新文章 精通日志记录（第十部分）：通过抑制机制避免日志重复输出 已发布： 我们在 Logify 函数库中搭建了一套日志抑制系统。本文详细讲解 CLogifySuppression 类如何通过可配置规则过滤重复、无关日志消息，减少控制台冗余信息。同时本文还介绍外部配置框架、参数校验机制以及完整测试方案，保障 EA、指标开发过程中日志记录能力稳定、灵活。 本文内容源自一位 Logify
新文章 利用灰色模型进行交易预测 已发布： 本文探讨灰色模型（GM）在金融时间序列预测中的应用。我们将介绍GM的工作原理，以及其在金融序列上的具体应用方式。同时也会讨论该类模型在交易场景中的优势与局限性。 GM可解决多种问题。借助GM，我们可以对时间序列进行分析、平滑处理，或识别价格走势的主要趋势；同时，该模型也可用于预测。GM最主要的优势是不强制要求时间序列具有平稳性。举例来说，简单移动平均线（SMA）只有在时间序列平稳、数值服从正态分布的条件下，才能发挥最佳效果。如果时间序列是非平稳的（也就是存在趋势），那么 SMA
新文章 人工原子算法（A3） 已发布： 本文介绍如何在 MQL5 中实现人工原子算法（A3）—— 一种受化学过程启发的元启发式优化算法。该算法只有两个可调参数：紧凑性和较小的种群规模，这保证了较高的运行速度，同时保持了足够的解质量。 该算法通过模拟原子与电子的相互作用寻找最优解。核心单元为原子，每一个原子代表问题的一组候选解。电子表示决策变量。共价键算子负责保存、复制当前最优解；离子键算子用于探索搜索空间，助力算法搜寻全局最优。
新文章 从基础到中级：对象（三） 已发布： 在今天的文章中，我们将探讨如何实现一个极具吸引力和趣味性的交互系统，特别是对于那些刚开始学习 MQL5 编程的人来说。这里并没有任何全新的内容。得益于我对这个主题的处理方式，理解起来会容易得多，因为我们将通过实践，了解如何使用结构化的方法，以实用且引人入胜的目标来开发程序。 在上一篇文章“ 从基础到进阶：鼠标事件 ”中，我们以简单、清晰且相对客观的方式探讨了如何处理与鼠标相关的事件，以及鼠标与键盘的组合。这对于在图表上创建按下按钮的组合并形成特定活动是必要的。
新文章 神经网络实践：熟能生巧 已发布： 在今天的文章中，我们将探讨一个简单的代码更改如何使神经元更加专业化，从而显著加快训练阶段的速度。毕竟，正如我们稍后将看到的，一旦神经元或神经网络经过训练，其执行任务的速度就会大大提升。我们还会谈到一个确实存在、却很少有人提起的问题。 在上一篇文章“ 神经网络实践：第一个神经元
新文章 配对交易：基于Z值差异的自动优化算法交易 已发布： 本文将深入探究配对交易的核心逻辑，以及相关性交易的运作机制。我们还将编写一套自动化配对交易EA，并为其加入基于历史数据的算法自动优化功能。此外，在整个项目中，我们还会学习如何通过 Z 值（Z-Score）计算两个交易品种之间的价差偏离度。 该策略建立在相关性与平稳性两大核心统计概念之上。相关性用来衡量两个变量之间的关联紧密度，即一个变量变动时，另一个变量会随之产生多大程度的联动。在金融市场中，相关系数的取值范围介于 -1（完全负相关）到 +1（完全正相关）之间。
新文章 从新手到专家：用MQL5实现动态新闻头条（八）—— 新闻交易快捷交易按钮 已发布： 虽然算法交易系统可以实现自动化操作，但许多新闻交易者与剥头皮交易者更倾向于在高影响力新闻事件和快节奏行情中主动掌控交易，这就要求具备快速的订单执行与管理能力。这一点凸显了对直观前端交互工具的需求 —— 这类工具需集成实时新闻推送、财经日历数据、指标分析、AI分析以及高响应交易控件。
新文章 您应该了解的MQL5向导技巧（第七十八部分）：鳄鱼振荡器与AD指标的市场韧性策略 已发布： 本文介绍鳄鱼震荡器与积累/派发（AD）指标系统化交易方法的后半部分内容。作者新增五种信号形态，演示如何过滤虚假走势、捕捉早期反转，并在多时间周期上实现信号共振。文中附带清晰的代码示例与性能测试结果，为 MQL5 开发者搭建了从理论到实践的桥梁。
新文章 从基础到中级：对象（二） 已发布： 在今天的文章中，我们将探讨如何使用代码以一种简单的方式控制某些对象属性。我们还将了解自定义应用程序如何将多个对象放置在同一个图表上。此外，我们将开始认识到，为我们计划实现的任何指标分配一个简称的重要性。 在上一篇文章“ 从基础到进阶：对象（一） ”中，我们首次接触了 MQL5 中可用的图形对象，并展示了如何将这些对象放置在图表上，并以一种相对简单（尽管通常效率不高）的方式进行操作。这是因为我们目前还不打算构建应用程序；我们的目标是尽可能保持代码的简洁和易读性。
新文章 MQL5中的量子神经网络（第三部分）：基于量子比特的虚拟量子处理器 已发布： 本文聚焦于构建一套搭载真正的量子模拟器的交易系统，而非仅使用数学类比。该系统通过3个虚拟量子比特、量子门以及量子叠加原理对市场进行分析，并以MQL5编写为MetaTrader 5平台的交易EA实现。其核心突破在于从简单模拟转向真正遵循量子原理处理金融信息。 在本系列的 第二部分 中，我们开发了一套采用量子效应数学类比的系统：共振（余弦）、干涉（正弦）、退相干（指数函数）。然而，它本质上仍然只是模仿。形式上看似优雅，但本质上并不是真正的量子。
新文章 神经网络在交易中的应用：不依赖特定数据的时间序列泛化（Mamba4Cast） 已发布： 在本文中，我们介绍了 Mamba4Cast 框架，并深入探讨了其关键组件之一：基于时间戳的位置编码。本文展示了如何结合数据的日历结构来构建时间嵌入。 市场既残酷无情又变幻莫测。对于那些误读其信号的人，它不会给予第二次机会。如今尤其如此，新闻传播速度之快，远超一分钟图表上 K 线的形成速度。现代交易者不再依赖过去的数据 —
新文章 神经网络在交易中的应用：基于自适应模态分解的时间序列预测（终篇） 已发布： 本文讨论了在算法交易背景下，使用 MQL5 对 ACEFormer 框架的调整及其实践应用。它展示了关键的架构决策、训练特性以及在真实数据上的模型测试结果。 测试结果如下所示。 总体而言，该模型在测试期间执行了 13 笔交易，并获得了正收益。这些仓位中略多于一半的仓位最终盈利平仓。然而，值得注意的是，在三个月的评估期内仅有 13 笔交易，这表明交易活动相对较少。 一种可能的解释是概率注意力机制本身的性质。 作者： Dmitriy Gizlyk
Renko 2.0 Offline : 这个EA交易并不进行交易，它会在1M图表上生成自定义的交易品种信息。 作者： Guilherme Santos
新文章 灰色模型在金融时间序列技术分析中的应用研究 已发布： 本文研究灰色模型，这是一种具有潜力的工具，能够提升交易者在分析与策略构建方面的能力。我们探讨了将该模型应用于技术分析并构建交易策略的若干实现方案。 灰色建模由 邓聚龙 教授于1982年提出。该模型是一种用于分析信息不完全系统的数学工具。与需要大量数据的传统统计模型不同，灰色模型仅需有限数据集即可揭示隐藏规律。这一点在金融市场中尤为重要，因为市场信息往往有限，且数据通常包含大量噪声。
新文章 数据科学与机器学习（第四十四部分）：利用向量自回归（VAR）预测外汇 OHLC 时间序列 已发布： 本文探讨如何使用向量自回归（VAR）模型预测外汇 OHLC（开盘价、最高价、最低价、收盘价）时间序列数据。文章涵盖 VAR 模型的实现、模型训练以及在 MetaTrader 5 中的实时预测，帮助交易者分析相互关联的货币走势，改进交易策略。 这是一种传统的统计时间序列预测工具，用于研究多个时间序列变量之间的动态关系。与单变量自回归模型 （如 ARIMA，在上一篇文章中讨论过） 仅基于自身历史值预测单个变量不同，VAR 模型研究多个变量之间的相互关联性。
新文章 MQL5中的自优化智能交易系统（第十一部分）：线性代数基础入门 已发布： 在本文中，我们将为使用MQL5矩阵与向量API中强大的线性代数工具奠定基础。想要熟练运用此套API，我们必须牢固掌握支撑这些方法合理使用的线性代数原理。本文旨在让读者直观理解，作为MQL5算法交易者，入门并利用这一强大库所需的一些最重要的线性代数规则。 今天，我们将构建一个同时预测多个目标的统计模型。通常线性回归模型仅用于预测单一目标，例如未来的价格变动。而在本文案例中，我们将同时预测四个不同目标： 收盘价的未来移动平均值 最高价的未来移动平均值 最低价的未来移动平均值 未来价格
3_Level_ZZ_Semafor : 使用不连续点显示长，中，短周期的最小值和最大值的简单指标。 作者： Nikolay Kositsin
新文章 博弈论方法在交易算法中的应用 已发布： 我们正在基于深度Q网络（DQN）机器学习技术，结合多维因果推理，开发一款自适应、自学习的交易 EA。该 EA 将能够同时成功交易 7 个货币对。不同货币对的智能体之间会相互交换信息。 在决策速度至关重要且市场充满高度不确定性的情况下，需要采用不同的方法来创建交易系统。AdaptiveQ Enhanced 是一款基于深度强化学习（DQN）方法、博弈论和因果分析开发的交易 EA。 EA 通过模拟 531,441 种独特状态来分析市场，同时考虑了七大主要货币对之间的相互关系。该算法的关键要素是纳什均衡，用于在交易品种相互影响的条件下选择最优策略。
SessionRangeBoxes : 在任何图表上绘制亚洲、伦敦和纽约时段的彩色区间框。包括一个统计面板，显示以点为单位的平均时段范围，以及当价格退出时段框时的可选突破警报。 Author: 59848
新文章 关于MetaTrader 4和MetaTrader 5交易信号的一般资料 已发布： MetaTrader 4 / MetaTrader 5的“交易信号”是这样一种服务，它允许普通交易者复制信号提供者的交易操作。我们的目标是开发一种能被广泛使用的新服务，它能够保护订阅者，并为他们减少不必要的成本支出。 我们的服务为何如此特别？ 我们的目标是开发一种能被广泛使用的新服务，它能够保护订阅者，并为他们减少不必要的成本支出： 所有的重点都在于保护订阅者。, 购买和出售交易信号的操作过程非常简单。, 先进并且安全的MQL5.community 支付系统
新文章 神经网络在交易中的应用：基于自适应模态分解（ACEFormer）的时间序列预测 已发布： 我们诚邀您探索 ACEFormer 架构 — 一种将概率注意力机制的有效性与自适应时间序列分解相结合的现代解决方案。本文将对那些寻求在金融市场中平衡计算性能和预测准确性的读者有所帮助。 开发预测模型的努力可以追溯到二十世纪后期。早期的神经网络架构表明，原则上可以通过训练模型来预测市场走势。然而，这些方法无法在较长的时间范围内保留信息，并且很快就会忘记不久前发生的事件。 LSTM 网络的引入改善了这种情况。得益于其记忆机制，LSTM
新文章 外汇套利交易：带风险控制的公允价值回归矩阵交易系统 已发布： 本文详细描述了交叉汇率计算算法，展示了不平衡矩阵的可视化结果，并给出了优化设置 MinDiscrepancy 和 MaxRisk 参数以实现高效交易的建议。该系统使用交叉汇率自动计算每对货币的“公允价值”，在出现负偏差时生成买入信号，在出现正偏差时生成卖出信号。 算法交易领域有无数策略，但只有少数策略具备支撑金融市场的数学优雅性和基本逻辑。今天，我想向大家介绍一个完美体现这些品质的系统 — 基于货币公允价值概念的外汇市场矩阵套利。
新文章 MQL5 MVC范式下的表格视图与控制器组件：可调整尺寸的元素 已发布： 在本文中，我们将实现通过鼠标拖动控件的边缘和角点来调整控件大小的功能。 在现代用户界面中，鼠标拖动调整元素大小是一项十分常见且符合用户预期的功能。用户可以“抓取”窗口、面板或其他可视区域的边框并拖动，以实时改变元素尺寸。这类交互功能需要一套设计完善的架构，以保证界面响应及时，并正确处理所有事件。 构建复杂界面时，一种主流的架构方案是 MVC（模型‑视图‑控制器） 。在该模式中： 模型（Model） 负责数据与逻辑； 视图（View） 负责数据展示以及与用户的可视化交互； 控制器（Controller）
新文章 价格行为分析工具包开发（第34部分）：借助高级数据采集管道将原始市场数据转化为预测模型 已发布： 你是否曾错过市场突然的尖峰行情，或者在行情发生时措手不及？预判实时行情的最佳方法是从历史形态中学习。为了训练一个机器学习模型，本文首先向您展示如何在 MetaTrader 5 中创建一个脚本，用于摄取历史数据并将其发送到 Python 进行存储 —— 为您的尖峰检测系统奠定基础。继续阅读，了解每个步骤的实际操作。
新文章 如何在 MetaTrader 应用商店中购买自动交易？ 已发布： 现在，您也可以将自动交易及任何技术指标与 MetaTrader 5 一起使用。您只需要启动 MetaTrader 5 交易端，然后打开 Toolbox（工具箱）窗口的 Market（市场）选项卡。 作者： MetaQuotes Software Corp
新文章 使用机器学习检测与分类分形模式 已发布： 在本文中，我们将探讨一个有趣的话题：利用机器学习进行分形分析和市场预测。这只是迈向探索金融价格图表上形成的各种分形结构的最初几步。我们将利用相关性来发现模式，并使用 CatBoost 算法对这些模式进行分类。 在 第一篇文章
新文章 您应该了解的MQL5向导技巧（第七十一部分）：使用MACD与OBV形态 已发布： 指数平滑异同移动平均线震荡指标（MACD）与能量潮指标（OBV），是另一组可在MQL5智能交易系统（EA）中联合使用的技术指标。与本系列文章一贯的思路相同，这一组合具有互补性：MACD用于确认趋势，OBV则用于验证成交量。我们依旧通过MQL5向导来构建并测试这一组合的潜在效果。 将趋势跟踪类震荡指标MACD与OBV搭配使用。二者互为补充：一个追踪趋势，另一个衡量成交量。我们以英镑兑日元（GBPJPY）交易品种为例，将2023年作为训练周期，2024年作为前向步进测试窗口期。在2023年的“训练”
新文章 在 MQL5 中实现保本机制（第 2 部分）：基于 ATR 和风险回报比的保本机制 已发布： 本文将完成 MQL5 中基于 ATR 和风险回报比（RRR）的保本机制实现，并从零开始开发一个类，使得在无需重新输入参数的情况下即可轻松切换保本模式。为评估每种保本类型的有效性，我们将进行多次回测，并在算法交易的背景下分析它们各自的优缺点。 欢迎来到保本机制系列文章的第二部分。在这里，我们将继续编写第一部分中尚未完成的各类保本模式代码。此外，我们将创建一个辅助类，简化用户对保本模式的选择。我们将首先介绍基于 ATR
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