Autotrader Momentum : 这个 EA 交易会比较收盘价 作者： Vladimir Karputov
New Candle or Bar formation. : 该机器人可在任何设定的时间框架内检测新蜡烛的开盘，从而更方便地运行一次性代码、进行交易和调用其他功能。代码编写在 OnTick() 函数中。 Author: Clinton Dennis Edem
新文章 MQL5 中的交易策略自动化（第十五部分）：可视化价格行为的谐波形态模式 已发布： 本文探讨了在 MQL5 中实现谐波形态的自动化，详细介绍了如何在 MetaTrader 5 图表上对其进行检测和可视化。我们将实现一个EA，用于识别摆动点，验证基于斐波那契比率的形态，并通过清晰的图形标注执行交易。文章最后还提供了关于回测和优化程序的指导，以助力有效的交易。 密码形态是一种由五个关键摆动点——X、A、B、C 和 D——定义的谐波交易形态，分为两种形式：看涨形态和看跌形态。在看涨密码形态中，结构形成"低-高-低-高-低"的序列，其中点 X 是摆动低点，点 A 是摆动高点，点 B
新文章 交易中的神经网络：层次化双塔变换器（终篇） 已发布： 我们继续构建 Hidformer 层次化双塔变换器模型，专为分析和预测复杂多变量时间序列而设计。在本文中，我们会把早前就开始的工作推向逻辑结局 — 我们将在真实历史数据上测试模型。 我们按 Hidformer 作者提出的方法解读，实现其方式已完成大部工作。现在我们到达关键阶段：基于真实历史数据评估我们的方案有效性。在我们的实现中，我们大量借鉴了 MacroHFT 框架。因此，新模型与其比较是合乎逻辑的。故此，我们采用之前为训练 MacroHFT 实现而编译的训练数据集来训练新模型。 该训练数据集是从 EURUSD 货币对，2024
新文章 MQL5 交易工具包（第 8 部分）：如何在代码库中实现和使用历史管理 EX5 库 已发布： 在本系列的最后一篇文章中，我们将探讨如何轻松地将历史管理 EX5 库导入到 MQL5 源代码中，以处理 MetaTrader 5 账户中的交易历史记录。通过 MQL5 中简单的单行函数调用，可以高效管理和分析交易数据。此外，您还将学习如何创建不同的交易历史分析脚本，并开发基于价格的 EA 交易，作为实际用例示例。该示例 EA 利用价格数据和历史管理 EX5 库做出明智的交易决策、调整交易量，并根据先前已平仓的交易实施恢复策略。 在之前的文章中，我向大家介绍了如何开发一个强大而全面的历史管理
新文章 用于MetaTrader 5的WebSocket：借助Windows API实现异步客户端连接 已发布： 本文详细介绍了开发一款自定义动态链接库的过程，该库旨在为MetaTrader程序提供异步WebSocket客户端连接功能。 在文章 《MetaTrader 5中的WebSocket：使用Windows API》 中，阐述了如何在MetaTrader 5应用程序中利用Windows API实现WebSocket客户端。但其中所展示的实现方式受限于其同步运行模式。 在本文中，我们将再次探讨如何使用Windows API为MetaTrader
新文章 开发多币种 EA 交易（第 24 部分）：添加新策略（一） 已发布： 在本文中，我们将研究如何将新策略连接到我们创建的自动优化系统。让我们看看我们需要创建哪些类型的 EA，以及是否可以在不更改 EA 库文件的情况下完成，或者尽量减少必要的更改。 首先，让我们选择一个简单的策略，并将其用代码实现，以便在我们的 Advisor 库中使用。让我们将它的代码放在项目的工作文件夹中。策略创建完成后，即可创建第一阶段的 EA 交易系统，该系统将用于优化此交易策略单个实例的参数。在这里，我们将遇到一些与需要分离库代码和项目代码相关的困难。 我们可以对前一部分中编写的第二和第三阶段使用几乎相同的
新文章 MQL5交易策略自动化（第十二部分）：实现缓解型订单块（MOB）策略 已发布： 在本文中，我们将构建一个MQL5交易系统，可针对“聪明资金”（Smart Money）交易自动检测订单块。我们将阐述该策略的规则，在MQL5中实现其逻辑，并融入风险管理以实现有效的交易执行。最后，我们将对该系统进行回测，以评估其表现，并对其进行优化以获得最优结果。 为了实现 缓解型订单块策略
新文章 如何准备迁移至虚拟主机的交易账户 已发布： MetaTrader 客户端完美支持自动交易策略。它有交易机器人开发者所需的所有工具 ‒ 强劲的，基于 C++ 的 MQL4/MQL5 编程语言，便利的 MetaEditor 开发环境，以及支持在 MQL5 云网络中进行分布式计算的多线程策略测试器。在本文中, 您将发现如何将您的客户端连同所有定制元素一并移至虚拟环境。 如何让终端提供可靠的不间断运作？ 一个交易员可能需要在下述三种情况时，每天 24 小时保持终端运行: 交易员有自行努力开发的或 从其他程序员定购 的交易机器人, 交易员有 购自市场 的 EA, 交易员 订阅了一个信号 。
Uniformity Factor Indicator : 这是一个简单的分析（非信号、一次性计算）指标，可以测试价格时间序列是否代表 "随机漫步"，特别是高斯 "随机漫步 "的假设。这有助于将价格增量转化为均匀分布、更稳定、更可预测的时间序列（至少在波动性方面）。 Author: Stanislav Korotky
新文章 在 MQL5 中构建自定义市场状态检测系统（第二部分）：智能交易系统（EA） 已发布： 本文详细介绍如何利用第一篇开发的状态检测器，构建一个自适应的智能交易系统（MarketRegimeEA）。该系统能够根据趋势、震荡或高波动市场，自动切换交易策略与风险参数。文中涵盖了实用的参数优化、状态过渡处理以及多时间周期指标的应用。 在本系列文章的 第一部分 中，我们为应对瞬息万变的市场动态这一挑战奠定了必要的基础。我们建立了坚实的统计学根基，构建了能够客观分类市场行为的 CMarketRegimeDetector
新文章 在MQL5中构建自定义市场状态检测系统（第一部分）：指标 已发布： 本文详细介绍了如何使用自相关和波动性等统计方法，在MQL5中创建一个市场状态检测系统。文中提供了用于分类趋势、盘整和波动行情的类代码，以及一个自定义指标。 在深入探讨实现细节之前，理解市场状态是什么以及它们为何对交易者至关重要，这一点十分关键。市场并非随时间推移而表现一致，相反，它们会在不同的行为形态或“状态”之间转换。这些状态会显著影响价格的走势，进而影响交易策略的表现。 什么是市场状态？
新文章 基于MQL5中表模型的表类和表头类：应用MVC概念 已发布： 本文是致力于使用MVC（模型-视图-控制器）架构范式在MQL5中实现表模型系列文章的第二部分。本文基于先前创建的表模型来开发表类和表头。已经开发的类将构成进一步实现视图和控制器组件的基础，这些内容将在随后的文章中讨论。 在 第一篇文章 中，我们涵盖了表格控件的创建，并使用MVC架构模板在MQL5中创建了一个表模型。开发了单元格、行和表模型的类，这些类能够以方便和结构化的形式组织数据。
新文章 在 MQL5 中创建交易管理员面板（第十部分）：基于外部资源的界面 已发布： 今天，我们将深入挖掘 MQL5 的潜力，利用外部资源（例如 BMP 格式的图片）为交易管理面板打造独具风格的主界面。文中演示的策略在打包多种资源（包括图片、声音等）以实现高效分发时尤为实用。欢迎随我们一起探讨，如何利用这些功能为我们的 New_Admin_Panel EA 实现现代、美观的界面设计。 一旦自定义图像准备就绪，我们将开始编写功能代码，并将其与现有程序的功能进行集成。这些视觉资源将使我们能够用轻量级的图标替代笨重的按钮，在保持功能完整性的同时减少视觉杂乱。
新文章 MQL5 简介（第 13 部分）：构建自定义指标的初学者指南（二） 已发布： 本文将指导您从头开始构建自定义 Heikin Ashi 指标，并演示如何将自定义指标集成到 EA 中。它涵盖了指标计算、交易执行逻辑和风险管理技术，以增强自动化交易策略。 欢迎回到我们的 MQL5 系列！本系列的 第 12 部分 探讨了在 MQL5 中构建自定义指标的基础知识。我们从无到有创建了一个移动平均线指标，手动实现其逻辑，而不是依赖内置函数。然后，我们扩展了这一知识，将其转换为蜡烛图格式的移动平均线，演示如何操作指标内的图形元素。
新文章 纯 MQL5 货币对强弱指标 已发布： 我们将在 MQL5 中开发货币强势分析的专业指标。这本分步指南将向你展示如何为 MetaTrader 5 开发一款功能强大的交易工具，该工具带有可视化仪表板。您将学习如何计算多个时间周期（H1、H4、D1）内货币对的强度，实现动态数据更新，并创建用户友好的界面。 想象一下，一个交易者每天都要面对外汇市场的混乱。28 对货币在屏幕上闪烁，每对货币都以自己的节奏波动，创造出市场运动的交响乐。但如何在这个金融乐团中把握主旋律呢？我们如何判断哪种货币目前处于市场领先地位，哪种货币正在步履蹒跚、失势？ 今天，我们将创造一些特别的东西 ——
新文章 交易中的神经网络：层次化双塔变换器（Hidformer） 已发布： 我们邀请您来领略层次化双塔变换器（Hidmer）框架，其专为时间序列预测和数据分析而开发。框架作者提出了若干变换器架构改进方案，其成果提高了预测准确性、并降低了计算资源消耗。 具备捕捉数据时态结构、并识别隐藏形态能力的神经网络模型，在金融预测中变得尤为重要。然而，传统神经网络方式面临诸多局限，即高计算复杂性、以及结果解释性不足。由此，近年来基于注意力机制的架构越来越受到研究人员的关注，在于它们能提供更准确的时间序列和财务数据分析。 基于 变换器 架构及其修订版模型获得了最广泛的欢迎。修订版之一，在论文
EA_CCIT3 : 本EA交易基于 CCIT3_Simple 和 CCIT3_noReCalc指标. 与指标零线的交叉将用于交易活动. 作者： Alexander Puzikov
新文章 重构经典策略（第十四部分）：高胜率交易形态 已发布： 高胜率交易形态在交易圈内广为人知，但遗憾的是，其定义始终缺乏明确标准。本文将通过实证研究与算法建模，为高胜率形态构建量化定义框架，并探索其识别与运用方法。借助梯度提升树模型，我们演示如何系统性优化任意交易策略的性能，同时以更精准、可解释的方式向计算机传达交易指令的核心逻辑。 交易圈普遍认同的原则——交易者应当主动寻求高胜率交易形态。然而，对于"何为高胜率形态"这一本质问题，业界始终缺乏标准化定义。我们如何通过实证方法量化特定交易形态的胜率？询问不同的人，会得到不同的识别与利用方式。
新文章 使用MQL5经济日历进行交易（第七部分）：基于资源型新闻事件分析的策略测试准备 已发布： 在本文中，我们通过将经济日历数据作为非实盘分析资源嵌入到MQL5交易系统中，为策略测试做好准备。我们实现了按时间、货币和影响程度加载和筛选事件的功能，并在策略测试器中验证其有效性。这使得基于新闻事件的策略能够进行高效的回测。
新文章 从新手到专家：对K线进行编程 已发布： 在本文中，我们将迈出 MQL5 编程的第一步，即使是完全零基础的初学者也能上手。我们将向您展示，如何将熟悉的 K线形态 转换为一个功能完备的自定义指标。K线形态之所以有价值，是因为它们反映了真实的价格行为，并预示着市场的转变。与其手动扫描图表——这种方法容易出错且效率低下——我们将讨论如何通过一个指标来自动化这个过程，该指标会自动识别并标记出这些形态。在此过程中，我们将探讨一些关键概念，例如索引、时间序列、平均真实波幅（用于在多变的市场波动性中提高准确性），以及如何开发一个可自定义、可复用的 K线形态库，以便在未来的项目中使用。
新文章 MQL5中表格模型的实现：应用MVC概念 已发布： 在本文中，我们将探讨如何使用MVC（模型-视图-控制器）架构模式在MQL5中开发表格模型，该模式可将数据逻辑、展示和控制进行分离，从而实现结构化、灵活且可扩展的代码。我们将考虑实现用于构建表格模型的各类，包括使用链表来存储数据。 对于编程而言，应用程序架构对于确保可靠性、可扩展性和易于维护起着关键作用。有助于实现这些目标的方法之一，是采用名为 MVC（模型-视图-控制器） 的架构模式。 MVC概念允许将应用程序划分为三个相互关联的组件： 模型 （负责数据和逻辑管理）、 视图 （负责数据展示）和 控制器
DeltaFusionLite : DeltaFusion Lite 是 MT4 的 DeltaFusionPro 指标的简化版。它计算并显示累计 Delta 值和净 Delta 值，让交易者清楚地了解每根蜡烛的买卖压力。通过分析买入价和卖出价之间的成交量分布，它可以帮助识别市场情绪变化、潜在反转以及价格和成交量之间的各类背离。 作者： Francesco Secchi
新文章 交易中的神经网络：针对金融市场的多模态、扩增工具型智代（终篇） 已发布： 我们持续开发 FinAgent 算法，其是一款多模态金融交易智代，旨在分析多模态市场动态数据，以及历史交易形态。 在前两篇文章中，我们详细探讨了 FinAgent 框架。在该过程期间，我们针对作者提议方式实现了自己的诠释。我们调整了框架算法，来满足我们的具体需求。我们现在到达另一个重要阶段：评估已实现解决方案在真实历史数据上的有效性。 请注意，在开发期间，我们对 FinAgent 框架的核心算法进行了重大修改。这些修改影响了模型操作的关键层面。因此，在本次评估中，我们评估的是我们调整后的版本，而非原始框架。
新文章 开发多币种 EA 交易（第 23 部分）：整理自动项目优化阶段的输送机（二） 已发布： 我们的目标是创建一个系统，用于自动定期优化最终 EA 中使用的交易策略。随着系统的发展，它变得越来越复杂，因此有必要不时地将其视为一个整体，以确定瓶颈和次优解决方案。
新文章 开发多币种 EA 交易（第 22 部分）：开始向设置的热插拔过渡 已发布： 如果要自动进行周期性优化，我们需要考虑自动更新交易账户上已经运行的 EA 设置。这样一来，我们就可以在策略测试器中运行 EA，并在单次运行中更改其设置。 让我们试着更详细地描述我们想要实现的目标。理想情况下，系统应该这样工作： 生成一个项目，将当前日期作为优化期的结束日期。 该项目在输送机上启动。其实施需要一些时间，从几天到几周不等。 结果加载到最终 EA 中。如果最终的 EA 还没有进行过交易，则会在真实账户上启动它。如果它已经在账户上运行，那么它的参数将被最后一个项目通过输送机后收到的新参数替换。
新文章 交易中的神经网络：针对加密货币市场的记忆扩充上下文感知学习（MacroHFT） 已发布： 我邀请您探索 MacroHFT 框架，该框架应用了上下文感知强化学习和记忆，利用宏观经济数据和自适应智代改进加密货币高频交易决策。 强化学习（ RL ）方法在金融领域日益流行，在于它们能够解决复杂的顺序决策制定难题。 RL 算法能够处理多维数据，参考多个参数，并适配变化中的环境。然而，尽管低频交易进展显著，针对加密货币市场的高效高频算法仍在开发中。这些市场特征是高波动性、不稳定，需要在长期策略考量、与快速战术反应之间取得平衡。 现有的加密货币 HFT
新文章 交易中的神经网络：配备概念强化的多智代系统（终篇） 已发布： 我们继续实现 FinCon 框架作者提议的方式。FinCon 是一款基于大语言模型（LLM）的多智代系统。今天，我们将实现必要的模块，并在真实历史数据上全面测试模型。 应当注意的是，此处展示的实现与原始版本有显著差异，而这肯定会影响结果。因此，我们仅能谈论所实现方式效率的评估，而非重现原始结果。 至于模型训练，我们用到 EURUSD 的 2024 年 H1 数据。分析指标的参数保持不变，专注于评估算法性能。 训练数据集由多个随机初始化参数模型的多次运行形成。此外，我们还纳入了利用 Real-ORL
新文章 交易中的神经网络：配备概念强化的多智代系统（FinCon） 已发布： 我们邀您探索 FinCon 框架，这是一款基于大语言模型（LLM）的多智代系统。该框架利用概念性词汇强化来提升决策制定和风险管理，能在多种金融任务中有高效表现。 人工智能和金融技术的前沿研究专注于开发自适应软件解决方案。这样的系统能够从历史数据中学习，识别市场形态，并制定更明智的决策。近年来最有前景的方向之一是自然语言处理（ NLP ）方法的整合，能够分析财经新闻、专家预测、及其它基于文本的数据，从而提升预测准确性和风险评估。
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