新文章 MQL5中的范畴论（第22部分）：对移动平均的不同看法 已发布： 在本文中，我们尝试通过只关注一个指标来简化对这些系列中所涵盖概念的说明，这是最常见的，可能也是最容易理解的。它就是移动平均。在这样做的时候，我们会探讨垂直自然变换的意义和可能的应用。 范畴论
新文章 为 MetaTrader 5 开发MQTT客户端：TDD方法——第3部分 已发布： 本文是一系列文章的第三部分，介绍了我们为MQTT协议开发本机MQL5客户端的步骤。在这一部分中，我们详细描述了如何使用测试驱动开发来实现CONNECT/CONNACK数据包交换的操作行为部分。在这一步骤结束时，我们的客户端必须能够在处理连接尝试可能产生的任何服务器结果时表现得正常。 当我们的客户端请求与服务器连接时，它必须通知服务器 代理的一些期望的能力，, 是否它将需要使用用户名和密码进行身份验证，, 以及该连接是否是新会话，还是它正在恢复先前打开的会话。 这是通过在“Protocol
新文章 开发回放系统 — 市场模拟（第 25 部分）：为下一步做准备 已发布： 在本文中，我们将会完结开发回放和模拟系统的第一阶段。尊敬的读者，有了这样的成就，我确认该系统已经达到了高级水平，为引入新功能铺平了道路。目标是进一步丰富该系统，将其转变为研究和开发市场分析的强力工具。 我们从给控件指示器施加限制开始，如此用户就无法回溯时间。我所说的“回溯时间”是指在取得一定进展后，它不再可能利用控件指示器返回到以前的位置。若要撤消这些动作，您需要关闭回放/模拟服务，并重启该过程从头开始。我知道这个限制也许看起来令人生畏，但相信我，这种方式能防止试图使用回溯功能时也许会出现的诸多问题。
ZigZag NK FiboFan : ZigZag 允许根据最后两个顶值建立 Fibo 扇形。 作者： Nikolay Kositsin
新文章 构建自动运行的 EA（第 15 部分）：自动化（VII） 已发布： 我们将继续讨论上一篇文章的主题，以便完成有关自动化的这一系列文章。 我们将看到所有内容如何搭配到一起，令 EA 像钟表一样运行。 我所展示出的主要故障、问题和困难，均涉及一名程序员在创建自动运行 EA 时的管辖工作。 但我也为您展示出，这可以带来很多知识，改变您实际观察市场的方式。 我尝试以这样一种方式呈现事物，即您可以实际创建一个安全，可靠和强大的系统。 与此同时，它应该是模块化的、紧凑的和非常轻巧的。 您应该能够将其与许多其它事物结合运用。 拥有一个不允许您同时操作各种事物的系统是没有用处的。
新文章 为EA交易提供指标的现成模板（第3部分）：趋势指标 已发布： 在这篇参考文章中，我们将研究趋势指标类别中的标准指标。我们将创建现成的模板，用于EA中的指标使用——声明和设置参数、指标初始化和析构，以及从EA中的指示符缓冲区接收数据和信号。 本文继续讨论在EA中使用指标的现成模板的主题。我们已经探讨了将 振荡指标 和 交易量和比尔威廉姆斯指标 连接到EA的模板。 在这里，我们将研究将趋势指标连接到EA交易。与前几篇文章一样，我们将 在本系列的第一篇文章 中创建的仪表板上显示从指标接收的数据。
新文章 MQL5中的范畴论（第21部分）：使用LDA的自然变换 已发布： 这篇文章是我们系列的第21篇，继续研究自然变换以及如何使用线性判别分析（linear discriminant analysis，LDA）来实现它们。我们以信号类格式展示了它的应用程序，就像在前一篇文章中一样。 随着我们继续研究 自然变换 ，我们将在本文中研究时间序列预测中的更多应用。自然变换通常可以在相关的数据集中推断出来，这是我们想在本文中开始研究的内容。
新文章 开发回放系统 — 市场模拟（第 24 部分）：外汇（V） 已发布： 今天，我们将去除阻止基于最后成交价进行模拟的限制，并将专门针对这类模拟引入一个新的切入点。整个操作机制将基于外汇市场的原则。该过程的主要区别在于出价（Bid）和最后成交价（Last）模拟的分离。不过，重点要注意，用于随机化时间，并将其调整为与 C_Replay 类兼容的方法在两类模拟中保持雷同。这很好，因为一种模式的变化会导致另一种模式的自动改进，尤其遇到处理跳价之间的时间。
新文章 神经网络变得轻松（第五十五部分）：对比内在控制（CIC） 已发布： 对比训练是一种无监督训练方法表象。它的目标是训练一个模型，突显数据集中的相似性和差异性。在本文中，我们将谈论使用对比训练方式来探索不同的扮演者技能。 对比内在控制算法在环境中训练智能体时首先使用反馈，并获取状态和动作的轨迹。然后使用 对比预测编码（CPC） 执行表象训练，其会激励智能体从状态和动作中提取关键特征。表象的表示要考虑到连续状态之间的依赖关系。 内在奖励在判定哪些行为策略应该最大化方面扮演着重要角色。CIC 将状态之间转换的熵最大化，从而促进了智能体行为的多样性。这允许智能体探索和创建行为策略的多样化。
新文章 在 EA 交易代码中实现指标的计算 已发布： 把指标代码移动到 EA 交易中可能有多种原因，怎样评估这种方法的优缺点呢?本文描述了在 EA 交易中实现指标代码，还进行了几个实验来评估 EA 交易运行的速度。 下面是我们为了把指标计算迁移到 EA 交易中所需要做的事。 准备指标缓冲区的操作，为此，创建 CArrayBuffer 类，带有用于数据存储和方便访问的方法。随后，根据指标中缓冲区的数量来创建这样的类的数组。, 把来自 OnCalculate 函数中指标的计算部分迁移到我们类的 Calculate 函数中。, 指标可以从 OnCalculate 函数参数中访问时间序列 (和 EA
新文章 构建自动运行的 EA（第 09 部分）：自动化（I） 已发布： 尽管创建自动 EA 并非一项非常困难的任务，但在缺乏必要知识的情况下可能会犯许多错误。 在本文中，我们将研究如何构建初级自动化，其中包括创建一个触发器来激活盈亏平衡和尾随停止价位。 下面的视频演示了该系统的操作情况。 对于那些想象这是不同或不起作用的人，请观看视频并得出自己的结论。 尽管为了理解正在发生的事情，最好的办法是编译 EA，并在模拟账户上自行测试。 以这样的方式，对整个系统的理解将更加扎实和清晰。 作者： Daniel Jose
新文章 将ML模型与策略测试器集成（结论）：实现价格预测的回归模型 已发布： 本文描述了一个基于决策树的回归模型的实现。该模型应预测金融资产的价格。我们已经准备好了数据，对模型进行了训练和评估，并对其进行了调整和优化。然而，需要注意的是，该模型仅用于研究目的，不应用于实际交易。 基于上述标准，在本文中，我决定使用决策树回归模型来预测收盘价。选择这种模型的理由如下： 性能 ：决策树通常适用于回归问题，因为它们能够捕捉变量之间的非线性关系和相互作用。通过适当调整模型超参数，如树深度和每片叶子的最小样本数，我们可以实现适应度和泛化之间的平衡。 , 可解释性
新文章 MQL5中的范畴论（第20部分）：自我注意的迂回与转换 已发布： 我们暂时离开我们的系列文章，考虑一下 chatGPT 中的部分算法。有没有从自然变换中借鉴的相似之处或概念？我们尝试用信号类格式的代码，在一篇有趣的文章中回答这些和其他问题。 我认为，在范畴论和自然变换的主题上继续写这些系列文章，而不去碰房间里的大象，也就是 chatGPT，那将是失职的。到目前为止，每个人都以某种形式熟悉了chatGPT和许多其他人工智能平台，并见证和欣赏了 变换 神经网络（transformer neural
新文章 为 MetaTrader 5 开发一款 MQTT 客户端：TDD 方式 - 第2部分 已发布： 本文是描述 MQTT 协议的本机MQL5客户端开发步骤系列文章的一部分。在这一部分中，我们将描述我们的代码组织、第一个头文件和类，以及我们如何编写测试。本文还包括关于测试驱动开发实践以及我们如何将其应用于该项目的简要说明。
新文章 MQL5 中的范畴论 (第 17 部分)：函子与幺半群 已发布： 本文是我们系列文章的最后一篇，将函子作为一个主题来讨论，且把幺半群作为一个范畴来重新审视。幺半群已在我们的系列中多次讲述，于此配合多层感知器帮助确定持仓规模。 为了汇总我们从这项研究中得到的主要收获和发现，我们已经展示了一个不同的幺半群视角，并以 MQL5 语言实现一个范畴。我们进一步证明，这种实现在指导交易系统的持仓规模方面很实用，在我们的例子中，它依赖于 RSI 指标的入场和离场信号。
新文章 MQL5 编程基础：数组 已发布： 数组连同变量及函数是几乎所有编程语言的组成部分。很多编程新手往往对数组“心存惧意”。听上去不可思议，但这是事实！我可以向你们保证，它们没有什么好可怕的。事实上，数组和普通的变量类似。不考虑符号特性的细节，语句的编写没有太大区别，无论是使用简单变量. 数组看上去有些复杂的原因是不是和使用 " [ " 和 " ] " 有一定的关系？这些符号很少在编程中的数组以外的任何场合使用，因此读者可能不记得它们在键盘上的位置并感到不适。而事实上，您可以轻松记住它们的位置 - 这两个键呈逻辑顺序位于 "Enter" 键的旁边：左括号后面是右括号。 作者： Dmitry
新文章 在算法交易中 Kohonen 神经网络的实际应用。 第 I 部分 工具 已发布： 本文依据之前发表文献中所介绍的思路，开发在 MetaTrader 5 中运用 Kohonen 映像。 改进并强化的类提供了解决应用程序任务的工具。 在继承的源代码中，未使用输入数据常规化。 不过，在输入矢量的不同分量（特征）有不同数值范围的情况下，它会非常重要。 这是 EA 的优化结果，并汇集不同指标数据的情况。 至于优化结果，我们可以看到，有数十万的总利润其数值较小，例如锋锐比率的分数，或恢复因子的一位数值。 您不应该使用这种不同规模的数据来教育 Kohonen
新文章 10 分钟掌握 MQL5 的 DLL(第二部分)：使用 Visual Studio 2017 创建 已发布： 初版文章依然具有其相关性，因此如果您对此主题感兴趣，请务必阅读第一篇文章。 从初版起已经过了很久时间，而当前的 Visual Studio 2017 具有全新的界面。 MetaTrader 5 平台也拥有了诸多新功能。 本文提供了开发 DLL 项目各个阶段的描述，以及如何设置 DLL 并与 MetaTrader 5 工具进行交互。 创建一个简单的 DLL 整个过程已在 初版文章 中有所描述。 如今我们再次研究软件的更新和变化。 运行 Visual Studio
新文章 神经网络变得轻松（第五十四部分）：利用随机编码器（RE3）进行高效研究 已发布： 无论何时我们研究强化学习方法时，我们都会面对有效探索环境的问题。解决这个问题通常会导致算法更复杂性，以及训练额外模型。在本文中，我们将看看解决此问题的替代方法。 高效探索的随机编码器（RE3）方法的主要目标是最大限度地降低训练模型的数量。在它们的工作中，RE3 方法的作者提请注意这样一个事实，即在图像处理领域，只有卷积网络能够识别单个对象的外在特点和内在特征。卷积网络将有助于降低多维空间的维度，突出特征并应对原始对象的缩放。
新文章 MQL5中的范畴论（第19部分）：自然性四边形归纳法 已发布： 我们继续通过探讨自然性四边形归纳法来研究自然变换。对于使用MQL5向导构建的EA交易来说，对多货币实现的轻微限制意味着我们正在通过脚本展示我们的数据分类能力。所考虑的主要应用是价格变化分类及其预测。 在这篇文章中，我们将重点讨论如何利用自然性四边形，这是我们在 上一篇文章 中引入的一个概念，并进行归纳。这一做法的潜在适用好处将通过3个可以通过套利联系起来的外汇货币对来证明。我们希望对其中一对的价格变化数据进行分类，目的是评估我们是否可以为该对开发进场信号算法。 自然性四边形是 自然变换
新文章 数据科学与机器学习 — 神经网络（第 02 部分）：前馈神经网络架构设计 已发布： 在我们透彻之前，还有一些涵盖前馈神经网络的次要事情，设计就是其中之一。 针对我们的输入，看看我们如何构建和设计一个灵活的神经网络、隐藏层的数量、以及每个网络的节点。 我们都知道，当涉及到优化新参数时，硬编码模型会落入钝化，整个过程很耗时，会导致头痛、背部疼痛、等等， （太不值了） 。 如果我们抵近观察神经网络背后的操作，您会注意到每个输入都被乘以分配给它的权重，然后它们的输出被添加到乖离之中。 矩阵运算可以很好地处理这一点。 作者： Omega J Msigwa
新文章 如何利用 MQL5 创建自定义指标（Heiken Ashi） 已发布： 在本文中，我们将学习如何根据我们的偏好利用 MQL5 创建自定义指标，在 MetaTrader 5 当中运用它来帮助我们读取图表，或在自动智能系统当中运用。 Heiken Ashi 图表类似于普通的烛台技术图表，但绘制这些蜡烛的计算方式是不同的。 也就是说，有两种不同的方法。 众所周知，普通烛台图表根据特定时期内的真实开盘价、最高价、最低价和收盘价计算价格，但 Heiken Ashi 在计算蜡烛时会考虑之前类似价格（开盘价、最高价、最低价和收盘价）的价格。 以下是 Heiken Ashi 的相关值如何计算的：
新文章 MQL5中的范畴论（第18部分）：自然性四边形 已发布： 本文通过介绍自然变换这一主题中的一个关键支柱，继续我们的范畴理论系列。我们研究看似复杂的定义，然后深入研究本系列“面包和黄油”的示例和应用程序；波动性预测。 自然变换（Natural transformations） 是范畴论中的一个关键概念，通常被视为 函子
价格通道止损 : 价格通道止损（Price Channel Stop）指标显示了根据通道周期数和预想的风险估计的趋势。它还显示了两个值的水平线，可以用于根据本指标开启订单的止损（使用趋势颜色改变可以用于开启新订单的信号以及关闭已有订单）。 作者： Mladen Rakic
MQL5向导 - 基于三条移动平均线的交易信号 : 基于两条指数平滑移动平均线交叉的交易信号（CSignalCrossEMA来自MQL5标准库)被考虑。基于该策略的EA交易的代码可以被MQL5向导自动生成 作者： MetaQuotes Software Corp
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