基于群体的优化算法 : 这里收集了基于群体的优化算法。该压缩包包含在测试函数上运行算法所需的所有文件。 Author: Andrey Dik
新文章 科学家群体优化（CoSO）：算法实现 已发布： 我们继续讨论“科学家群体优化”这一主题。不应将 CoSO 视为现成的解决方案，而应将其视为一个有前景的研究平台。经过适当开发，CoSO 可以在那些适应性和应变能力至关重要、计算时间不是关键的任务中找到自己的定位。 CoSO 算法在测试函数上的表现为平均水平，达到了最大可能性能的 43%。当然，我原本期待更令人满意的结果。测试台提供了一套扩展的函数，包括标准和众所周知的函数，任何人都可以进一步尝试参数选择和函数选择，以更好地利用算法能力。
新文章 交易中的神经网络：自适应周期分块（Token生成） 已发布： 诚邀您开启一段精彩旅程，一同探索金融时间序列自适应分析领域，了解如何将复杂谱分析与灵活卷积转化为可落地的交易信号。您将看到LightGTS如何捕捉市场节奏，借助可变窗口步长机制适配市场变化；同时了解OpenCL加速如何让高速计算成为获取盈利决策的快车道。 在 前一篇文章 的实战章节，我们着手开发 自适应周期分块 算法，它是 LightGTS 架构的核心组件之一。文中详细分析了 MQL5 与 OpenCL 典型运行环境下无法动态分配内存带来的限制。该约束使得我们不能采用输出token数量任意可变的方案。
Terminator_v2.0 : 根据指标信号开初始仓位。(这里有六个变种)。若持仓亏损, 交易量减少 作者： Dmitry Fedoseev
Keltner 通道 - 平滑 ATR : Keltner 通道 - 平滑 ATR 作者： Mladen Rakic
更好的音量 : Better Volume 是一个高级指标，旨在分析价格图表上的成交量行为。它将成交量信息与蜡烛图范围和移动平均线等指标相结合，以识别市场中的重要形态，如买入/卖出高潮、搅动和弱蜡烛图。该指标具有动态可视化界面和成交量分类，可为希望根据成交量流量做出明智决策的交易者提供有价值的见解。 Author: Gustavo Franthesco Kerntopf
Nadaraya_Watson_Envelope_NR : 利用高斯平滑算法计算一个无需重绘的纳达拉亚-沃森包络线，并用箭头标记超出上下带的价格交叉点。 Author: Derrick Njagi Bundi
Broker Info Panel MT5 : 一款轻量级的MT5图表指标，可显示经纪商和交易品种的实时交易参数，包括点差、点值、点值大小、成交量限制、止损位和冻结位。 Author: Waseem Shahrukh
SMC Entry Using structure : 市场结构与智能交易追踪器 (MT5) 一款先进的、集多功能于一体的“智能资金概念”（SMC）指标，融合了自动市场结构映射、动量热图K线图以及机构交易执行追踪功能。 Author: Asma Batool
Elliott Wave Auto Counter / Automatic Wave Labeling : 自动检测波动枢轴点，并在图表上直接标注经规则验证的艾略特波浪计数（1-2-3-4-5推动浪和A-B-C回调浪），并附有斐波那契信息面板。仅供参考，请务必手动确认。 Author: Andrijana Radojevic
Market Session Separator Indicator : 使用垂直分隔线和/或阴影背景框标记最多三个交易时段（亚洲、伦敦、纽约或任何自定义时段）的开始/结束时间，并在滚动的近期时间窗口中每日重复显示。纯视觉展示——无需计算，无交易信号，仅显示清晰的交易时段边界。 Author: Olamide Daniel Adebayo
新文章 MQL5 中的量子神经网络（第二部分）：基于 ALGLIB 马尔可夫矩阵的神经网络反向传播训练 已发布： 本文介绍了一种创新的量子神经网络架构，用于结合量子力学原理与现代机器学习方法进行算法交易。该系统引入了量子效应（共振、干涉、退相干）、不同时间尺度的多级记忆、结合 ALGLIB 库的马尔可夫链以及自适应参数控制。整个实现过程使用 MQL5 内置的矩阵/向量类型完成，从而降低了在 MetaTrader 5 中实现该系统的门槛。 算法交易员日益面临着这样一个事实：他们常用的模型已经无法产生预期结果。之前被视为突破性进展的长短时记忆网络（LSTM）的准确率约为 58%。尽管
新文章 在 MQL5 中自动化交易策略（第 13 部分）：构建头肩形态交易算法 已发布： 在本文中，我们将自动化 MQL5 中的头肩形态。我们分析其架构，实现一个用于检测和交易该形态的 EA，并对结果进行回测。这个过程揭示了一个具有改进空间的实用交易算法。 头肩形态 是技术分析中广泛认可的一种经典图表形态，用于预测趋势反转，它同时出现在标准（看跌）和反向（看涨）两种变体中，每种变体都由一系列独特的价格峰值或谷底序列定义。在我们的程序中，对于 标准形态
新文章 交易中的神经网络：自适应周期分块（LightGTS） 已发布： 本文将为大家介绍创新的自适应分块技术，这是一种在考虑时序数据内在周期性的前提下，对时间序列做灵活分块的方法。我们还会讲解一种高效编码技术，该技术在处理不同尺度的数据时，可以保留重要语义特征。金融市场数据具备复杂、多尺度的典型特点，上述两类方法为此类数据的精准处理开辟了新路径，能够显著提升预测结果的稳定性与可靠性。 时间序列的独特之处在于它自身的节律。文本里的词元对应的是词语，而时间序列则格外看重尺度与周期性。部分数据每小时更新一次，另一些数据则每 15
新文章 从基础到进阶：处理鼠标事件 已发布： 阅读本文相关的此类技术资料，仅仅浏览和研究代码，绝对不足以理解其中涉及的过程。实际上，您需要编译出可执行程序，并在任意图表上运行它。只有这样，您才能体会到那些单靠看代码极难掌握的细节，例如结合键盘与鼠标来创建某些元素。 首先，我们要理解一点：鼠标是一种效率极低、使用不便且难以处理的交互控件，会给程序开发带来不小的难题。它的行为看似随机，完全不会考虑代码的运行逻辑，也无视程序员设定的各类约束。尽管MetaTrader 5功能强大且灵活性很高，但默认情况下，它不会为运行在该平台上的任何应用程序生成鼠标事件。为什么？根本原因在于MetaTrader
Adaptive_MACD : 自适应MACD是一种动态动量指标，它会根据市场状况调整平滑程度。该指标计算价格与K线指数在用户定义周期内的皮尔逊相关系数，然后利用所得的R²值将两组不同的MACD系数进行融合。这使得MACD线在强趋势期间反应更灵敏，而在横盘行情中则更平滑。 该指标绘制了带颜色编码的直方图（强/弱多头/空头）以及一条可选的、能根据图表背景自动调整对比度的MACD线。 通过参数设置，可自定义R²周期、快线/慢线长度、信号周期以及颜色。适用于趋势跟踪和动能转变的检测。 Author: Shi Yuan Wang
新文章 从新手到专家：报表 EA — 搭建工作流程 已发布： 经纪商通常会根据预定的时间表定期提供交易账户报表。这些公司通过其 API 技术，可以访问您的账户活动和交易历史，从而为您生成业绩报表。同样，MetaTrader 5 终端会存储您交易活动的详细记录，这些记录可以使用 MQL5 来创建完全定制的报表，并定义个性化的交付方式。 目前，MetaTrader 5 中的报表通常是通过手动导航获得的。然而，在使用 EA 时，我们有机会通过编程来控制这些报表的生成和发送。虽然一些经纪商已经能够自动发送这些报表，但我们在本次讨论中的目标是开发一个系统，使我们能够根据自己的偏好安排报表的发送 —
新文章 交易中的神经网络：智能预测流程（Time-MoE） 已发布： 诚邀大家一起来研究现代Time-MoE框架，该框架已针对时间序列预测任务完成适配。本文将分步实现该架构的核心组件，并同步提供原理讲解与实操示例。该方法使得您不仅能够理解模型的运行机制，还可以将相关原理应用于真实交易场景。 Time-MoE 是专为时间序列数据打造的新一代 仅解码器Transformer 。它以稀疏学习、模块化、多尺度预测为设计原则。该框架的作者论证了大模型的可扩展性与灵活性同样适用于时间序列领域，且不会牺牲计算效率。论文提出的模型架构支持任意长度的分析序列与预测时域。另外，该模型可以对数据流进行实时处理。
Support Resistance zig zag based : 基于锯齿线的支撑阻力指标是一款价格行为指标，旨在自动且动态地在图表上标注支撑位、阻力位及过渡区域（反转区）。该指标完全专注于清晰地映射价格结构，并突出显示关键反弹区域（SBR 和 RBS）。此外，它还包含一个交互式仪表盘，用于监控实时的市场走势。 Author: Ahmad Arju Sholeh
RepaintTest - measure whether a drawing indicator repaints : 用于检测绘图指标是否会重新绘制，而不是断言其不会重新绘制。 不变式：一旦K线收盘并完成处理，其上绘制的任何对象都不得发生任何变化——既不能移动、不能改变颜色、不能更改文本，也不能消失。 该脚本会为自定义符号初始化真实历史数据，通过模板附加您的指标，记录每个对象，追加K线，强制进行全面重新计算，并逐个对象进行比较。
Sniper Gold Hybrid Recovery EA : XAUUSD M15 篮式反弹自动交易系统，具备自适应 ATR 间距、LL/LH 结构验证、动态 RSI 闸控、暴跌检测、新闻过滤以及智能交易修剪功能。 Author: Waseem Shahrukh
Volume Profile Levels Indicator : 基于最近的回溯窗口构建水平成交量直方图，并使用标准的TPO/成交量价值区域扩展算法标记控制点（POC）和价值区域——而不仅仅是POC±固定偏移量。每出现一个新K线更新一次，以侧边栏形式显示在价格旁边。 Author: Olamide Daniel Adebayo
新文章 交易中的神经网络：智能预测流程（结论） 已发布： 本文深入介绍 SwiGLU 嵌入层如何挖掘隐藏的市场规律，以及Decoder-Only Transformer 架构内的稀疏混合专家模型，如何在合理的计算开销下提升预测精度。本文详解将 Time‑MoE 框架集成至 MQL5 与 OpenCL 的实现方法，并提供模型配置与训练的分步教程。 模型训练流程分为两个阶段。这套方案能够循序渐进、稳妥从容地搭建整套系统。 首先是 离线 训练阶段。我们采用 EURUSD 一分钟 周期的 15 年历史数据。这为模型提供了海量、多样化的市场场景。 Encoder
MT5价格走势与成交量订单块 : 一款开源的MT5指标，用于确认市场结构、成交量订单块以及估算买入/卖出活动。 Author: German Emilio Camon
Liquidity Sweep Detector Indicator : 将分形震荡高点/低点标记为流动性水平，然后在价格影线突破其中一个水平后又收盘回撤至该水平内部的精确K线处——即流动性扫盘/止损猎杀——用箭头和可选的价格标签进行标记。扫盘检查仅在已收盘的K线上进行，因此信号绝不会重绘。 Author: Olamide Daniel Adebayo
新文章 价格走势角度分析：用于预测金融市场的混合模型 已发布： 什么是金融市场角度分析？如何利用价格变动角度和机器学习实现准确率达 67% 的精准预测？如何将回归和分类模型与角度特征相结合，并获得一个可运行的算法？这与江恩理论有什么关系？为什么价格走势角度是机器学习的良好指标？ 货币对、股票和期货图表上每天都会产生成千上万根 K 线。它们构成形态，形成趋势，并产生阻力和支撑。然而，在这些熟悉的图表背后，隐藏着一个我们很少注意到的数学实体，即连续价格点之间的角度。 请查看常规的 EURUSD
新文章 交易中的神经网络：智能预测流程（稀疏混合专家） 已发布： 我们将带大家探索在OpenCL计算环境下，时序稀疏混合专家模块的实际实现。本文会分步讲解掩码多窗口卷积的工作原理，以及多信息流场景下如何实现基于梯度的训练流程。 本篇我们继续之前的研究工作，聚焦 Time-MoE 框架的核心组件 —— 稀疏混合专家 （ Sparse Mixture of Experts ）。在前一篇文章中，我们分步搭建模型基础，借助 SwiGLU 嵌入完成构建token与隐藏表征，现在进入这一架构中最关键、最具代表性的部分，在很大程度上决定了整个系统的计算效率与可扩展性。
Interactive On-Chart Risk Management and Execution Panel : 一款专为手工交易者和量化开发者设计的MetaTrader 5交互式图形用户界面（GUI）面板。它可根据账户权益的精确风险比例自动进行动态仓位管理，具备一键下单（买入/卖出）、即时止损、平仓所有头寸功能，以及持续的实时追踪止损管理。 Author: Jose Alejandro Albornoz Serrano
MT5 Vertical Scroll : 这使得MT5图表能够像TradingView图表一样滚动，并配有“自动”按钮用于重置 Author: Rajesh Kumar Nait
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