新文章 您应当知道的 MQL5 向导技术（第 13 部分）：智能信号类 DBSCAN 已发布： 《基于密度的空间聚类参与噪声应用》是一种无监督的数据分组形式，除 2 个参数外，几乎不需要任何输入参数，比之其它方式，譬如 k-平均，这是一个福音。我们深入研究使用由向导组装的智能系统如何在测试、及最终交易时起到建设性作用。 这些关于 MQL5 向导的系列文章，是关于现实中其它领域的数学抽象概念何为何常常令交易系统充满活力，并在据其做出任何严肃承诺之前进行测试或验证。采取简单、且未完全实现、或设想中的思路，来探索它们作为交易系统潜力的能力，是由 MQL5
新文章 开发多币种 EA 交易（第 9 部分）：收集单一交易策略实例的优化结果 已发布： 让我们来概述一下 EA 开发的主要阶段。首先要做的一件事就是优化所开发交易策略的单个实例。让我们试着在一个地方收集优化过程中测试器通过的所有必要信息。 从本质上讲，我们需要存储和使用的主要类型的数据是多个 EA 的优化结果。如您所知，策略测试器会将所有优化结果记录在以 *.opt 为扩展名的独立缓存文件中，然后可以在测试器中重新打开，甚至可以在另一个 MetaTrader 5 终端的测试器中打开。文件名是根据优化后的 EA
新文章 移动极小化极大：技术分析的新指标及其在 MQL5 中的实施 已发布： 在下文中，我将基于 Z.G.Silagadze 的论文《移动极小化极大：技术分析的新指标》说明移动极小化极大指标的实施过程。指标的理念基于对量子隧穿现象的模拟，量子隧穿现象由 G. Gamov 在 α-衰变理论中提出。 作者： investeo
新文章 基于交易模块创建多个 EA 交易 已发布： 在 MQL5 中使用面向对象方法这一做法，极大简化了多币种/多系统/多时间表 EA 交易的创建过程。不妨想象一下单个 EA 交易采用多个交易策略、使用一切可用工具以及利用所有可能的时间表进行交易的情形！此外，EA 交易还方便使用测试程序进行测试，并且对于所有策略而言，该交易包含了一个或多个资金管理工作系统。 作者： Василий Соколов
新文章 如何利用 MQL5 检测蜡烛形态 已发布： 一篇新文章，介绍如何通过 MQL5 自动检测价格的烛条形态。 刺透线形态： 它是一根看涨烛条，由两根蜡烛组成，因为第一根蜡烛是看跌的，然后是一根开盘低于看跌的看涨蜡烛，然后向上移动并收于第一根看跌蜡烛的中点上方。 下图是示意它的图例： 它表明买方自卖方控盘下突围，变得更强大，并控制市场。 因此，它指的是从卖出到买入的转变，因为买方能够将价格推高到前一根看跌蜡烛的中点以上，尽管开盘时存在缺口。 作者： Mohamed Abdelmaaboud
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。
新文章 如何不通过翻找历史交易记录直接在图表上查看交易情况 已发布： 在本文中，我们将创建一个简单的工具，通过按键导航方式方便地直接在图表上查看持仓和交易。这将使交易者能够直观地检查每笔交易，并当场获取有关交易结果的所有信息。 本文的目的是提供一种解决方案，使人们能够更轻松地了解和分析交易历史。我们将开发一个机制，用于逐步展示已平仓头寸并改进交易信息的显示方式。这将使交易者能够专注于每一笔交易，并更深入地了解他们的交易操作。 我们将实现以下功能： 使用导航键逐一查看已平仓头寸。, 通过提供有关每笔交易的更详细信息来改进提示条。, 将图表置于中央，以便最重要的元素始终可见。
新文章 学习如何基于 Stochastic 设计交易系统 已发布： 在本文中，我们继续我们的研究系列 — 这次，我们将学习如何基于最流行的技术指标之一 Stochastic 振荡器指标设计交易系统。 在这一部分中，我们将为前面提到的策略设计蓝图，这将有助于我们轻松创建一个交易系统。 该蓝图将一步步地提供指导，来辨别我们需要该程序具体做什么。 策略之一: 上行趋势策略 %K, %D < 50 --> %K > %D = 做多信号 我们首先需要程序检查（%K，%D），并决定它是否低于或高于 50 级，然后若是低于 50 级，它就等待...什么都不做，直到 %K 线上穿 %D 线，才会给出做多信号。
Pipsover : 点值智能交易系统。它基于 iChaikin (Chaikin 振荡器) 和 iMA (移动均线, MA) 指标工作。 作者： Vladimir Karputov
Self_Adjusting_RSI : 自调整 RSI 振荡器中，我们已经实现了如 David Sepiashvili 的文章《The Self-Adjusting RSI》中所述的自动调整 RSI 振荡器超买/超卖级别的方法。 作者： Scriptor
新文章 神经网络变得简单（第 80 部分）：图形变换器生成式对抗模型（GTGAN） 已发布： 在本文中，我将领略 GTGAN 算法，该算法于 2024 年 1 月推出，是为解决依据图形约束生成架构布局的复杂问题。
新文章 开发回放系统（第 47 部分）：Chart Trade 项目（六） 已发布： 最后，我们的 Chart Trade 指标开始与 EA 互动，以交互方式传输信息。因此，在本文中，我们将对该指标进行改进，使其功能足以与任何 EA 配合使用。这样，我们就可以访问 Chart Trade 指标，并像实际连接 EA 一样使用它。不过，我们将以比以前更有趣的方式来实现这一目标。 在上一篇文章 开发回放系统（第 46 部分）：Chart Trade Project (五)
Heiken_Ashi_Smoothed_Trend_HTF : 在输入参数中带有时段选择选项的 Heiken_Ashi_Smoothed_Trend 指标 作者： Nikolay Kositsin
新文章 在MQL5中相关性分析的要素：皮尔逊卡方独立性检验和相关比率 已发布： 该文章探讨了相关性分析中的经典工具。文章重点介绍了皮尔逊卡方独立性检验和相关比率的理论背景概述，以及它们的实际应用。
新文章 最负盛名的人工协作搜索算法的改进版本（AXSm） 已发布： 在这里，我们将探讨 ACS 算法的演变：三种修改旨在改善收敛特性和算法效率。对最领先的优化算法之一进行修订改版。从数据矩阵修改到种群形成的革命性方法。 在上一篇文章中，我们了解了一种有趣且很有前途的优化算法，即 人工协作搜索(ACS) 。该算法的灵感来自于对自然界中生物体相互作用和协作的观察，它们团结起来实现共同目标并获得互利。ACS 的基本思想是模拟“捕食者”和“猎物”之间的这种互利关系，以优化复杂的多维问题。 现在我们已经熟悉了 ACS 的基本版本，我们将尝试使用该算法的改进版本来扩展其功能。这些增强版 ACS
新文章 人工协作搜索算法 (ACS) 已发布： 人工协作搜索算法ACS (Artificial Cooperative Search) 是一种创新方法，它利用二进制矩阵和基于互利共生与合作的多个动态种群来快速准确地找到最优解。ACS在捕食者与猎物问题上的独特处理方法使其能够在数值优化问题中取得卓越成果。 ACS算法由Pinar Civicioglu于2013年提出。它首先使用两个包含置信区域内候选解的基种群。然后，该算法通过使用随机步骤和二进制矩阵从初始 α 和 β
新文章 使用图表可视化交易（第一部分）：选择分析时段 已发布： 在这里，我们将从头开始编写一个脚本，以简化卸载交易截图用于分析交易入场点的过程。能够方便地将所有关于单个交易的必要信息展示在一个图表上，并且该图表可以根据不同时间周期绘制。 许多算法交易者发现，某些策略在横盘市场中表现良好，但当市场开始变动时就会开始亏损。同样，适应趋势行情的策略在横盘市场中也会失去效率。在损失开始超过利润之前，创建能够识别市场阶段变化的算法需要大量的计算资源和时间。
新文章 开发回放系统（第 46 部分）：Chart Trade 项目（五） 已发布： 厌倦了浪费时间搜索应用程序工作所需的文件吗？在可执行文件中包含所有内容如何？这样，你就不用再去找东西了。我知道很多人都使用这种分发和存储形式，但还有一种更合适的方式。至少在可执行文件的分发和存储方面是这样。这里将介绍的方法非常有用，因为您可以将 MetaTrader 5 本身用作优秀的助手，也可以使用 MQL5。此外，它并不难理解。 在上一篇文章 " 开发回放系统（第 45 部分）：Chart Trade 项目 (四) "中，我介绍了如何启动 Chart Trade
新文章 比尔·威廉姆斯策略（或结合其他指标和预测） 已发布： 在这篇文章中，我们将探讨比尔·威廉姆斯的一个著名策略，对其进行讨论，并尝试通过其他指标和预测来改进这一策略。 比尔·威廉姆斯拥有心理学博士学位。也许这就是他为什么研究市场情绪。因此，可以通过使用人工智能（AI）的情感分析脚本来实施一种扩展方法，该方法通过抓取网络市场（如社交媒体平台）来评估交易者的情绪得分。在本文末尾，将提供一个市场情绪分析应用于市场新闻的示例。
AbsoluteStrength : 该振荡器分别显示多头和空头的强度。 作者： Igor Durkin
新文章 数据科学和机器学习（第 12 部分）：自训练神经网络能否帮助您跑赢股市？ 已发布： 您是否厌倦了持续尝试预测股市？ 您是否希望有一个水晶球来帮助您做出更明智的投资决策？ 自训练神经网络可能是您一直在寻找的解决方案。 在本文中，我们将探讨这些强大的算法是否可以帮助您“乘风破浪”，并跑赢股市。 通过分析大量数据和识别形态，自训练神经网络通常可以做出比人类交易者更准确的预测。 发现如何使用这项尖端技术来最大化您的盈利，并制定更明智的投资决策。 我运行了一个简短的优化，并挑选出以下值。 copy_rates_x : COPY_RATES_LOW, n_samples : 2950
根据净值的百分比平仓 : 如果净值与余额达到确定的相关比率，EA 将所有持仓平仓。 作者： Vladimir Karputov
新文章 理解编程范式（第 2 部分）：面向对象方式开发价格行为智能系统 已发布： 学习面向对象的编程范式，及其在 MQL5 代码中的应用。这是第二篇文章，更深入地讲解面向对象编程的规范，并通过一个实际示例提供上手经验。您将学习如何运用 EMA 指标，和烛条价格数据，将我们早期开发的过程化价格行为智能系统转换为面向对象的代码。 在 第一篇文章 中，我讲述了编程范式，并专注于如何利用 MQL5 实现过程化编程。我还探索了函数化编程。在更深入地理解过程化编程的工作原理之后，我们运用指数移动平均线指标（EMA），和烛条价格数据打造了一款基本价格行为智能系统。
操盘手交易 v 7.51 MACD:
操盘手交易 v 7.51 MACD 是基于多手数剥头皮算法的 EA。该 EA 已经在实盘账户里反复测试过。
作者： Александр
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