新文章 开发回放系统（第 57 部分）：了解测试服务 已发布： 需要注意的一点是：虽然服务代码没有包含在本文中，只会在下一篇文章中提供，但我会解释一下，因为我们将使用相同的代码作为我们实际开发的跳板。因此，请保持专注和耐心。等待下一篇文章，因为每一天都变得更加有趣。 在上一篇文章 开发回放系统（第 56 部分）：调整模块 中，我们对控制指标模块以及最重要的鼠标指标模块做了一些修改。 由于这篇文章已经包含了很多信息，我决定不再添加任何新数据，因为亲爱的读者，这很可能只会让你感到困惑，而不是帮助澄清和解释事情的实际运作方式。
新文章 开发多币种 EA 交易（第 8 部分）：负载测试和处理新柱 已发布： 随着我们的进步，我们在一个 EA 中使用了越来越多的同时运行的交易策略实例。让我们试着弄清楚在遇到资源限制之前，我们可以得到多少实例。 在第一篇 文章 中，我们开发了一个具有两个交易策略实例的 EA。在 第二篇 文章中，我们已经使用了 9 个实例，而在最后一篇文章中，这个数字跃升到了 32 个。测试时间没有问题。显然，单次测试通过的时间越短越好。但是，如果整体优化只需要几个小时，那也比几天或几周要好。同样，如果我们在一个 EA
新文章 您应当知道的 MQL5 向导技术（第 22 部分）：条件化生成式对抗网络（cGAN） 已发布： 生成式对抗网络是一对神经网络，它们彼此相互训练，以便结果更精准。我们采用这些网络的条件化类型，作为我们正在寻找的可选项，应用于智能信号类之内预测金融时间序列。 条件化生成式对抗网络 （cGAN）是一种 GAN，允许在其生成式网络中自定义输入数据类型。阅读分享链接主题可见，GAN 是一对神经网络；一个生成器和一个判别器。两者都接受训练或彼此相互训练，生成器不断改进，不断生成目标输出，而判别器则依据来自生成器的鉴别数据（又名假数据）受训。
新文章 神经网络变得简单（第 93 部分）：频域和时域中的自适应预测（终篇） 已发布： 在本文中，我们继续实现 ATFNet 模型的方式，其在时间序列预测内可自适应地结合 2 个模块（频域和时域）的结果。 在 上一篇文章 中，我们领略了 ATFNet 算法，它是 2 个时间序列预测模型的融合。其中一个工作在时域，并根据信号幅度的分析，为所研究时间序列构造预测值。第二个模型则配以所分析时间序列的频率特征工作，并记录其全局依赖关系、周期性、和频谱。根据该方法作者的说法，两个独立预测的自适应合并，生成了令人印象深刻的结果。 频率 F
充盈指数 : 充盈指数指标尝试的是通过把价格变化与过去x天内变化的极值范围相除，取得实际百分比来确定市场的特点。 作者： Mladen Rakic
Fractured Fractals : 智能交易系统使用分形指标信号来放置挂单，并尾随设置持仓的止损位。 作者： Vladimir Karputov
新文章 将您自己的 LLM 集成到 EA 中（第 3 部分）：使用 CPU 训练自己的 LLM 已发布： 在人工智能飞速发展的今天，大语言模型（LLM）是人工智能的重要组成部分，所以我们应该思考如何将强大的 LLM 融入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。 在本系列的前一篇文章中，我们讨论了运行大型语言模型的基本环境设置，并在 WSL 中使用 llama.cpp 运行了一个简单的 LLM 实例。最令人兴奋的是，即使没有强大的 GPU，您仍然可以纯粹用 CPU
新文章 基于转移熵的时间序列因果分析 已发布： 在本文中，我们讨论了如何将统计因果关系应用于识别预测变量。我们将探讨因果关系与传递熵（Transfer Entropy, TE）之间的联系，并展示用于检测两个变量之间信息方向性传递的MQL5代码。
新文章 使用MQL5与Python构建自我优化的智能交易系统 已发布： 在本文中，我们将讨论如何构建能够根据当前市场条件自主选择和更改交易策略的EA。我们将学习马尔可夫链（Markov Chains）以及它们如何帮助我们作为算法交易者。 马尔可夫研究了许多需要他模拟完全随机过程的问题，这与我们处理市场动态的不可预测性挑战类似。他正式描述了一个框架，即今天所知的“马尔可夫链”。让我们直观地理解它。 想象你管理一家在德国提供公交服务超过70年的公共交通公司。公司正在考虑增加更多公交车到车队，而你作为经理，必须决定哪些目的地应该增加更多公交车，哪些则不值得进一步投资。
新文章 神经网络变得简单（第 92 部分）：频域和时域中的自适应预测 已发布： FreDF 方法的作者通过实验证实了结合频域和时域进行预测的优势。不过，权重超参数的使用对于非稳态时间序列并非最优。在本文中，我们将领略结合频域和时域预测的自适应方法。 时域和频域是分析时间序列数据的两种基本表现形式。在时域中，分析侧重于振幅随时间的变化，从而允许识别信号中的局部依赖关系和瞬态。相反，频域分析旨在依据频率分量来表示时间序列，以供深入透视数据的全局依赖关系和频谱特征。结合这两个领域的优势是解决在实时序列中混合不同周期形态问题的一种颇有前景的方式。此处的问题是如何有效地结合时域和频域的优点。
新文章 开发交易机器人：Python与MQL5结合（第二部分）：模型选择、创建与训练，以及Python自定义测试器 已发布： 我们继续关于使用Python和MQL5开发交易机器人的系列文章。今天我们将解决模型选择、训练、测试、交叉验证、网格搜索以及模型集成的问题。 在 上篇文章
新文章 交易账户监控是一个不可或缺的交易者工具 已发布： 交易账户监控提供了关于所有已完成交易的详细报告。所有的交易统计数据都是自动收集的，并以易于理解的图形和图表形式提供给您。 作者： MetaQuotes Software Corp
新文章 自定义指标：为净额结算账户绘制部分入场、出场和反转交易 已发布： 在本文中，我们将探讨在MQL5中创建指标的一种非标准方法。我们的目标不是专注于趋势或图表形态，而是管理我们自己的仓位，包括部分入场和出场。我们将广泛使用动态矩阵以及一些与交易历史和未平仓头寸相关的交易函数，以在图表上显示这些交易发生的位置。 正如文章标题所暗示的，这个指标只适用于净额结算系统账户才有意义。在这种系统中，只允许持有一个相同交易品种的头寸。如果我们朝一个方向交易，头寸规模将增加。如果交易是朝相反方向进行的，那么未平仓头寸将有三种可能的情况： 新的交易量较小 -> 头寸减少, 交易量相等 -> 头寸关闭
新文章 重塑经典策略（第二部分）：布林带突破 已发布： 本文探讨了一种将线性判别分析（LDA）与布林带相结合的交易策略，利用对市场区域的分类预测来生成战略性入场信号。 “人工智能”（AI）这个词可能是历史上最具误导性的命名惯例之一。读完本文后，你可能会同意AI是一个误称。作为作者，我对“智能”这个词有疑问。人工智能模型并非以人类意义上的智能存在。相反，它们是优化算法的智能应用。
新文章 从基础到中级：变量（II） 已发布： 今天，我们将探讨如何使用静态变量。这个问题常常让许多程序员感到困惑，无论是初学者还是有一定经验的开发者，因为使用这一机制时需要遵循一些特定的建议。本文旨在为教学目的提供材料。在任何情况下，应用程序都应仅用于学习和掌握所介绍的概念。 在上一篇文章 《从基础到中级：变量（I）》 中，我们开始讨论变量及其相关方面。例如，我们探讨了如何将变量转换为常量。我们还讨论了变量的生命周期和可见性。 在这里，我们将继续这一主题，假设读者已经正确理解了之前的材料。当谈到变量的生命周期和可见性时，对于初学者来说可能会有些难以理解。原因在于，很多时候我们 不希望
新文章 从基础到中级：变量（I） 已发布： 许多初学者很难理解为什么他们的代码没有按他们预期的方式运行。让代码真正发挥作用的因素有很多。代码能够正常运行，不仅仅是因为它包含了一系列不同的函数和操作。今天，我邀请您学习如何正确地编写真正的代码，而不是简单地复制粘贴代码段。这里呈现的材料仅供教学目的。在任何情况下，这些应用不应该被用于学习和掌握所介绍概念之外的其他目的。 许多人错误地认为计算机程序是基于函数和方法构建的。实际上这种假设是错误的。计算机程序大多是基于变量构建的。没有程序是为了其他目的而创建或提供的。其目的始终是使变量可知且可用。
新文章 您应当知道的 MQL5 向导技术（第 21 部分）：配以财经日历数据进行测试 已发布： 默认情况下，财经日历数据在策略测试器中不可用于智能系统测试。我们看看数据库能如何提供帮助，绕过这个限制。故此，在本文中，我们会探讨如何使用 SQLite 数据库来存档财经日历新闻，如此这般，由向导组装的智能系统就可以用它来生成交易信号。
新文章 适应性社会行为优化（ASBO）：两阶段演变 已发布： 我们继续探讨生物体的社会行为及其对新数学模型 ASBO（适应性社会行为优化）开发的影响。我们将深入研究两阶段演变，测试算法并得出结论。正如在自然界中，一群生物体共同努力生存一样，ASBO 使用集体行为原理来解决复杂的优化问题。 在 前一篇文章 中，我们讨论了 Schwefel 概念的一个例子，其中包括正态分布、自适应变异率的使用以及通过适应度值确定最近邻的函数。现在，我们的研究进入了一个新阶段，我们将分两个阶段完成算法的数学模型 -
新文章 S&P 500交易策略在MQL5中的实现（适合初学者） 已发布： 了解如何利用MQL5精准预测标普500指数，结合经典技术分析以增强稳定性，并将算法与经过时间验证的原则相结合，以获得稳健的市场洞察。 我们可以在互联网上轻松获取指数中包含的公司列表。我们可以利用对指数构成的理解来帮助我们创建交易策略。我们将选择指数中的一些最大公司，并使用每家公司的价格作为输入，输入到一个AI模型中，该模型将基于我们样本中权重较大的公司来预测指数的收盘价。我们的目标是开发一个结合AI和经过时间检验的技术的策略。 我们的技术分析系统将采用趋势跟踪原则来生成交易信号。我们需要纳入几个关键指标：
新文章 一个为莫斯科交易所期货开发的点差策略实例 已发布： MetaTrader 5 可以开发和测试同时交易多种金融资产的交易机器人。其内建的策略测试器能够自动从经纪商的服务器中下载所需的订单时刻历史，并会考虑到账户的合约规范，所以开发人员不用做任何人工工作。这可以使交易环境条件的重建能够简单和可靠，包括乃至不同交易品种中订单来临之间毫秒级的间隔。在本文中，我们将演示在两种莫斯科交易所期货上开发和测试一种点差策略。 通过使用线性回归方程 Y(X)=A(X)+B，我们可以明显发现两种资产之间的关联。让我们创建一个脚本 CalcShowRegression_script.mq5
布林带® : 布林带®指标（BB）和包络带指标类似。唯一的区别就是，包络带是按照离移动平均线的固定距离（%）绘制的，而布林带是按照一定的标准差距离绘制的。 作者： MetaQuotes Software Corp
新文章 图形界面 I: 图形界面的动画 (第三章) 已发布： 在前面的文章中, 我们开始开发了一个容纳控件的表单类. 在本文中, 我们将继续丰富此表单类的内容, 增加在图表区域内移动表单的方法. 接着我们会把这个界面组件与核心库整合. 而且我们会实现这样的功能, 在鼠标光标移动到表单之上时, 表单控件会改变它的颜色. 在本系列 前面的文章 中, 我们开始开发了一个用于控件的表单类. 在本文中, 我们将继续开发此类, 为它加上在图表区域内移动表单的方法. 我们也会把这个界面组建与核心库整合. 而且, 我们会在鼠标掠过表单控件的时候改变它的颜色. <...> 编译项目并把程序载入图表
新文章 用Python和MQL5进行投资组合优化 已发布： 本文探讨了使用Python和MQL5结合MetaTrader 5进行高级投资组合优化的技术。文章展示了如何开发用于数据分析、资产配置和交易信号生成的算法，强调了在现代金融管理和风险缓解中数据驱动决策的重要性。
新文章 MQL5 交易工具包（第 2 部分）：扩展和实现仓位管理 EX5 库 已发布： 了解如何在 MQL5 代码或项目中导入和使用 EX5 库。在这篇续文中，我们将通过向现有库中添加更多仓位管理功能并创建两个 EA 交易系统来扩展 EX5 库。第一个例子将使用可变指数动态平均（Variable Index Dynamic Average，VIDYA）技术指标来开发追踪止损交易策略 EA 交易，而第二个例子将利用交易面板来监控、开仓、平仓和修改仓位。这两个例子将演示如何使用和实现升级后的 EX5 仓位管理库。 在 第一篇文章 中，我们详细分析了 MQL5
所有交易的数据 : 本指标实时根据交易品种显示交易总数。 作者： prostotrader
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