新文章 在 MQL5 中重新构想经典策略（第二部分）：富时 100 指数（FTSE100）与英国国债（UK Gilts） 已发布： 在本系列文章中，我们探索了流行的交易策略，并尝试使用人工智能（AI）对其进行改进。在今天的文章中，我们将重新审视基于股市与债市之间关系的经典交易策略。 所有发达经济体的政府都会发行以本国货币计价的债务，英国政府也不例外。英国国债是一种英国政府债务工具，它也在伦敦证券交易所上市。国债是固定收益证券，分为两种类型。第一种是传统国债，它构成了所销售国债的大部分。这种传统国债在到期前向国债持有者支付固定的票息，到期时将最后一笔票息和本金偿还给投资者。
新文章 您应当知道的 MQL5 向导技术（第 30 部分）：聚焦机器学习中的批量归一化 已发布： 批量归一化是把数据投喂给机器学习算法（如神经网络）之前对数据进行预处理。始终要留意算法所用的激活类型，完成该操作。因此，我们探索在向导组装的智能系统帮助下，能够采取的不同方式，并从中受益。 与本系列的所有内容一样，本文强调使用向导组装的 EA 来测试我们的新思路。对于新读者，可以从 此处 和 此处 获得有关如何行事的概述，这 2 篇文章提供了一些如何使用本文末尾所附代码的指导。至于本文，我们正采用相当多的自定义数据枚举作为可优化输入。MQL5
新文章 掌握 MQL5：从入门到精通（第四部分）：关于数组、函数和全局终端变量 已发布： 本文是初学者系列文章的延续。它详细介绍了数据数组、数据和函数的交互，以及允许不同 MQL5 程序之间交换数据的全局终端变量。 在本文中，我将讨论三个全局性主题： 数据数组 ，完成程序内部关于数据的主要部分。, 全局终端变量 ，允许在不同的 MQL5 程序之间交换简单数据。 , 函数 的一些特性及其与变量的相互作用。 作者： Oleh Fedorov
新文章 使用指数平滑法进行时间序列预测（续） 已发布： 本文力求升级此前创建的指标，并简要讲述了利用自助法与分位数评估预测置信区间的一种方法。如此一来，我们便会获得将用于评估预测准确性的预测指标和脚本。 作者： Victor
新文章 分析烛的图案 已发布： 日本烛形图的构建和烛图案的分析构成了技术分析的一个迷人领域。烛形图的优点在于它们以您能够跟踪数据动态的方式表示数据。在本文中，我们将分析烛的类型、烛图案的分类并提出一个能够确定烛图案的指标。 作者： Dmitry
BROTHER - 根据趋势高点彩虹桥的结果(By Rainbow On Trend High Extreme Results) - 5分钟人工系统EA:
这不是一个自动的系统. 它是完全人工的.
作者： Piotr
EquiPeak Drawdown Tracker : EquiPeak Drawdown Tracker（EquiPeak缩水跟踪器）是一个用于实时监控和记录交易账户最大缩水的指标。它不仅仅是一个当前缩水指标；它尤其适用于将您当前的缩水与您预期或之前记录的最大历史缩水进行直观比较。 Author: Enrique Enguix
新文章 关于因果网络分析（Causality Network Analysis，CNA）和向量自回归（Vector Autoregression，VAR）模型在市场事件预测中的应用实例 已发布： 本文提供了一个使用因果网络分析（Causality Network Analysis，CNA）和向量自回归（Vector Autoregression，VAR）模型在MQL5中实现复杂交易系统的全面指南。文章涵盖了这些方法的理论背景，详细解释了交易算法中的关键函数，并提供了实现的示例代码。
新文章 交易中的神经网络：TEMPO 方法的实施结果 已发布： 我们继续领略 TEMPO 方法。在本文中，我们将评估所提议方法在真实历史数据上的真实有效性。 TEMPO 方法建立在预先训练的语言模型的基础上。现实中，该方法作者在他们的实验中用到了预先训练的 GPT-2 。该方法的主要思想在于利用模型在初步训练期间获得的知识来预测时间序列。于此，当然，值得在语音和时间序列之间勾画出不明显的并肩之处。本质上，我们的语音是一条声音时间序列，以字母记录。不同的语调由标点符号传达。 长语言模型 （ LLM ），例如 GPT-2
新文章 重构经典策略（第七部分）：基于USDJPY的外汇市场与主权债务分析 已发布： 在今天的文章中，我们将分析汇率走势与政府债券之间的关系。债券是固定收益证券中最受欢迎的形式之一，将成为我们讨论的重点。加入我们，一起探索是否可以利用人工智能技术改进一种经典策略。
新文章 开发回放系统（第 60 部分）：玩转服务（一） 已发布： 很长一段时间以来，我们一直在研究指标，但现在是时候让服务重新工作了，看看图表是如何根据提供的数据构建的。然而，由于整个事情并没有那么简单，我们必须注意了解前方等待我们的是什么。 在上一篇文章 开发回放系统（第 59 部分）：新的未来 中，我介绍并解释了对控制指标和鼠标指标模块所做的部分更改。虽然这些更新为我们提供了一些未来的使用可能性，特别是鼠标指标模块，但它仍然存在一个小缺陷。然而，这个缺陷在现阶段并不影响我们。这是因为，目前，我们的重点是解决回放/模拟器服务类代码中与封装相关的一些剩余问题。
手动位置跟踪面板 : 基于 CDialog 类的面板。对当前符号进行操作。删除、设置止盈、设置一组头寸的盈亏平衡点 Author: Vladimir Karputov
新文章 禁忌搜索（TS） 已发布： 本文讨论了禁忌搜索（Tabu Search）算法，这是一种最早且最为人所知的元启发式方法之一。我们将详细探讨该算法的运行过程，从选择初始解并探索邻近选项开始，重点介绍使用禁忌表。文章涵盖了该算法的关键方面及其特性。 禁忌搜索的基础是自适应记忆，它不仅防止返回已经找到的解，还能控制搜索过程，考虑之前的步骤。其他研究人员，如曼努埃尔·拉古纳（Manuel Laguna）和拉斐尔·马蒂（Rafael Marti），随后进一步开发了该算法，极大地扩展了其在从生产计划到财务分析和电信等领域的应用。禁忌搜索仍然是解决需要深入分析和复合计算的复杂组合问题的相关工具。
新文章 将您自己的 LLM 集成到 EA 中（第 4 部分）：使用 GPU 训练自己的 LLM 已发布： 随着当今人工智能的快速发展，语言模型（LLMs）是人工智能的重要组成部分，因此我们应该考虑如何将强大的 LLMs 整合到我们的算法交易中。对于大多数人来说，很难根据他们的需求微调这些强大的模型，在本地部署它们，然后将它们应用于算法交易。本系列文章将采取循序渐进的方法来实现这一目标。 在上一篇文章中，我们简要讨论了如何为大型语言模型创建数据集，并通过一个简单的示例演示了如何仅使用 CPU
新文章 图形界面 VII: 页面控件 (第二章) 已发布： 第七部分的第一章介绍了用于创建三种表格控件的类: 文字标签型表格(CLabelsTable), 编辑框型表格(CTable) 以及绘制型表格(CCanvasTable)。在本文中(第二章)我们将讨论页面(Tabs)控件。 让我们列举出这个控件的所有组件。 容纳一组控件的背景或者区域, 页面 图 1. 页面控件的组件。 作者： Anatoli Kazharski
T3 TRIX Log : TRIX 指标使用价格的对数和 T3 替代指数移动平均线进行平滑。 作者： Mladen Rakic
新文章 数据科学和机器学习（第 28 部分）：使用 AI 预测 EURUSD 的多个期货 已发布： 众多人工智能模型的惯常做法是预测单一未来值。不过，在本文中，我们将钻研运用机器学习模型的更强大技术，即预测多个未来值。这种方式被称为多步预测，它令我们不仅能够预测明天的收盘价，还可以预测后天、及更久的收盘价。通过掌握多步骤预测，交易者和数据科学家能够获得更深入的见解，并制定更明智的决策，从而显著增强他们的预测能力和策略计划。
新文章 MetaTrader 移动终端中的 MetaQuotes ID 已发布： Android 和 iOS 设备为我们提供了许多功能，有一些甚至连我们自己都不知道。这些功能的其中之一就是推送通知，这允许我们接收个人消息，而不会拘于我们的电话号码或移动网络运营商。MetaTrader 移动终端已经能够从您的自动交易接收这样的消息。您只需要知道设备的 MetaQuotes ID。超过 200 000 台移动终端已经收到它。 作者： MetaQuotes Software Corp
Waddah Attar Explosion : 此指标显示市场加速运动的时刻。另外，它还能够标识何时的买入，卖出和退出市场的时机。 作者： Nikolay Kositsin
EMA_BB_VA : 指数均线 - 布林带 ® 波动通过 Jose Silva 调整。 作者： Dmitry Fedoseev
MetaCOT 2 CFTC 工具箱（一套指标） MT4 : MetaCOT 2 CFTC ToolBox 指标是一套 MetaCOT 2 指标，可访问 CFTC 报告中的数据。MetaCOT 2 支持 COT、分类 COT、TFF 和 CIT 报告，允许您直接在 MetaTrader 中构建 COT 图表。所有指标都有源代码，可用于构建自己的交易系统。 Author: Vasiliy Sokolov
新文章 纳什博弈论与隐马尔可夫滤模型在交易中的应用 已发布： 这篇文章深入探讨了约翰·纳什的博弈论，特别是纳什均衡，在交易中的应用。文章讨论了交易者如何利用Python脚本和MetaTrader 5，依据纳什的原则来识别并利用市场的无效性。文章还提供了实施这些策略的逐步指南，包括使用隐马尔可夫模型（HMM）和统计分析，以提升交易表现。 纳什均衡是博弈论中的一个概念，假设每个参与者都知晓其他参与者的均衡策略，且没有任何一个参与者仅通过改变自身的策略就能获得更多的收益。 在纳什均衡中，每个参与者的策略在给定其他所有参与者策略的情况下都是最优的。一场博弈可能存在多个纳什均衡，也可能一个都没有。
新文章 交易中的神经网络：使用语言模型进行时间序列预测 已发布： 我们继续研究时间序列预测模型。在本文中，我们领略一种建立在预训练语言模型基础上的复杂算法。 论文 《TEMPO：基于提示的生成式预训练变换器进行时间序列预测》 的作者解决了大型预训练模型适配时间序列预测的关键挑战。他们提出了 TEMPO ，这是一个基于 GPT 的综合模型，设计用于有效的时间序列表示学习。TEMPO 由两个关键的分析分量组成：一个专注于针对特定时间序列形态（如趋势和季节性）建模，另一个旨在经由基于提示的方式从内部数据属性中提取更普适的见解。具体说， TEMPO
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