Trend Zigzag (on ma cross) : 连接移动平均线交叉点的静态之字形 Author: Conor Mcnamara
新文章 MQL5 简介（第 9 部分）：理解和使用 MQL5 中的对象 已发布： 学习使用当前和历史数据在 MQL5 中创建和自定义图表对象。本基于项目的指南可帮助您可视化交易并实际应用 MQL5 概念，从而更容易构建适合您交易需求的工具。 我们将在此项目中开发一个 EA 交易，通过在图表上显示清晰的可视化效果来改善交易。EA 将自动显示从入场点到止损和止盈区的路线，为您提供对交易风险和回报的快速视觉评估。在不要求您咨询其他数据源的情况下，EA 将实时更新，以反映您当前的利润或亏损。此外，它还将通过显示当前观察仓位的入场价、止损价和止盈价，提供一目了然的精确信息。 此 EA
新文章 重构经典策略（第九部分）：多时间框架分析（第二部分） 已发布： 在今天的讨论中，我们探讨了多时间框架分析的策略，以确定我们的人工智能（AI）模型在哪个时间框架上表现最优。分析结果表明，在欧元兑美元（EURUSD）货币对上，月度和小时时间框架生成的模型具有相对较低的误差率。我们利用这一优势，开发了一个交易算法，该算法在月度时间框架上进行人工智能预测，并在小时时间框架上执行交易。
FVG based Momentum Detection : 该指标在输入的 "window_size "范围内评估 FVG，以检测动量或趋势强度。 Author: Yashar Seyyedin
新文章 Trademinator 3：交易机器的崛起 已发布： 在《Dr. Tradelove...》一文中，我们创建了一个可独立优化某预先选定交易系统的 EA 交易。而且，我们还决定创建一个不仅能够优化构成 EA 的交易系统参数、而且可以在多个交易系统中选择最优的 EA 交易。我们来看看，它会带来些什么... 作者： Roman Zamozhnyy
新文章 基于MQL5和Python的自优化EA（第五部分）：深度马尔可夫模型 已发布： 在本次讨论中，我们将把一个简单的马尔可夫链应用于相对强弱指标（RSI），以观察指标穿过关键水平后的价格行为。我们得出结论，当RSI处于11-20区间时，会产生最强的买入信号；而当RSI处于71-80区间时，会产生最强的卖出信号，这在新西兰元兑日元（NZDJPY）货币对上表现得尤为明显。我们将展示如何通过对数据的处理和分析，直接从您所拥有的数据中构建出最优的交易策略。此外，我们还将展示如何训练一个深度神经网络，使其能够最优地利用转移矩阵。
新文章 大气云模型优化（ACMO）：实战 已发布： 在本文中，我们将继续深入研究大气云模型优化（ACMO）算法的实现。特别是，我们将讨论两个关键方面：云向低压区域的移动以及降雨模拟，包括液滴的初始化及其在云中的分布。我们还将研究其他在管理云的状态以及确保它们与环境相互作用方面发挥重要作用的方法。
Breakout Finder by LonesomeTheBlue : 这是 LonesomeTheBlue 从松树脚本代码转换而来的。 Author: Yashar Seyyedin
新文章 创建 MQL5-Telegram 集成 EA 交易（第 4 部分）：模块化代码函数以增强可重用性 已发布： 在本文中，我们将现有的用于从 MQL5 向 Telegram 发送消息和截图的代码重构为可重复使用的模块化函数。这将简化流程，实现跨多个实例的更高效执行和更轻松的代码管理。 在本系列的第四部分中，我们将重点介绍如何通过代码 模块化 增强程序的可重用性。我们将详细讨论代码模块化的原则，更具体地说，这些原则如何应用于我们的项目。接下来，我们将逐步介绍如何将现有的 mql5 脚本重组为单独的、定义良好的函数。最后，您可以选择使用旧的单片程序或具有相同输出的新的模块化 EA 交易系统。
新文章 您应当知道的 MQL5 向导技术（第 36 部分）：依据马尔可夫（Markov）链的 Q-学习 已发布： 强化学习是机器学习的三大信条之一，并肩两个是监督学习和无监督学习。因此，它在意的是最优控制，或学习最适合目标函数的最佳长期政策。正是在这种背衬下，我们探索其向一款由向导组装的智能系统中 MLP 中通知学习过程的可能作用。 由向导组装的智能系统的自定义信号类，能够承担各种值得探索的角色，我们继续寻求当 Q-学习 算法与 马尔可夫（Markov）链 配对时，如何帮助改进多层感知器网络的学习过程。Q-学习是强化学习的若干种（大约 12
新文章 交易中的神经网络：层次化向量变换器（终章） 已发布： 我们继续研究层次化向量变换器方法。在本文中，我们将完成模型的构造。我们还会在真实历史数据上对其进行训练和测试。 训练会持续，直至模型的误差稳定在某个水平。此刻，进一步的数据集更新对于优化参与者的政策不再具有贡献。 我们利用 MetaTrader 5 策略测试器评估训练模型的有效性，应用 2024 年 1 月的历史数据，同时保持所有其它参数不变。训练模型的测试结果如下所示。 作者： Dmitriy Gizlyk
新文章 自动选择有 "钱途" 的信号 已发布： 本文将致力于分析 MetaTrader 5 平台的交易信号, 从而能够在用户账户里自动执行交易操作。此外，文章还研究了工具的开发，它有助于从终端当中直接搜索潜在地有 "钱途" 的交易信号。 以梯度表示的汇总评分并不意味着它的左侧部分 (红色) 反映的是非盈利信号, 绿色部分显示的是潜在的有 "钱途" 的信号。它只是在特定交易信号基础上提供交易风格的可视化。虽然风险交易意味着更高的亏损机会, 但也意味着更高的盈利。 图例 1b 应用程序的结构 (右侧) 作者： Alexander Fedosov
模拟时钟ClockAnalog : 在背景上显示的 24-小时模拟 GMT(UTC) 市场时钟。时钟显示格林威治时间, 并根据时间表显示所有主要股票交易所的状态。 作者： Andrey Aseykin
Ranging Market Detector : 试图突显市场区间的指标 Author: Conor Mcnamara
JSON Serialization and Deserialization (native MQL) : JSON 协议序列化和逆序列化。代码从高速的 С++ 程序库移植而来。 实践例程: 在网站上授权并解析响应 CJAVal jv; jv[ "login" ]= "Login" ; // 登录名 jv[ "password" ]= "Pass" ; // 口令 //--- 字符串序列化 {"login":"Login","password":"Pass"} char data[]; ArrayResize (data, StringToCharArray (jv.Serialize()
新文章 在MQL5中创建交易管理员面板（第三部分）：通过视觉样式设计增强图形用户界面（1） 已发布： 在本文中，我们将专注于使用MQL5为交易管理员面板的图形用户界面（GUI）进行视觉样式设计与优化。我们将探讨MQL5中可用的各种技术和功能，这些技术和功能允许对界面进行定制和优化，确保它既能满足交易者的需求，又能保持吸引人的外观。
新文章 在任何市场中获得优势（第五部分）：联邦储备经济数据库（FRED）欧元兑美元（ EURUSD）可替代数据 已发布： 在今天的讨论中，我们使用了圣路易斯联邦储备银行（St. Louis Federal Reserve）提供的关于广义美元指数以及其他一系列宏观经济指标的可替代日数据，来预测欧元兑美元（EURUSD）未来的汇率。遗憾的是，尽管数据似乎具有近乎完美的相关性，但我们在模型准确性方面未能实现任何实质性提升，这可能暗示投资者最好采用常规的市场价格数据。
转换 MT5 设置文件至 MT4 : 转换 MT5 格式 .set 文件至 MT4 格式。 作者： Richard Gunning
移动均线穿越第 N 根柱线时报警 : 当 iMA (移动平均线, MA) 指标穿越第 N 根柱线时, 会产生警报 (音频警报, 电子邮件和推送通知)。 作者： Vladimir Karputov
新文章 您应当知道的 MQL5 向导技术（第 26 部分）：移动平均和赫斯特（Hurst）指数 已发布： 赫斯特（Hurst）指数是时间序列长期自相关度的衡量度。据了解，它捕获时间序列的长期属性，故在时间序列分析中也具有一定的分量，即使在财经/金融时间序列之外亦然。然而，我们专注于其对交易者的潜在益处，研究如何将该计量度与移动平均线配对，从而构建潜在的稳健信号。 我们继续本系列讲解 MQL5 向导技术的文章，重点放在金融时间序列分析中的可替代方法，从而造福交易者。至于本文，我们研究 赫斯特（Hurst）指数 。这是一个计量度，其会告诉我们，时间序列从长远来看，是具有较高正 自相关
新文章 从基础到中级：BREAK 和 CONTINUE 语句 已发布： 在本文中，我们将学习如何在循环中使用 RETURN、BREAK 和 CONTINUE 语句。了解每个语句在循环执行流程中的作用对于处理更复杂的应用程序非常重要。此处提供的内容仅用于教育目的。在任何情况下，除了学习和掌握所提出的概念外，都不应出于任何目的使用此应用程序。 我知道许多初学者程序员很难正确理解循环生成命令的工作原理。然而，循环是必不可少的，几乎存在于你整个职业生涯中开发的每个程序中，即使你只是把创建程序作为 爱好 。理解并有效地使用与循环相关的命令至关重要。
新文章 掌握ONNX：MQL5交易者的游戏规则改变者 已发布： 深入ONNX的世界，这是一种用于交换机器学习模型的强大的开放标准格式。了解利用ONNX如何彻底改变MQL5中的算法交易，使交易员能够无缝集成尖端的人工智能模型，并将其策略提升到新的高度。揭开跨平台兼容性的秘密，学习如何在您的MQL5交易活动中释放ONNX的全部潜力。通过这篇掌握ONNX的全面指南提升您的交易游戏 。 不可否认，我们正处于人工智能和机器学习的时代，每天都有一种新的基于人工智能的技术部署在金融、艺术和游戏、教育以及生活的更多方面。
新文章 您应当知道的 MQL5 向导技术（第 35 部分）：支持向量回归 已发布： 支持向量回归是一种理想主义的途径，寻找最能描述两组数据之间关系的函数或“超平面”。我们尝试在 MQL5 向导的自定义类内利用这一点来进行时间序列预测。
新文章 神经网络实践：第一个神经元 已发布： 在本文中，我们将开始构建一些简单而不起眼的东西：神经元。我们将使用非常少量的 MQL5 代码对其进行编程。神经元在我的测试中表现良好。让我们回到这一系列关于神经网络的文章中，了解一下我在说什么。 如果您仔细阅读以前的文章，您会注意到我们必须采用某些数学方法来确定表示斜率的常数 <a> 和表示截距的常数 <b> 的最佳值。这些调整使我们能够找到最合适的线性方程。我们探索了两种方法来实现这一点：一种通过导数计算，另一种通过矩阵计算。
CTsLogger 是一款简单灵活的记录系统 : 可记录单个模块或代码段的日志记录器 Author: Trefoter
新文章 使用Python和MQL5进行多交易品种分析（第一部分）：纳斯达克集成电路制造商 已发布： 加入我们的讨论，了解如何利用人工智能（AI）优化您的仓位规模和订单数量，以最大化您的投资组合回报。我们将展示如何通过算法识别一个最优的投资组合，并根据您的回报预期或风险承受能力来调整投资组合。在本次讨论中，我们将使用SciPy库和MQL5语言，利用所拥有的全部数据创建一个最优且多样化的投资组合。
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