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
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
新文章 MQL 作为 MQL 程序图形界面的标记工具（第三部）。 窗体设计师 已发布： 在篇论文当中，我们将用 MQL 的结构完成构建 MQL 程序窗口界面的概念讲述。 专业的图形编辑器能够交互式地设置由 GUI 元素的基本类组成的布局，然后将其以 MQL 描述导出，从而可在您的 MQL 项目中使用。 此片论文介绍了编辑器的内部设计和用户指南。 附带源代码。 编辑器是为标准函数库界面元素类而设计的。 若要为其他函数库创建类似的工具，您必须依据提议的标记系统为所有抽象实体编写特定实现。 同时，您应该遵照标准库的标记类实现作为指导。
新文章 MQL5 中的范畴论 (第 16 部分)：多层感知器函子 已发布： 本文是我们系列文章的第 16 篇，继续考察函子以及如何使用人工神经网络实现它们。我们偏离了迄今为止在该系列中所采用的方式，这涉及预测波动率，并尝试实现自定义信号类来设置入仓和出仓信号。 不过，在这篇文章中，我们对标普 500 指数更感兴趣，不仅仅是因为它的波动性，就像上一篇文章的情况，还有它的趋势。我们希望对其短期（月度）趋势进行预测，并在我们的智能系统中使用这些预测开仓。这意味着我们与智能信号类打交道，而不是智能尾随类，就像该系列到目前为止的情况一样。那么，依据财经日历数据图形实现基于函子的变换将导致标普 500
新文章 利用 MQL5 矩阵的反向传播神经网络 已发布： 本文讲述在 MQL5 中利用矩阵来应用反向传播算法的理论和实践。 它还提供了现成的类，以及脚本、指标和智能交易系统的示例。 正如我们将在下面看到的，MQL5 提供了大量的内置激活函数。 函数的选择应基于特定问题（回归、分类）。 通常，可以选择几个函数，然后经由验正找到最优的一个。 流行的激活函数 激活函数可以具有不同的数值范围、有限或无限。 特别是，sigmoid(3) 将数据映射到范围 [0,+1]，这对于分类问题更好；而双曲正切将数据映射到范围 [-1,+1]，假设范围，推测这对于回归和预测问题更佳。 作者： Stanislav
Schaff 趋势循环 : Schaff 趋势循环(Schaff Trend Cycle, STC) 指标可以比 MACD 早很多就侦测到趋势的上下变化。它是通过使用相同的指数移动平均 (EMAs) 来做到这一点的, 只是加上了一个货币循环趋势因子组件。因为货币循环趋势的变化是基于一定的天数的，这个因素考虑到 STC 指标中会使它比 MACD 更加精确可靠。 作者： Mladen Rakic
新文章 在 MetaTrader 5 中测试和优化二元期权策略 已发布： 在本文中，我将在 MetaTrader 5 中检查并优化二元期权策略。 摊平操作测试结果。 最终，成功。 摊平操作优化结果: 作者： Roman Poshtar
新文章 如何利用 MQL5 创建简单的多币种智能交易系统（第 1 部分）：基于 ADX 指标的信号，并结合抛物线 SAR 已发布： 本文中的多币种智能交易系统是交易机器人，它只能在单一品种图表中运营，但可交易（开单、平单和管理订单）超过一个品种对。 本文中多币种智能交易系统的定义是交易机器人，它可从单一品种的图表中交易（开单、平单和管理订单）超过一个品种对。 当前对自动化交易系统、或多币种交易机器人系统的需求和兴趣非常高涨，但我们看到，在 MQL5 自动交易机器人上实现多币种系统程序尚未广泛发布，或也许仍被许多程序员保密。
新文章 神经网络变得轻松（第五十三部分）：奖励分解 已发布： 我们已经不止一次地讨论过正确选择奖励函数的重要性，我们通过为单独动作添加奖励或惩罚来刺激代理者的预期行为。但是关于由代理者解密我们的信号的问题仍旧悬而未决。在本文中，我们将探讨将单独信号传输至已训练代理者时的奖励分解。 我们继续探索强化学习方法。如您所知，机器学习领域中用于训练模型的所有算法都基于最大化环境奖励的范式。奖励函数在模型训练过程中起着关键作用。其信号往往非常模棱两可。
限价订单脚本 : 该脚本针对手工交易: 当正在接近限价, 则脚本放置追高买低卖挂单, 并退出。 作者： Serhii Ivanenko
KDJ_Averages : KDJ 均值振荡器定义何时需要搜索入场条件。 不像 KDJ, 它是使用标准平滑方法计算的。 如果是默认设置，其 J 线稍快。 图例 1. KDJ 均值 作者： Scriptor
Hurst 指数 : Hurst 指数可以参照为 "依赖指数" 或者 "长线依赖指数". 它量化了一个时间序列的相对趋势，要么强烈地回归均值，要么在一个方向上聚类。 作者： Mladen Rakic
新文章 开发回放系统 — 市场模拟（第 23 部分）：外汇（IV） 已发布： 现在，创建发生在我们将跳价转换为柱线的同一点。以这种方式，如果在转换过程中出现问题，我们就能立即注意到错误。这是因为在快进期间，在图表上放置 1-分钟柱线的代码，也同样在正常表现期间用于定位系统放置柱线。换言之，负责此任务的代码不会在其它任何地方重复。如此这般，我们获得的系统就能更好的维护和改进。 在上一篇文章 《开发回放系统 — 市场模拟（第 22 部分）：外汇（III）》
简单的之字转向巩固区域 : 使用简单之字转向指标所做的更多实验，一个小的升级使得指标可以找到和使用彩色的长方形来标记价格的稳定区域。 作者： Oleg Shenker
新文章 自适应算法（第四部分）：附加功能和测试 已发布： 我将继续采用最少的必要功能来充实算法，并测试结果。 其获利能力十分低下，但文章展示的全自动盈利交易的模型，是在不同的行情基本面及完全不同的金融产品上进行。 在上一篇文章中，我演示了该算法如何生成开仓信号，并在若干尺度上同时分析，从而定义最大趋势尺度。 基本操作算法已讲述过了。 价格序列图表并非由一个尺度构成。 同一时刻在若干尺度上显示出趋势，而在其他尺度上则可能是横盘。 此功能应是为了获取盈利。 在此，趋势部分是片段，趋势持续概率超过 50％，而横盘部分，其趋势反转概率超过 50％。
新文章 神经网络变得轻松（第五十二部分）：研究乐观情绪和分布校正 已发布： 由于模型是基于经验复现缓冲区进行训练，故当前的扮演者政策会越来越远离存储的样本，这会降低整个模型的训练效率。在本文中，我们将查看一些能在强化学习算法中提升样本使用效率的算法。 如常，我们对模型在新数据上的绩效更感兴趣。依据 2023 年 6 月的历史数据在策略测试器中测试了模型对陌生数据的普适能力和绩效。正如我们所见，测试区间紧随训练集之后。这确保了训练和测试样本的最大同质性。测试结果呈现如下。 所呈现的图表展示出月度前十天有一段回撤区域。但之后是一段盈利期，一直持续到月底。因此，EA 在本月收获了 7.7%
新文章 在 ONNX 模型中使用 float16 和 float8 格式 已发布： 用于表示机器学习模型的数据格式对其有效性起着至关重要的作用。近年来，出现了几种新类型的数据，专门为使用深度学习模型而设计。在本文中，我们将重点介绍两种新的数据格式，它们已在现代模型中广泛采用。
ZigZag : Zigzag指标是在价格点连接重要波峰和波谷的一系列线段。 作者： MetaQuotes Software Corp
新文章 MQL5 中的范畴论 (第 15 部分)：函子与图论 已发布： 本文是以 MQL5 实现范畴论，着眼于函子之系列的续篇，但这次是作为图论和集合之间的桥梁。我们重新审视日历数据，尽管它在策略测试器中存在使用局限，但在相关性的帮助下，可利用函子来预测波动性。 可以明显看出，有很多项目可供选择，不过，如果我们决定基于一个松散的假设只选择四个项目，并将它们连接起来，如下图所示： 那么我们的假设会颇具争议，零售销售数字是制造业采购经理人指数（PMI）数据的函数，其派生自 CPI，而 CPI
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