EMA LWMA RSI: 基于两条 iMA（移动平均线，MA）和 iRSI（相对强弱指数，RSI）的智能交易系统 作者： Vladimir Karputov
新文章 在 MQL5 中利用 ARIMA 模型进行预测 已发布： 在本文中，我们继续开发构建 ARIMA 模型的 CArima 类，添加支持预测的直观方法。 众所周知，ARIMA 模型依赖于数据集中的时间依赖性。 因此，为了进行一次或更多的预测，我们需要向模型提供一序列输入数据。 模型的规格确定了输入序列的最小尺度。 知道了这一点，很明显，如果输入序列不充分，就不可能做出任何预测，或者说至少预测不能反映所应用的模型。 不同类型的 ARIMA 模型对输入序列的尺度提出了不同的要求，而不仅仅是模型的顺序。 实现纯自回归模型的预测是微不足道的，因为其所需只是输入与模型的最大滞后相等。
MA MACD 仓位平均 v2: 这个EA交易是基于 iMA (移动平均, MA) 和 iMACD (移动平均聚合/分离指标, MACD) 的。如果有亏损就平均仓位。对版本1.0的改进 作者： Vladimir Karputov
新文章 如何在 MQL5.com 上造就成功的信号提供者 已发布： 在本文中我的主要目标是为您提供一个简单而精准的步骤说明，助您变身 MQL5.com 上的顶级信号提供者。 借鉴我的知识和经验，我将讲解如何造就一名成功的信号提供者，包括如何寻找、测试、和优化一个优秀的策略。 此外，我将提供有关发布信号、撰写令人信服的推介、以及有效推广和管理信号的提示。 外汇是最大的金融市场，全球范围每日流转额超过 6 万亿美元，令精通交易的人士无法抗拒。 外汇交易是高盈利、高风险行业，任何人花上几小时或几天进行交易就能证明。
新文章 GUI：利用 MQL 创建您自己的图形库的提示和技巧 已发布： 我们将通览 GUI 函数库的基础知识，以便您能理解它们如何工作，甚至着手打造您自己的函数库。 开发 MetaTrader 5 关联环境中的 GUI 函数库是任何人都能想到的 最大 非特性项目之一，其它还有 AI、（优秀的）神经网络、和......熟练运用您尚未开发出的 GUI 函数库。 最后一点我是半开玩笑的，当然，学习如何使用已经制作完成的函数库更容易（即使外面的 GUI 函数库 非常 庞大）！ 但是，若我能学会如何使用一个比我自行打造更好的函数库，为什么还要从头开始创建一个呢？ 好吧，有几个很好的理由。
新文章 开发回放系统 — 市场模拟（第 16 部分）：新的类系统 已发布： 我们需要更好地组织我们的工作。 代码正在快速增长，如果现在不做，那么以后就变得更不可能了。 我们分而治之。 MQL5 支持类，可协助实现此任务，但为此，我们需要对类有一定的了解。 大概最让初学者困惑的是继承。 在本文中，我们将看到如何以实用和简单的方式来运用这些机制。 实际上，还有与编写代码相关的额外工作。 但是作为一个拥有多年经验的 C++/C 程序员，当我查看上面所示的代码时，我很轻易就明白它是引用指针。 由于 MQL5 的理解方式与 C++/C 相同，故我明白注入符这样用没有问题。
心理线PSY指标MT4版本 : 心理线（PSY）指标将一定时期内投资者趋向买方或卖方的心理事实转化为数值，从而判断股价的未来趋势 作者： tottiss
新文章 为智能系统制定品质因数 已发布： 在本文中，我们将见识到如何制定一个品质得分，并由您的智能系统从策略测试器返回。 我们将查看两种著名的计算方法 — Van Tharp 和 Sunny Harris。 在本文中，我们将见识到如何制定一个品质得分，并由您的智能系统从策略测试器返回。 在下面的图例 1 中，您可以看到 “OnTester result” 值为 1.0639375，此即展示所执行系统的品质示例。 在本文中，我们将学到两种可能的方式来测量系统品质，并将看清如何记录这两个数值，因为我们只能返回其中一个值。 图例 1 ：高亮显示的 “OnTester result” 字段。 作者：
新文章 开发回放系统 — 市场模拟（第 15 部分）：模拟器的诞生（V）- 随机游走 已发布： 在本文中，我们将完成自有系统模拟器的开发。 于此的主要目标是就上一篇文章中讨论的算法进项配置。 该算法旨在创建随机游走走势。 因此，为了明白今天的讲义，有必要了解以前文章的内容。 如果您尚未跟踪模拟器的开发，我建议您从头开始阅读本系列文章。 否则，您也许对此处将要讲解的内容不明所以。 于此，我们将纠正文章 “ 开发回放系统 — 市场模拟（第 14 部分）：模拟器的诞生（IV） ” 中的缺陷。 尽管我们已经生成了可运作的随机游走原理，但在处理预定义文件或数据库中的数值时，它还是不完全胜任。
新文章 MQL5 中的范畴论 (第 10 部分)：幺半群组 已发布： 本文是以 MQL5 实现范畴论系列的延续。 在此，我们将”幺半群-组“视为常规化幺半群集的一种手段，令它们在更广泛的幺半群集和数据类型中更具可比性。 按照类似于我们在上一篇文章中的方式，考虑在交易者当中应用它。 回想一下，我们将幺半群（集合）视为交易者可从中选择的决策选项池，在上一篇文章中，我们看到过以”幺半群-动作“扩展该其大小。 我们实测了如果基于交易系统决策点（特征）相对重要性的权重因子列表来扩展特定幺半群的纵深，会对交易系统的性能产生什么影响。
新文章 利用 MQL5 的交互式 GUI 改进您的交易图表（第一部分）：可移动 GUI（I） 已发布： 凭借我们的利用 MQL5 创建可移动 GUI 的综合指南，令您的交易策略或实用程序焕发出呈现动态数据的力量。 深入了解图表事件的核心概念，并学习如何在同一图表上设计和实现简单、多个可移动的 GUI。 本文还探讨了往 GUI 上添加元素的过程，从而增强其功能和美观性。 欢迎来到 MQL5 中激动人心的可移动 GUI 世界！ 此处的指南令您自主掌握创建动态、交互式 GUI 的知识，从而提升您的交易策略。 我们首先解码图表事件的基本概念，它是驱动 GUI
新文章 开发回放系统 — 市场模拟（第 14 部分）：模拟器的诞生（IV） 已发布： 在本文中，我们将继续探讨模拟器开发的新阶段。 这次，我们会见到如何有效地创建随机游走类型的走势。 这种类型的走势非常引人入胜，因为它是构成资本市场上所发生一切的基础。 此外，我们将开始了解一些对于进行市场分析至关重要的概念。 基于我们在上一篇文章中开始的讲解，您能看出现在我们正优先研究走势随机化。 不同于其它文章中所见，那些创建模拟所采用的方法都与策略测试器中的非常相似，我们所用是的与下图所示非常相似的锯齿形走势： 虽然如策略测试器一样是个好主意，但这种方式对于回放/模拟系统来说并不完全足够。
新文章 开发回放系统 — 市场模拟（第 13 部分）：模拟器的诞生（III） 已发布： 为了下一阶段的工作，我们将于此简化一些与操作相关的元素。 我还会解释如何让您把模拟器随机生成的内容可视化。 精度并不完美，但我们能够调整该值，从而获得更精准的时间。 利用操作系统的内部计数器不能达成精确定时，因为该计数器无法以良好的精度处理低于 16 毫秒的时间。 不过，请注意，这项工作还处于研究阶段，尚未完成。 也许要花费一些时间才能找到改善这种状况的途径，但就目前而言，我认为这已经足够了。 作者： Daniel Jose
新文章 MQL5 中的范畴论 (第 9 部分)：幺半群（Monoid）— 动作 已发布： 本文是以 MQL5 实现范畴论系列的延续。 在这里，我们继续将“幺半群 — 动作”当为幺半群变换的一种手段，如上一篇文章所涵盖的内容，从而增加了应用。 如果我们如同上一篇文章中一样，依据 EURUSD 从 2022.05.01 到 2023.05.15 的 H1 时间帧进行测试，使用函数库的内置 RSI 信号类，这就是我们的测试报告。 虽然我们上面报告的结果不如我们在上一篇文章中的最佳报告中那么好，但报告结果确实突显出幺半群动作对于幺半群集变化的敏感性。 作者： Stephen Njuki
一个用Dxdcn的EA模板改编的EA 仅供参考 :
一个用顾比线编写的EA 仅供参考 这是为练习icustom的用法而在Dxdcn的EA模板的基础上改编的 也欢迎大家看看是否icustom用法是否准确。实际测试无错误。
Author: liuxiaodong
新文章 神经网络在交易中的实际应用 (第二部分). 计算机视觉 已发布： 利用计算机视觉可以训练神经网络对价格图表和指标的直观表示。这种方法可以对整个复杂的技术指标进行更广泛的操作，因为不需要将它们以数字形式输入神经网络。 在准备一组图像之前，先定义神经网络的用途。理想情况下，在轴枢点上训练网络会很好。根据这个目的，我们需要用最后一个极值柱做截图。然而，这个实验没有实际价值。这就是为什么我们将使用另一组图像。此外，还可以使用不同的数组进行实验，包括上面提到的数组。这也可能为神经网络在解决基于图像的分类任务时的效率提供额外的证据。在连续时间序列上获得的神经网络响应需要额外的优化。
新文章 MetaTrader 中的多机器人：从单图表中启动多个机器人 已发布： 在本文中，我将研究一个简单的模板，用来创建通用的 MetaTrader 机器人，该机器人可以在多个图表上使用，同时仅附加到一个图表，无需在每个单独的图表上为每个机器人实例进行配置。 这个思路是不久前想到的，尽管我长期以来一直在观察专业卖家的类似决定。 换言之，我不是第一个也不是最后一位在这个领域提出思路的人，但与往常一样，程序员必须设定一些条件才能开始制定这样的决策。 在 MQL5 商店中开发此类智能系统的主要原因是满足用户对舒适度的渴望。 然而，就我而言，动机略有不同。
新文章 不使用额外的缓冲区，为中间计算进行系列价格的平均化已发布：
本文要讲述的是封装于最简单的单型类中的传统与非寻常平均线算法。它们旨在实现于几乎所有指标的开发过程中的普适用途。我希望建议的这些类，会成为那些自定义与技术指标“笨重”调用的一个很好的替代。
作者：Nikolay Kositsin
Exp_Zonal_Trading: 智能交易系统在其操作时使用 AO 和 AC 指标, 它们是比尔·威廉姆斯提出的。 作者： Nikolay Kositsin
大师观念: 智能交易系统使用 iStochastic (随机) 振荡器, iWPR (Larry Williams 的百分比范围) 指标。 作者： Vladimir Karputov
新文章 MQL5 — 您也可以成为该语言的大师 已发布： 本文将是一次自我访谈，我将告诉您我是如何迈出 MQL5 语言的第一步的。 我将向您展示如何成为一名出色的 MQL5 程序员。 我将为您解释实现这一壮举的必要基础。 唯一的先决条件是愿意学习。 许多人认为，既然我已经知道如何用 C/C++ 编程，我就应该立即开始用 MQL5 进行复杂而繁琐的项目。 我希望我能说，这只是一切的开始。 然而，现实却大相径庭。 每当我们迈出开发自己的解决方案的第一步时，我们通常会从我们自认为明白的东西开始。 就我而言，当我开始使用 MQL5 时，我手头只有语言文档。
新文章 MQL5 快速上手已发布：
您已决定学习 MQL5 交易策略的编程语言，但却对其一无所知？我们尝试从新人的视角来看待 MQL5 和 MetaTrader 5 终端，并撰写了此篇简短的介绍性文章。本文中简要地讲述了该语言的多种可能性，还包含有关使用 MetaEditor 5 及此终端的一些小贴士。
作者：MetaQuotes Software Corp.
交易者的MQL5编程(MQL5 Programming for Traders) - 源代码第五部分 : 在本书的第五部分，我们将深入探讨与算法交易相关的API，包括金融数据分析和处理、图表可视化、自动化和用户交互。 作者： MetaQuotes
新文章 怎样开发可以获利的交易策略已发布：
本文为这样的问题提供解答: "是否可以通过神经网络技术，基于历史数据来构建自动交易策略?".
通过技术分析开发成功交易策略的过程可以分为以下几步:
在某个资产价格图表窗口上附加几个技术指标, 并识别出其中信号指标与市场关联的模式.把上一步相关性分析取得的数据进行公式化.把策略转换为对应的编程语言进而创建一个机械化的交易系统.在基于历史数据的模拟器中运行这个交易系统并调整它的输入参数(优化).如果之前的步骤不能增加资产, 则返回第一步.在模拟账户中运行之前创建的系统进行测试.如果之前的步骤不能在模拟系统中获利, 返回第一步.在真实效益中使用该系统...
新文章 轻松快捷开发 MetaTrader 程序的函数库(第一部分)。 概念，数据管理和首期成果已发布： 在分析海量交易策略，订购用于 MetaTrader 5 和 MetaTrader 4 终端以及各种 MetaTrader 网站的应用程序开发订单时，我得出了一个结论，就是所有这些貌似多样性，大多基于相同的基本函数，动作和数值有规律地出现在不同的程序当中。 在 DoEasy 跨平台函数库中的这一成效，可以轻松快捷地开发 МetaТrader 5 和 МetaТrader 4 应用程序。 现在所有编译都没有错误，交易账户的历史记录中所有订单和成交的数据都显示在终端流水日志中。...
双线MACD: 本指标MACD(2lines)是基于国内的股票软件通达信的MCAD改编。大家已经习惯了国内软件上的两条线的MCAD，而MT4自带的MACD只有一条线。 作者： Ziheng Zhuang
新文章 神经网络变得轻松（第四十五部分）：训练状态探索技能 已发布： 在没有明确奖励函数的情况下，实用的训练技能就是分层强化学习的主要挑战之一。 以前，我们已领略了解决此问题的两种算法。 但环境研究的完整性问题仍然悬而未决。 本文演示了一种不同的技能训练方式，其可取决于系统的当前状态直接使用。 最初的结果比我们预期的要差。 包含的正面结果则是，测试样本中所用的技能分布相当均匀。 这就是最终我们的测试正面结果所在。 在对自动编码器和代理者进行了多次迭代训练后，我们仍然无法获得能够在训练集上产生盈利的模型。 显然，问题在于自动编码器无法足够准确地预测状态。 结果就是，余额曲线与预期结果相去甚远。
新文章 利用回归衡量度评估 ONNX 模型 已发布： 回归是一项依据未标记样本预测真实数值的任务。 所谓的回归衡量度则是用来评估回归模型的预测准确性。 回归是一项依据未标记样本预测真实数值的任务。 一个著名的回归例子是基于大小、重量、颜色、净度、等特征来估算钻石的价值。 而所谓的 回归衡量度 则是用来评估回归模型的预测准确性。 尽管算法相似，回归衡量度在语义上与相似的 损失函数 有所区别。 了解它们之间的区别很重要。 它可按如下方式表述： 当我们将构建模型的问题降解为优化问题时，此刻损失函数就会浮现。 通常要求它具有良好的性质（例如，可微性）
交易者的MQL5编程(MQL5 Programming for Traders) - 源代码第六部分 : 在"交易者的MQL5编程(MQL5 Programming for Traders)"第六部分，我们将学习MQL5语言的一个关键组成部分 – 交易自动化。我们将首先介绍基本对象，如交易品种规格和交易账户设置。这些都是创建正常运行的EA交易的先决条件。 作者： MetaQuotes
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