新文章 DoEasy. 控件（第三十一部分）：滚动条控件内内容的滚动 已发布： 在本文中，我将实现通过按钮滚动水平滚动条容器内容的功能。 编译 EA，并在图表上启动它： 如您所见，由箭头按钮管理的滚动效果良好。 当尝试用鼠标移动滑块时，它会“抗拒”，这是很自然的 — 我们仍未处理滑块移位，但我们已经重新计算了它的尺寸和坐标。 故此，当我们尝试用鼠标移动滑块时，设置其坐标的方法会返回到与其可见区域中容器内容的位置相对应的位置。 此行为将在后续文章中终结。 作者： Artyom Trishkin
多色动量 - 扩展版 : 这个版本的多色动量指标使用了双重平滑的EMA来进行平滑。DSEMA 已经被证明可以生成很好的平滑效果，而延迟几乎不存在，所以，多色动量指标和它组合使用的时候，生成信号的可用性就很高。 作者： Mladen Rakic
新文章 构建和测试肯特纳通道交易系统 已发布： 在本文中，我们将尝试使用金融市场中一个非常重要的概念 - 波动性 - 来构建交易系统。我们将在了解肯特纳通道（Keltner Channel）指标后提供一个基于该指标的交易系统，并介绍如何对其进行编码，以及如何根据简单的交易策略创建一个交易系统，然后在不同的资产上进行测试。 切斯特.肯特纳（Chester Keltner）于 20 世纪 60 年代在其《如何在商品中赚钱》一书中首次提出了肯特纳通道指标。它在计算中使用简单移动平均线和高/低范围，但后来演变成今天常用的形式，在计算中使用平均真实范围 (ATR)。移动平均线的典型设置是 20
新文章 在MQL5中置换价格柱 已发布： 在这篇文章中，我们提出了一种置换价格柱的算法，并详细说明了如何使用置换测试来识别策略性能被编造来欺骗 EA 交易的潜在买家的情况。 由于涉及多个系列，置换价格柱并不难实现。与置换分时数据类似，在处理价格柱时，我们努力保持原始价格序列的总体趋势。同样重要的是，我们绝不允许柱的打开或关闭分别超过或低于上限或下限的界限。目标是获得一系列具有与原始数据完全相同的特征分布的柱形图。
Fractal_RSI_HTF : 指标 Fractal_RSI 在输入参数中有时间帧选项。 作者： Nikolay Kositsin
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 神经网络变得简单（第 71 部分）：目标条件预测编码（GCPC） 已发布： 在之前的文章中，我们讨论了决策转换器方法，以及从其衍生的若干种算法。我们测验了不同的目标设定方法。在测验期间，我们依据各种设定目标的方式进行操作。然而，该模型早期研究时验算过的轨迹，始终处于我们的关注范围之外。在这篇文章中。我想向您介绍一种填补此空白的方法。 行为克隆（BC）是解决各种离线强化学习问题的一种很有前途的方式。替代针对状态和操作估值，BC
新文章 在 MQL5 中实现广义赫斯特指数和方差比检验 已发布： 在本文中，我们将研究如何利用广义赫斯特指数（Generalized Hurst Exponent）和方差比检验（Variance Ratio Test）来分析 MQL5 中价格序列的行为。 为了测试我们的 GHE 功能，我们准备了作为 EA 交易实现的应用程序 GHE.ex5。通过它，人们可以直观地看到具有预定特征的随机序列，并观察 GHE 是如何工作的。通过完全交互式操作，可以调整 GHE 的所有参数，并在一定范围内调整序列的长度。一个有趣的功能是，在应用 GHE
新文章 为 MetaTrader 5 开发一款 MQTT 客户端：TDD 方式 已发布： 本文汇报为 MQL5 开发原生 MQTT 客户端的首次尝试。MQTT 是一种客户端-服务器之间发布/订阅消息的传输协议。它轻巧、开放、简单，并且易于实施。这些特性令其非常适合在多种情况下使用。 尽管事实上由于技术堆栈的限制和昂贵的网络成本，它被设计为强大、快速和廉价，但它需要提供具有持续 会话感知 的数据交付 服务品质 ，这令其能够应对不可靠，甚至间断性的互联网连接。 作为一种 二进制协议 ，MQTT 在内存和处理需求方面非常高效。更令人惊奇的是，最小的 MQTT 数据包只有两个字节！ 鉴于 MQTT
新文章 GIT：它是什么？ 已发布： 在本文中，我将为开发人员介绍一个非常重要的工具。如果您不熟悉 GIT，请阅读本文，以了解它是什么以及如何在 MQL5 中使用它。 在本文中，我们将稍稍偏离我们的主题。让我们从回放/模拟器系统的主题稍作休息，了解一下所有程序员都必须使用的工具。如果您对它不熟悉，一定要阅读本文并采用这一工具，因为它确实能让任何程序员更轻松、更快速地解决问题。 我们将主要关注那些努力成为合格专业人士的初学者。不幸的是，我要向您展示的工具在 Windows 11 上并不像在 Windows 10 上那样易于使用，所以如果您是 Windows
新文章 神经网络变得简单（第 70 部分）：封闭式政策改进运算器（CFPI） 已发布： 在本文中，我们将领略一种算法，其使用封闭式政策改进运算器来优化离线模式下的智能体动作。 约束智能体行为的情况下优化其政策的方式，事实证明，在解决离线强化学习问题方面很有前景。通过利用历史过渡，智能体政策经过训练，可以最大化所学习的数值函数。 行为约束政策有助于避免与智能体动作相关的重大分布偏移，这为评估动作成本提供了足够的信心。在上一篇文章中，我们领略了 SPOT 方法，它利用了这种方式。作为该主题的延续，我建议领略封闭式政策改进（CFPI）算法，其在论文 《依据封闭式政策改进运算器的离线强化学习》
Moving Average-RMA 相对移动平均线 : Relative Moving Average (RMA) is a variant of EMA the factor is 1/period 作者： Mage He
双线一柱变色MACD指标 : MT5已经自带了很多指标，给交易带来了极大便利，作为辅助工具，很多时候我们需要对其进行进一步改造，或重新自定义指标，本例通过实现双线一柱变色MACD指标来进行说明。 作者： Wen Tao Xiong
新文章 在 MQL 应用程序中运用 CCanvas 类 已发布： 本文研究在 MQL 应用程序中运用 CCanvas 类。 原理会伴随着详细的解释和示例，从而彻底理解 CCanvas 的基础知识。 我们运行生成的示例，并尝试执行填充。 根据 GIF 动画，我们运用 CCanvas，创建了与图形编辑器中的填充工具类似的 Fill 工具。 作者： Mihail Matkovskij
新文章 交易者的 LifeHack: 测试中的余额，回撤，负载和订单指标 已发布： 如何使测试过程有更好的可视化呢？答案很简单：您需要在策略测试器中使用一个或者多个指标，包含一个订单指标，一个余额和净值指标，一个回撤和存款负载指标。这种方案将有助您可视化地跟踪订单的实况，余额和净值的改变，以及回撤和存款负载。 在MetaTrader 5策略测试器中同时运行LifeHack 回撤负载和 LifeHack 余额净值指标: 图 9. LifeHack 回撤负载 指标 作者： Karputov Vladimir
QQE of CCI : 使用CCI（商品通道指数）而不是RSI（相对强弱指数）作为基础指标的QQE (定性定量评估)指标。 作者： Mladen Rakic
新文章 交易中的追踪止损 已发布： 在本文中，我们将研究追踪止损在交易中的使用。我们将评估它的实用性和有效性以及如何使用它。追踪止损的效率很大程度上取决于价格波动和止损水平的选择。可以使用各种方法来设置止损。 让我们检查一下简单的追踪止损在有止盈和无止盈的情况下如何运行。同时，我们将引入一个附加条件——只有追踪止损将止损移至盈亏平衡区域后，才可以设置和修改止盈。 我将使用 EURUSD H1。测试时间段 - 2023年1月1日至12月31日。追踪止损时间框架 M1。持仓方向和持仓交易量是随机确定的。不设置止损和止盈位置。 余额图如下所示。 测试结束时，一些仓位被强制关闭 -
新文章 神经网络变得简单（第 69 部分）：基于密度的行为政策支持约束（SPOT） 已发布： 在离线学习中，我们使用固定的数据集，这限制了环境多样性的覆盖范围。在学习过程中，我们的 Agent 能生成超出该数据集之外的动作。如果没有来自环境的反馈，我们如何判定针对该动作的估测是正确的？在训练数据集中维护 Agent 的政策成为确保训练可靠性的一个重要方面。这就是我们将在本文中讨论的内容。 用于解决此问题的各种离线强化学习方法都会采取参数化或正则化，其限制 Agent 的政策于训练数据集的支持集之内执行动作。详细的结构通常会干扰 Agent
新文章 时间序列分类问题中的因果推理 已发布： 在本文中，我们将研究使用机器学习的因果推理理论，以及 Python 中的自定义方法实现。因果推理和因果思维植根于哲学和心理学，在我们理解现实中起着重要作用。 Alison Gopnik
新文章 学习如何基于鳄嘴（Gator）振荡器设计交易系统 已发布： 这是我们关于学习如何基于流行技术指标设计交易系统系列的一篇新文章，将介绍鳄嘴（Gator）振荡器技术指标，以及如何通过简单的策略创建交易系统。 策略一：鳄嘴状态识别： 基于此策略背后的概念，我们需要计算机，并创建一个智能系统，其可在每次跳价时自动检查鳄嘴指标的一些数值，即当前上涨、上涨之前两个值，和当前下跌，以及下跌之前的前两个值。 经过此检查，我们需要智能系统判定每个值的位置，并进行以下比较，第一个是关于比较鳄嘴上涨当前值和以前值，并判定哪个更大。 第二个是关于比较鳄嘴下跌当前值和以前值，并判定哪个更大。
新文章 神经网络变得简单（第 68 部分）：离线优先引导政策优化 已发布： 自从第一篇专门讨论强化学习的文章以来，我们以某种方式触及了 2 个问题：探索环境和检定奖励函数。最近的文章曾专门讨论了离线学习中的探索问题。在本文中，我想向您介绍一种算法，其作者完全剔除了奖励函数。 在离线优先引导学习的背景下，一般方式包括两个步骤，通常涉及使用监督学习优化奖励函数模型，然后利用任意离线 RL
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