新文章 开发具有 RestAPI 集成的 MQL5 强化学习代理（第 3 部分）：在 MQL5 中创建自动移动和测试脚本 已发布： 本文讨论在 Python 中实现井字游戏中的自动移动，并与 MQL5 函数和单元测试集成。目标是通过在 MQL5 中进行测试，提高游戏的互动性并确保系统的可靠性。本文内容包括游戏逻辑开发、集成和实际测试，最后将介绍动态游戏环境和强大集成系统的创建。 这篇文章背后的思路是，通过在 Python 中实现井字游戏中的自动移动，我们将为更完整、更高效的测试奠定坚实的基础。有了游戏的自动响应，我们就可以使用 MQL5 脚本进行全面检查，模拟现实世界中与 REST API
新文章 软件开发和 MQL5 中的设计范式（第 4 部分）：行为范式 2 已发布： 在本文中，我们将终结有关设计范式主题的系列文章，我们提到有三种类型的设计范式：创建型、结构型、和行为型。我们将终结行为类型的其余范式，其可以帮助设置对象之间的交互方法，令我们的代码更整洁。 在本章节中，我们将辩证另一种行为设计范式，即备忘录范式。备忘录范式可将对象的状态外部化，以便提供回滚功能，它也称为令牌。 范式有什么作用？
新文章 针对交易的组合数学和概率论（第五部分）：曲线分析 已发布： 在本文中，我决定进行一项研究，探讨将多重状态系统简化为双重状态系统的可能性。 本文的主要目的是分析并推导出有用的结论，这些结论也许有助于基于概率论的可伸缩交易算法的深入发展。 当然，这个话题会涉及到数学知识。 不过，根据之前文章的经验，我认为广谱信息比细节作用更大。 作为一个实例，我们可以采用随机策略，并将其转换为所需的等效策略。 我创建了一个变体，将复杂的多维系统转换为更简单的二维系统。 我将尝试一步一步地讲述这个过程。 在继续讲述之前，我实现了这个思路，并测试了该方法的性能。 程序附在本文之后。
日交易 PAMXA : 该策略基于计算两个时间帧的两个指标：D1 时间帧上的 iAO（动量振荡器，AO）和 H1 时间帧上的 iStochastic（随即振荡器，Stoh）。 作者： Vladimir Karputov
新文章 神经网络变得简单（第 66 部分）：离线学习中的探索问题 已发布： 使用准备好的训练数据集中的数据对模型进行离线训练，这种方法虽然有一定的优势，但其不利的一面是，环境信息被大大压缩到训练数据集的大小。这反过来又限制了探索的可能性。在本文中，我们将探讨一种方法，这种方法可以用尽可能多样化的数据来填充训练数据集。 ExORL 方法可分为 3 个主要阶段。第一阶段是收集未标记的探索性数据。这个阶段可以使用各种无监督学习算法。该方法的作者并没有限制适用算法的范围。此外，在与环境互动的过程中，在每个回合（episode）中，我们会根据之前互动的历史记录使用一种策略 π。每一回合都以状态 St
Normalized Volume : 此市场交易量指标的主要目的是过滤市场单边运行时的假信号 作者： Nikolay Kositsin
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
OHLC 检查 : 检查交易系统: 收盘价 > 开盘价 → 买入信号, 收盘价 < 开盘价 → 卖出信号。 作者： Vladimir Karputov
新文章 软件开发和 MQL5 中的设计范式（第 3 部分）：行为范式 1 已发布： 来自设计范式文献的一篇新文章，我们将看到类型其一，即行为范式，从而理解我们如何有效地在所创建对象之间构建通信方法。通过完成这些行为范式，我们就能够理解创建和构建可重用、可扩展、经过测试的软件。 在本文中，我们提供的行为范式，与分配和设置对象之间的责任有关。它们还辨别对象如何相互通信或交互，并且该类型下有许多范式，如下所示： 责任（responsibility）链, 命令（Command）, 解释器（Interpreter）, 迭代器（Iterator）, 调解器（Mediator）, 备忘录（Memento）
Precision trend (histo) : Precision trend (柱形图). 作者： Mladen Rakic
新文章 利用 Python 和 MQL5 构建您的第一个玻璃盒模型 已发布： 如果我们想从机器学习这些先进技术中获得任何价值，那么很难解释和理解为什么我们的模型偏离我们的期望至关重要。如果对模型内部工作原理的没有全面了解，我们可能无法发现破坏模型性能的错误，我们可能会在无法预测的参照特征上浪费时间，从长远来看，我们有可能没有充分利用这些模型的功能。幸运的是，有一个复杂且维护良好的多合一解决方案，令我们能够准确地看到我们的模型在引擎盖下正在做什么。
新文章 开发具有 RestAPI 集成的 MQL5 强化学习代理（第 2 部分）：用于与井字游戏 RestAPI 进行 HTTP 交互的 MQL5 函数 已发布： 在本文中，我们将讨论 MQL5 如何与 Python 和 FastAPI 交互，使用 MQL5 中的 HTTP 调用与 Python 开发的井字游戏交互。这篇文章讨论了使用 FastAPI 为这种集成创建一个 API，并提供了一个 MQL5 测试脚本，突出了 MQL5 的多功能性、Python 的简易性以及 FastAPI 在连接不同技术以创建创新解决方案方面的效果。 然后，脚本执行一系列动作，每个动作都由一个 JSON
新文章 开发具有 RestAPI 集成的 MQL5 强化学习代理（第 1 部分）：如何在 MQL5 中使用 RestAPI 已发布： 在本文中，我们将讨论 API（Application Programming Interface，应用程序编程接口）对于不同应用程序和软件系统之间交互的重要性。我们将看到 API 在简化应用程序间交互方面的作用，使它们能够有效地共享数据和功能。 在编程和系统开发中，不同应用程序之间的通信至关重要。API（Application Programming
新文章 什么是马丁格尔?已发布：
人们使用马丁格尔赌博策略进行交易或者滥用尖峰和类似方法时所出现的各种错觉的简短描述。
很难说明为什么马丁格尔一词有如此多的含义。但有一点是毫无疑问的：如果交易者使用马丁格尔策略，它对交易者的押金至关重要。马丁格尔赌博策略有哪些优势和劣势？如何能够在策略中抓住尖峰？市场是马丁格尔吗？将在本文中讨论上述所有问题以及其他一些密切关联和相互关联的问题。
作者：kamal
新文章 MQL5.community 最活跃成员获颁 iPhones 大奖！ 已发布： 长时间以来，我们一直都有鼓励对本社区发展做出贡献的最活跃 MQL5.com 参与者的打算。因此，网站上实施了 新评级体系 。文章、代码库程序以及服务台请求 - 所有类型的活动都会提高用户的评级。由此，每位社区成员的贡献即被直观化。 继我们决定奖励最为出色的 MQL5.com 参与者后，我们已经选出了确定每一位参与者对本社区发展所做贡献的关键准则。结果我们选出了下述优胜者，他们在网站上发布的文章数量最多 - investeo （11 篇）和 victorg （10 篇），以及将其代码提交到 代码库 的 –
VR---SETKA---3 : VR---SETKA---3 - MetaTrader 5 EA交易这是 VR---SETKA 的继续。本EA是基于马丁格尔原则的。网格. 马丁格尔. 只能在对冲账户上使用。 作者： Vladimir Karputov
新文章 开发回放系统（第 37 部分）：铺平道路 (一) 已发布： 在这篇文章中，我们终于要开始做我们早就想做的事情了。之前，由于缺乏 "坚实的基础"，我没有信心公开介绍这部分内容。现在我有了这样做的基础。我建议您尽可能集中精力理解本文的内容。我指的不仅仅是阅读，我想强调的是，如果你不理解这篇文章，你可能就是完全放弃了理解以后文章内容的希望。 现在，我们已经有了指标和 EA 交易的基本系统，让我们开始本文的工作：关联它们。 重要的是要知道如何创建一个指标或如何创建一个 EA 交易，以及如何使它们互动和协同工作。很多人都知道使用指标的基础知识，这样 EA 交易就可以使用指标计算出的数据。
Inertia_Candles : 本指标会画出烛体大小超过指标输入参数中点数的烛形。 作者： Nikolay Kositsin
带有布林带的 WPR : 威廉姆斯百分比范围的这个版本增加了布林带，以便帮助识别可能的超买和超卖等级突破。 作者： Mladen Rakic
新文章 群体优化算法：差分进化（DE） 已发布： 在本文中，我们将讨论在前面讨论过的所有算法中最有争议的算法 - 差分进化算法（Differential Evolution，DE）。 差分进化的理念是简单和高效的结合。差分进化算法使用代表潜在解决方案的向量群，每个矢量由代表优化问题变量值的分量组成。 在 DE 中，向量扮演搜索代理的角色。该算法首先创建一个随机向量群，然后会出现一个迭代过程，在这个过程中，每个向量都会发生变异，并与种群中的其他向量交叉。突变是通过将从群体中随机选择的两个向量的差值加到第三个向量上实现的。这样就创建了一个新的向量，它代表问题的潜在解决方案。
新文章 精通模型解释：从您的机器学习模型中获取深入见解 已发布： 机器学习对于任何经验的人来说都是一个复杂而回报的领域。在本文中，我们将深入探讨为您所构建模型提供动力的内在机制，我们探索的错综复杂的世界，涵盖特征、预测和化解复杂性的有力决策，并牢牢把握模型解释。学习驾驭权衡、强化预测、特征重要性排位的艺术，同时确保做出稳健的决策。这篇基本读物可帮助您从机器学习模型中获得更高的性能，并为运用机器学习方法提取更多价值。 在本文中，我们的意向是采用 CatBoost Python
新文章 MetaTrader 5中的蒙特卡罗置换测试 已发布： 在本文中，我们将了解如何仅使用 Metatrader 5在任何 EA 交易上基于修改的分时数据进行置换测试。 显然，导出文件后，记下文件的保存位置，并使用任何电子表格应用程序打开它。下图显示了免费的OpenOffice Calc的使用情况，其中在表底部添加了一个新行。在继续之前，明智的做法是删除不应包含在计算中的交易品种行。在每个相关的对应列下，使用自定义宏计算p值。宏的公式参考置换交易品种的性能度量（位于所示文档中的行18中）以及每列的置换交易品种的性能度量。宏的完整公式如图所示。
MACD双线指标 : MACD称为异同移动平均线，是从双指数移动平均线发展而来的，由快的指数移动平均线（EMA12）减去慢的指数移动平均线（EMA26）得到快线DIF，再用2×（快线DIF-DIF的9日加权移动均线DEA）得到MACD柱。MACD的意义和双移动平均线基本相同，即由快、慢均线的离散、聚合表征当前的多空状态和股价可能的发展变化趋势，但阅读起来更方便。当MACD从负数转向正数，是买的信号。当MACD从正数转向负数，是卖的信号。当MACD以大角度变化，表示快的移动平均线和慢的移动平均线的差距非常迅速的拉开，代表了一个市场大趋势的转变。 作者： supertrouper
新文章 轻松快捷开发 MetaTrader 程序的函数库(第四部分)：交易事件 已发布： 在之前的文章中，我们已着手创建一个大型跨平台函数库，简化 MetaTrader 5 和 MetaTrader 4 平台程序的开发。 我们已拥有历史订单和成交集合，在场订单和仓位的集合，以及便捷选择和订单排序的类。 在这一部分中，我们将继续开发基础对象，并教导引擎（Engine）函数库跟踪帐户上的交易事件。 我们在测试器中启动 EA 并尝试按钮： 全部正确激活，日志接收有关发生事件的消息。 目前，最后一个事件总是固定的。 换句话说，如果我们将多个仓位同时平仓，那么只有其中的最后一笔仓位才会在事件里发现自身。
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