新文章 骆驼算法（CA） 已发布： 骆驼算法（CA）于 2016 年被提出，该算法模拟沙漠中骆驼的行为特征来求解优化问题，同时考量温度、供给储备和耐力三大因素。本文还提出了该算法的改进版本（CAm），核心改进包括：在解的生成过程中引入高斯分布，并对绿洲效应参数进行优化。 近几十年来，大量受自然现象与生物行为启发的优化算法不断涌现。这类生物启发式算法在众多任务中均表现出优异效果。本文将介绍一种全新的优化算法 ——骆驼算法（CA），该算法模拟骆驼在极端沙漠环境中的生存与移动策略构建而成。该算法由穆罕默德・哈立德・易卜拉欣与拉姆齐・萨利姆・阿里两位学者于 2016 年提出并正式发表。
新文章 基于分形的算法（FBA） 已发布： 本文提出了一种新型元启发式算法，该算法基于分形思想对搜索空间进行划分，以求解优化问题。该算法通过逐步识别并分离有前景的区域，构建出自相似的分形结构，从而将计算资源集中到最有前景的搜索区域。其独特的、面向更优解的变异机制，有助于在搜索空间的全局探索与局部开发之间取得良好的平衡，显著提升了算法效率。 本文将介绍一种用于求解连续优化问题的新型元启发式算法 —— 由马尔詹・卡迪（Marjan Kaedi
通过当前符号检查市场是否开放交易的功能 : 该功能非常有用，可避免服务器在市场休市时收到过多的交易请求 Author: Anton Iaroshenko
新文章 神经网络在交易中的应用：混合图序列模型（GSM++） 已发布： 混合图序列模型（GSM++）结合了不同架构的优点，能够提供高保真度的数据分析，并优化计算成本。这些模型可高效适配动态市场数据，进而优化金融信息的展示与处理流程。 近年来，源自自然语言处理和计算机视觉领域的图 Transformer 受到了特别关注。其具备建模长程依赖关系并高效处理非规则性金融结构的能力，使之成为波动性预测、市场异常检测以及最优投资策略构建等任务领域的理想工具。然而，经典 Transformer 面临着诸多根本性挑战，其中包括高昂的计算成本以及难以适配无序图结构的问题。 “ Best of Both
新文章 在 MetaTrader 5 中使用自组织特征映射（Kohonen 映射） 已发布： 自组织特征映射（Kohonen 映射）最有趣的方面是，其在不受监督的情况下就可学会对数据进行分类。就其基本形式而言，该映射能够生成输入数据的一个类似映射（聚类）。可使用 SOM 映射实现高维数据的分类和可视化。在本文中，我们将讨论 Kohonen 映射的几个简单应用。 作者： MetaQuotes Software Corp
新文章 MQL5 MVC 范式下表格的视图与控制器组件：容器 已发布： 在本文中，我们将讨论如何创建一个支持内容滚动的“容器”控件。在此过程中，将对已实现的图形库控件类进行改进。 在 MVC（模型-视图-控制器）范式中开发 TableView 控件的过程中，我们已经创建了模型组件 —— 一个 表格模型 ，并开始创建视图和控制器组件。在 上一篇文章 中，我们创建了一些简单但功能齐全的控件。复杂的控件将由这些元素组装而成。今天我们将编写如 Panel（面板）、GroupBox（分组框）和 Container（容器）这样的控件类 —— 这三个元素都是用于在其上放置各种控件的容器。 Panel 控件
新文章 大逃杀优化器（BRO） 已发布： 本文探讨了大逃杀优化器算法 —— 这是一种元启发式算法，其中各解与其最近邻进行竞争，累积"伤害"，当超过阈值时被替换，并周期性地在当前最优解周围缩小搜索空间。文章提供了CAOBRO类的伪代码及MQL5中的实现，包括邻近搜索、向最优解移动以及自适应δ间隔。在Hilly、Forest和Megacity测试函数上的实验结果突出了该方法的优势与局限性。读者可以获得一套开箱即用的基础框架，用于实验和调优关键参数，如种群大小（popSize） 和最大伤害值（maxDamage）。
新文章 如何创建订购交易机器人的需求规范 已发布： 您是否正在运用自己的策略进行交易？ 如果您的系统规则可以描述为正规的软件算法，那么最好将交易委托给自动智能系统。 机器人不需要睡觉或食物，也不会受到人类弱点的影响。 在本文中，我们将展示如何在自由职业服务版块订购交易机器人时创建需求规范。 为什么一份准备充分的需求规范很重要？ 在订购或开发交易机器人时，您需要制定需求: 机器人要执行的任务，操作的条件，对事故和紧急情况的响应，所需的控制方法等。 交易机器人是程序，会严格遵循底层逻辑。 为了编写动作算法，您应该准备详细的描述。 交易策略的描述以需求规范的形式提供。 您提供的详细信息越多，您
新文章 基于套接字（Sockets）的Twitter情绪分析 已发布： 这种创新的交易机器人将 MetaTrader 5 与 Python 结合，利用实时社交媒体情绪分析为自动化交易决策提供支持。通过分析与特定金融工具相关的 Twitter 情绪，该机器人将社交媒体趋势转化为可操作的交易信号。它采用客户端-服务器架构，并通过套接字通信实现无缝交互，将 MT5 的交易能力与 Python
新文章 学习如何基于 Ichimoku 设计交易系统 已发布： 这是我们系列中有关如何基于最热门指标设计交易系统的一篇新文章，这回我们将详细讨论 Ichimoku 指标，以及如何依据该指标设计交易系统。 基于这一策略，我们需要创建一个能够持续检查收盘价、Senkou Span A 和 Senkou Span B 数值的交易系统。 我们需要交易系统在这些值之间进行比较，以便决定哪个值更大或更小，以此决定是否存在上升趋势或下降趋势，并在图表上显示收盘价和 Ichimoku 指标线的数值。 如果收盘价大于 span B ，且收盘价大于 span A，则趋势向上。 如果收盘价低于 span B
新文章 图论：Dijkstra（迪杰斯特拉）算法在交易中的应用 已发布： Dijkstra（迪杰斯特拉）算法是图论中一种经典的最短路径解决方案，它可以通过对市场网络进行建模来优化交易策略。交易者可以利用它从 K 线图表数据中找到最高效的路线。 在本文中，我们将探讨 Dijkstra 算法的实现，该算法是图论中的一个基本概念，因其解决最短路径问题的效率而闻名。该算法传统上应用于路由和网络优化，我们将通过将价格变动建模为加权图，将其重新应用于金融市场。在这里，节点代表价格水平或时间间隔，而边则反映了在这些节点之间转换的成本（或概率）。 我们的目标是利用 Dijkstra
新文章 MQL5交易工具（第七部分）：用于多品种持仓与账户监控的信息仪表盘 已发布： 在本文中，我们将使用MQL5开发一款信息仪表盘，用于监控多品种持仓以及账户关键指标，如余额、净值和可用保证金。我们将实现一个支持排序的实时刷新表格、CSV导出功能，以及发光表头效果，以提升工具的实用性与视觉体验。 我们将开发一款信息仪表盘，用于集中查看多品种持仓及核心账户指标，让您无需频繁切换界面就能轻松追踪交易表现。这套架构的核心价值在于：将零散的交易数据整合为可排序的表格，并支持实时汇总与数据导出，帮助用户快速识别回撤过大、持仓失衡等问题。
新文章 价格行为分析工具包开发（第 35 部分）：预测模型训练与部署 已发布： 历史行情数据绝非 “无用糟粕”，而是所有稳健市场分析的根基。本文将带您循序渐进，从历史数据采集入手，利用数据训练预测模型，最终完成模型部署，实盘价格预测落地应用。继续往下阅读，掌握完整实现流程！ 在 Python 实现部分，本文不再使用简易脚本，转而开发一套完整的 EA，实现行情持续监控与 Python 后端实时通信 —— 这是独立脚本难以高效实现的功能。MT5 端的脉冲检测 EA采用客户端 - 服务端架构：EA 作为客户端，Python Flask 服务作为后端服务端。EA 持续监听新 K
新文章 创建综合性猫头鹰交易策略 已发布： 我的交易策略基于经典的基本面，以及在所有类型的市场中广泛采用的指标的改进。 这是一个现成的工具，允许您追随提议的新型盈利交易策略。 最初，只需针对一连串 10 笔亏损交易，和不超过资金 15% 的金额设定最小风险就足够了。 尽管可能性似乎很小，但我们永远不应该忘记可能的市场崩盘、突然的调整、或急剧的跳空式暴涨。 许多交易者没有考虑到长期亏损交易的可能性，而这正是他们最终损失全部资金的主要原因之一。 故此，资金额度应足以克服回撤。 这并不意味着应该准备庞大的资金。 取而代之，这意味着资金规模和交易手数之间存在一定的比例。
新文章 价格行为分析工具包开发（第三十三部分）：K线区间理论工具 已发布： 提升您对市场的解读能力，这款适用于MetaTrader 5的K线区间理论套件是完全原生的MQL5解决方案，能将原始K线数据转化为实时波动率情报。轻量级的CRangePattern库会将每根K线的真实波幅与自适应ATR进行基准对比，并在K线收盘的瞬间完成形态分类；CRT指标随后会将这些分类结果以清晰的彩色矩形和箭头形式呈现在图表上，实时揭示市场的缩量盘整、强势突破以及全区间吞没形态。
新文章 探索标准库的交易策略类 - 自定义策略 已发布： 简介 本文面对希望接触某种功能性自定义而无需从头编写 EA 的新手/初学者。 在 MetaTrader 5 中“EA 交易”具有极大的可能性，使我们凭借在编程语言和源代码方面极少的知识或零知识（和技巧）即可进行交易，这一切得益于一个 MetaEditor 功能： MQL5 向导 。向导（我们不打算在本文中解释其详细工作情况）用于生成完成的程序（.mq5 和 .ex5 文件）、算法和代码。它受益于使用 MQL5 标准库及其交易策略类（这是很好的资源）。
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 MQL5交易工具（第六部分）：带脉冲动画与控件的动态全息仪表盘 已发布： 在本文中，我们将使用MQL5创建一个动态全息仪表盘，用于监控交易品种与时间周期，集成RSI指标、波动率预警以及排序功能。我们将添加脉冲动画、交互按钮与全息视觉效果，使该工具在视觉上更具吸引力，并具备良好的交互响应性。 我们即将搭建的全息仪表盘是一款可视化工具，能够同时监控多个交易品种与时间周期，展示 RSI 和波动率等指标，并附带排序与预警功能，帮助我们快速地捕捉交易机会。这套架构设计至关重要。它将实时数据、交互控件与动画效果融为一体，即使在图表界面极为繁杂的环境中，也能让您更直观、更高效地进行分析。
新文章 MQL5 交易策略自动化（第24篇）：集成风险管理与移动止损的伦敦时段突破系统 已发布： 本文将搭建一套伦敦时段突破交易系统，可识别伦敦开盘前区间的突破机会，并支持自定义交易类型、风险参数来挂入挂单。系统内置移动止损、盈亏比、最大回撤限制等功能，同时配备控制面板，可实时监控与管理交易。 伦敦时段突破策略 专门利用伦敦开盘时段市场波动率放大的特点：先识别伦敦开盘前形成的价格区间，再挂单，捕捉价格突破该区间的交易机会。该策略的价值在于：伦敦交易时段通常流动性充足、行情波动剧烈，能提供稳定的盈利机会；但同时必须做好严谨的风控，规避假突破与账户回撤风险。
新文章 经典策略重构（第14部分）：多策略分析 已发布： 在本文中，我们继续探讨如何构建多策略组合体系，并使用 MT5 遗传算法优化器对策略参数进行调优。本次我们使用 Python 对数据进行分析，结果表明：我们的模型能更准确地预判哪一个策略会表现更优，其预测精度高于直接预测市场收益率。然而，当我们使用这些统计模型对应用程序进行测试时，性能却大幅下滑。我们随后发现，遗憾的是，遗传优化器偏向了高度相关的策略，这促使我们修改方案：将投票权重固定，转而让优化器专注于优化指标参数。 利用人工智能构建交易策略时，很多环节都可能出问题。本次的情况是：遗传优化器
新文章 MetaTrader 5 机器学习蓝图（第一部分）：数据泄露与时间戳修正 已发布： 在开始将机器学习用于 MetaTrader 5 交易之前，必须先处理一个常被忽视的关键问题：数据泄露。本文深入剖析了数据泄露，尤其是 MetaTrader 5 时间戳陷阱，说明它如何扭曲模型表现并导致不可靠的交易信号。通过深入研究这一问题的机理并提出预防策略，我们为构建稳健的机器学习模型铺平了道路，这些模型能够在实时交易环境中提供值得信赖的预测结果。 数据窥探或数据泄露可能看似微不足道，但其对机器学习模型的影响可能是巨大的，甚至是毁灭性的。想象一下，你在备考时 无意中
新文章 MQL5 交易工具（第五部分）：创建滚动行情条，实现交易品种实时监控 已发布： 在本文中，我们将使用MQL5开发一款滚动行情条，用于实时监控多个交易品种，以滚动效果显示买价、点差以及日内涨跌幅。我们将实现可自定义的字体、颜色和滚动速度，从而有效突出价格变动与趋势。 我们即将创建的 滚动行情条 ，是一款以滚动形式展示多品种实时数据的工具，它会显示买价、点差和日内涨跌幅，方便我们快速掌握市场动态。这一功能十分重要，它能以紧凑、动态的方式呈现市场波动，突出价格趋势与波动率，同时又不会让图表信息显得拥挤或过载，这对于快节奏交易中的快速决策至关重要。
新文章 价格行为分析工具包开发（第 32 部分）：基于 Python 的 K 线识别引擎（二）—— 使用 TA-Lib 进行检测 已发布： 本文中，我们已从在 Python 中手动编写 K 线形态检测代码，转向使用 TA-Lib 库，该库可识别六十余种不同的K线形态。这些形态能为预判市场潜在反转与趋势延续提供极具价值的参考。下面继续详细说明。 TA-Lib（技术分析库）是一款开源库，被交易员、投资者和分析师广泛用于执行复杂技术计算与开发交易策略。该库最初由马里奥・福尔捷（Mario Fortier）开发，核心基于 ANSI C 语言编写：内置 200 余种技术指标（如
新文章 在MetaTrader 5中集成隐马尔可夫模型 已发布： 在本文中，我们将展示如何将使用Python训练的隐马尔可夫模型（Hidden Markov Models, HMMs）集成到MetaTrader 5应用程序中。HMM是一种强大的统计工具，用于对时间序列数据进行建模，其中被建模的系统以不可观察（隐藏）的状态为特征。HMM的一个基本前提是，在特定时间处于给定状态的概率取决于该过程在前一个时间点的状态。
应用加权相关系数的最近相邻发现, 进行价格预测 : 应用加权相关系数的最近相邻发现, 越近的权重值越大。在价格模式之内权重由新至旧呈线性衰减。 作者： Vladimir
新文章 从基础到中级：结构（五） 已发布： 在本文中，我们将探讨如何重载结构化代码。我知道一开始理解起来可能会相当有挑战性，尤其是当你第一次看到它的时候。在尝试深入探讨更复杂、更精细的主题之前，掌握并理解这些概念是非常重要的。 我知道你们中的许多人（尤其是初学者）可能都在想：“朋友，我不想学这个。我想学习如何创建 EA 交易或指标。学习实现我根本不打算使用的解决方案，这真的不适合我。”好吧，你有权这么想。但是，如果你不懂得如何实现那些与指标或甚至与 EA 代码无关的解决方案，那么你会比你想象的更早走进死胡同。 之所以出现这种情况，是因为你不懂得如何实现那些既不显而易见也不简单的解决方案。
新文章 Linux 上的 MetaTrader 5 已发布： 在本文中，我们演示了一种在流行的Linux版本（Ubuntu和Debian）上安装MetaTrader 5的简单方法。这些系统广泛用于服务器硬件以及交易者的个人计算机上。 作者： MetaQuotes Software Corp
新文章 MQL5自优化智能交易系统（第九部分）：双移动平均线交叉 已发布： 本文将介绍双移动平均线交叉策略的设计思路：利用更高的时间框架（日线D1）的信号指导更低的时间框架（15分钟M15）的入场，并通过中间风险周期（4小时H4）计算止损位。本文将讲解系统常量、自定义枚举，以及趋势跟踪和均值回归模式的逻辑，同时强调代码模块化与未来遗传算法优化的扩展性。该方法支持灵活的入场/出场条件，通过让较低的时间框架入场与较高的时间框架趋势保持一致，减少信号滞后、优化交易时机。
新文章 从基础到中级：结构（四） 已发布： 在本文中，我们将探讨如何创建所谓的结构化代码，即将处理变量和信息的整个上下文和方法都置于一个结构中，从而为任何代码的实现创造一个合适的上下文环境。因此，我们将探讨使用代码私有部分来区分公有部分和非公有部分的必要性，从而遵守封装原则，并保留创建数据结构时的上下文。 在前一篇文章“ 从初级到中级：结构（三） ”中，我们开始探讨一个令初学者感到非常困惑的话题：结构化代码和组织化代码之间的区别。 许多人将代码组织良好与代码结构化混淆了。虽然这些概念看起来相似，但它们并不完全相同。然而，本文只是结构化编程领域中更复杂、更优雅、更迷人内容的起点。
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