前面的文章 中, 我们开始开发了一个用于控件的表单类. 在本文中, 我们将继续开发此类, 为它加上在图表区域内移动表单的方法. 我们也会把这个界面组建与核心库整合. 而且, 我们会在鼠标掠过表单控件的时候改变它的颜色. <...> 编译项目并把程序载入图表
新文章 用Python和MQL5进行投资组合优化 已发布： 本文探讨了使用Python和MQL5结合MetaTrader 5进行高级投资组合优化的技术。文章展示了如何开发用于数据分析、资产配置和交易信号生成的算法，强调了在现代金融管理和风险缓解中数据驱动决策的重要性。
新文章 MQL5 交易工具包（第 2 部分）：扩展和实现仓位管理 EX5 库 已发布： 了解如何在 MQL5 代码或项目中导入和使用 EX5 库。在这篇续文中，我们将通过向现有库中添加更多仓位管理功能并创建两个 EA 交易系统来扩展 EX5 库。第一个例子将使用可变指数动态平均（Variable Index Dynamic Average，VIDYA）技术指标来开发追踪止损交易策略 EA 交易，而第二个例子将利用交易面板来监控、开仓、平仓和修改仓位。这两个例子将演示如何使用和实现升级后的 EX5 仓位管理库。 在 第一篇文章 中，我们详细分析了 MQL5
所有交易的数据 : 本指标实时根据交易品种显示交易总数。 作者： prostotrader
新文章 在MetaTrader 5中实现基于EMA交叉的级联订单交易策略 已发布： 本文介绍一个基于EMA交叉信号的自动交易算法，该算法适用于MetaTrader 5平台。文章详细阐述了在MQL5中开发一个EA所需的方方面面，以及在MetaTrader 5中进行测试的过程——从分析价格区间行为到风险管理。 以下是移动平均线与价格数据对比的图示。该图示包括价格序列、快速移动平均线（10日指数移动平均线）和慢速移动平均线（20日指数移动平均线）。
新文章 神经网络变得简单（第 91 部分）：频域预测（FreDF） 已发布： 我们继续探索时间序列在频域中的分析和预测。在本文中，我们将领略一种在频域中预测数据的新方法，它可被加到我们之前研究过的众多算法当中。 日益博得追捧的模型当中，那些基于 变换器 架构的模型会用到 自关注 机制进行动态自相关评测。还有，我们还看到在预测模型中运用频域分析的兴趣正在提升。输入数据序列以频域表示有助于避免自相关性描述的复杂性，并提升各种模型的成效。
新文章 化学反应优化（CRO）算法（第一部分）：在优化中处理化学 已发布： 在本文的第一部分中，我们将深入化学反应的世界并发现一种新的优化方法！化学反应优化 (CRO，Chemical reaction optimization) 利用热力学定律得出的原理来实现有效的结果。我们将揭示分解、合成和其他化学过程的秘密，这些秘密成为了这种创新方法的基础。 化学反应是由分子碰撞引发的，分子可以是单分子（与外部物质）或双分子（与其他分子）。这些碰撞可能是高效的，也可能是低效的，这取决于活化能和空间效应等因素。就这样，分子舞动、交织和分离，创造出新的形状和结构。
新文章 神经网络变得轻松（第二十九部分）：优势扮演者-评价者算法 已发布： 在本系列的前几篇文章中，我们见识到两种增强的学习算法。 它们中的每一个都有自己的优点和缺点。 正如在这种情况下经常发生的那样，接下来的思路是将这两种方法合并到一个算法，使用两者间的最佳者。 这将弥补它们每种的短处。 本文将讨论其中一种方法。 针对前几篇文章中的模型进行附加训练的好处是，我们可用上一篇文章中的测试 EA 来检查它们的训练结果。 这就是我如何做的。 训练模型之后，我采用了额外训练的策略模型，并利用上述模型在策略测试器中启动了 “REINFORCE-test.mq5” EA。 它的算法在 上一篇文章
基于 Price_Extreme_Indicator 的 EA 交易 : 这个EA交易是基于 Price_Extreme_Indicator 通道指标的。 作者： Scriptor
DDE - Server : 导出 MQL5 实盘数据至 Excel (DDE) 作者： Alexander Piechotta
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