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
ClosePositionsBySymbol : 关闭当前交易品种所有仓位的脚本程序。 作者： Nikolay Kositsin
新文章 MQL5 中的矩阵和向量：激活函数 已发布： 在此，我们将只讲述机器学习的一个方面 — 激活函数。 在人工神经网络中，神经元激活函数会根据一个或一组输入信号的数值，计算输出信号值。 我们将深入研究该过程的内部运作。 激活函数及其导数的图形基于从 -5 到 5 的单调递增序列来描图。 在价格图表上显示函数图的脚本也已开发完毕。 显示打开文件对话框，可通过按 “下一页（Page Down）”键来指定保存图像的文件名称。 ESC 键终止脚本。 脚本本身附在下面。 作者： MetaQuotes
新文章 密码锁算法（CLA） 已发布： 在本文中，我们将重新考虑密码锁，将它们从安全机制转变为解决复杂优化问题的工具。让我们探索密码锁的世界，不再将其视为简单的安全装置，而是作为优化问题新方法的灵感来源。我们将创建一整群“锁”，其中每把锁都代表问题的一个独特解决方案。然后，我们将开发一种算法来“破解”这些锁，并从机器学习到交易系统开发等多个领域中找到最优解。 密码锁，也被称为数字锁或组合锁，是用来控制房间、保险箱、橱柜或其他物品访问权限的安全机制。它们与普通锁的不同之处在于，不是使用钥匙来开启，而是需要输入特定的数字组合。
新文章 如何选择智能系统：拒绝一款交易机器人的 20 条强大准则 已发布： 本文尝试回答这个问题：我们如何选择正确的智能系统？ 哪些最适合我们的投资组合，我们如何过滤市场上提供的庞大交易机器人列表？ 本文将介绍二十条明确而强大的准则来拒绝一款智能系统。 每条提出的准则都将得到很好的解释，从而帮助您做出更持久的决定，并为您建立一个更有前途的智能系统集合，从而赚取利润。 专业的算法交易组合包括至少 10 到 20 个资本账户，在至少 10 到 50 个资本市场上运行 10 到 20 个智能系统。 这并不是一条准则，但这是我可以看到的实操。 本文尝试回答这个问题：我们如何选择正确的智能系统？
新文章 构建K线图趋势约束模型（第三部分）：在使用该系统时检测趋势变化 已发布： 本文探讨了经济新闻发布、投资者行为以及各种因素如何影响市场趋势的反转。文章包含一段视频解释，并接着将MQL5代码融入我们的程序中，以检测趋势反转、向我们发出警报，并根据市场条件采取相应行动。本文是在此前一系列文章基础上的扩展。
含有提醒功能的 Kijun-Sen : 可以自定义颜色的 Kijun-sen 线形，可以在趋势改变时作出提醒。 作者： Automated-Trading
新文章 开发多币种 EA 交易（第 7 部分）：根据前向时间段选择组 已发布： 在此之前，我们曾对一组交易策略实例的选择进行过评估，目的是改进它们的联合运行结果，但这只是在对单个实例进行优化的同一时间段进行的。让我们拭目以待在前向时间段会发生什么。 标准 MetaTrader 5 测试器可执行单次测试和优化，同时考虑到所谓前向时间段的存在。使用时，测试器将把整个指定测试期分成两部分 - 主要时间段和前向时间段。主要时间段结束时，所有交易关闭，交易账户余额恢复到初始状态。然后，EA 将在前向时间段再次运行，测试器收集的所有统计数据将分别计算主要时间段和前向时间段。 在机器学习领域，术语
新文章 数据科学与机器学习（第 01 部分）：线性回归 已发布： 我们作为交易员，现在是时候基于数字所言来培训我们的系统，并自行制定决策了。 尽管我们的眼睛看不到，但我们的勇气让我们相信，这是世界前进的方向，所以，让我们顶着波浪的方向移动。 简单线性回归有一个因变量和一个自变量。 在此，我们尝试理解两个变量之间的关系，例如，股票价格如何随简单移动平均线的变化而变化。 复杂数据 假设我们根据股票价格（现实生活中发生的事情）得到随机散状指标值 在这种情况下，我们的指标/自变量可能无法很好地预测我们的股价/因变量。 作者： Omega J Msigwa
新文章 带有预测性的三角套利 已发布： 本文简化了三角套利的过程，向您展示如何利用预测和专业软件更明智地进行货币交易，即使您是新手也能轻松入门。准备好凭借专业知识进行交易了吗？
新文章 神经网络变得简单（第 79 部分）：在状态上下文中的特征聚合查询（FAQ） 已发布： 在上一篇文章中，我们领略了一种从图像中检测对象的方法。不过，处理静态图像与处理动态时间序列（例如我们所分析的价格动态）有些不同。在本文中，我们将研究检测视频中对象的方法，其可在某种程度上更接近我们正在解决的问题。 我们之前讨论的大多数方法所分析的环境状态都是静态的，这与马尔可夫（Markov）过程的定义完全对应。当然，我们用历史数据填充了环境状态的描述，以便为模型提供尽可能多的必要信息。但该模型未估测状态变化的动态。这也参考了上一篇文章中讲述的方法： DFFT 是为检测静态图像中的对象而开发的。
新文章 矩阵分解：更实用的建模 已发布： 您可能没有注意到，矩阵建模有点奇怪，因为只指定了列，而不是行和列。在阅读执行矩阵分解的代码时，这看起来非常奇怪。如果您希望看到列出的行和列，那么在尝试分解时可能会感到困惑。此外，这种矩阵建模方法并不是最好的。这是因为当我们以这种方式对矩阵建模时，会遇到一些限制，迫使我们使用其他方法或函数，而如果以更合适的方式建模，这些方法或函数是不必要的。 您可能没有注意到，矩阵建模有点奇怪，因为只指定了列，而不是行和列。在阅读执行矩阵分解的代码时，这看起来非常奇怪。如果您希望看到列出的行和列，那么在尝试分解时可能会感到困惑。
一个关于KDJ指标及KDJ自动交易系统的代码:
1.本指标针对KDJ在短期窄幅波动下指标钝化的问题，调整了参数的周期， 为30，3,6，并加入了两个新的指标线，RSV：收盘价波动幅度， KDC：K-D的差指标，以此来确定价格的变动趋势并判断头寸的进出点 2.本交易系统和指标主要是以EURUSB为测试对象，特别适于欧元/美元 交易，日线为最佳周期，测试结果见图
Author: yyy999
点差指标(Spread Indicator) : 点差指标 - 在图表窗口中显示当前点差 作者： Mirza Baig
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