蜡烛平仓计时器 - MT5 指标 : 指标描述 - Candle Close Timer 名称：Candle Close Timer 版本: 1.0 作者：BENTRADE TRADING 链接：https://www.mql5.com/en/users/dahmi_benali Author: Abderrahmane Benali
新文章 从基础到中级：指标（五） 已发布： 在本文中，我们将探讨如何处理用户更改图表绘制模式的请求。这是必要的，以确保为当前图表绘制模式设计的指标不会显得奇怪，或与 MetaTrader 5 用户的预期不符。 在上一篇文章“ 从基础到中级：继承 ”中，我们讨论了如何在结构化编程环境中应用继承。为了避免信息量过大让您不堪重负，本文将探讨一些更简单的内容，至少是与之前文章所展示内容并行学习和练习的内容。 我理解，这个话题一开始可能有些难以理解，而且考虑到在此之前已经连续六篇文章，内容相当丰富，我建议放松一下，先看看一些更简单、更实用的内容。 关于指标的文章中，最新一篇是 从基础到中级：指标（四）
新文章 回溯搜索算法（BSA） 已发布： 如果一款优化算法能够记住它过往的搜索路径，并利用这些记忆去找到更优解，会是怎样的效果？回溯搜索算法（BSA）正是这样做的 —— 在全局探索与重访已验证可靠区域之间取得平衡。本文将为您揭开该算法的原理奥秘，思路简洁、参数极少、结果稳定。 在无穷无尽的可能性迷宫中，每一次转弯都可能通向成功或死胡同。明智的行者会留下无形的痕迹 —— 某种短暂却更为可靠的标记：对已走过路径的记忆。这一理念（ 回望过去，预见未来 ）正是该优化算法的核心。每一步踏入未知，都以过往经验为参照 —— 历史成为罗盘，记忆化作地图。
新文章 市场模拟（第 20 部分）：SQL 入门（三） 已发布： 尽管我们可以在包含约 10 条记录的数据库上执行操作，但当我们处理包含超过 15000 条记录的文件时，这样学习效果会更好。也就是说，如果我们试图手动创建这样一个数据库，这项任务将十分艰巨。然而，即便出于教育目的，也很难找到这样一个可供下载的数据库。但实际上，我们无需采取这种手段 — 我们可以用 MetaTrader 5 为自己创建一个数据库。在今天的文章中，我们将探讨如何做到这一点。 在上一篇文章《 市场模拟（第 19 部分）：SQL 入门（二）
新文章 MQL5中的时间缺口分析（第一部分）：构建基础指标 已发布： 时间缺口分析可以帮助交易者识别潜在的市场反转点位。本文将阐述时间缺口的定义、解读方法，以及如何利用其探测市场中大资金的入场信号。 当大型机构准备建仓时，会面临根本性的流动性问题。为在不显著冲击价格的情况下完成目标成交量，机构会采用算法执行，将大额订单分批在时间上分散成交。同时还会通过冰山订单、暗池等渠道获取隐蔽流动性，且多家基金的操作往往存在协同效应，同步入场。 这类行为最终会导致价格极快地掠过某一区间，将该区间内所有可用流动性“耗尽”。此后，该区间会长时间保持“真空”状态，因为机构算法已完成任务并转向其他价格区间。 作者：
新文章 从基础到中级：继承 已发布： 毫无疑问，要理解本文所述材料的工作原理和原因，你需要投入大量时间。这是因为这里将要展示的所有内容最初都是面向对象编程的，但实际上它们是基于结构化编程的原理。 在上一篇文章《 从基础到中级：结构（七） 》中，我们开始接触结构化编程，尽管初识此主题时我们觉得它相当复杂且难以理解，但实践后发现它非常吸引人且有趣。经过多年的奋斗和坚持，我终于领悟到了我在这些文章中试图传达给你们的那些概念。许多人认为，通过参加课程或仅仅研究其他程序员的代码，就能学会编程。
新文章 神经网络在交易中的应用：用于多元时间序列预测的 LSTM 优化（终篇） 已发布： 我们继续实现 DA-CG-LSTM 框架，该框架为时间序列分析和预测提供了创新方法。使用 CG-LSTM 和双重注意力机制可以更准确地检测数据中的长期和短期依赖关系，这在金融市场分析中尤其有用。 如前所述， DA-CG-LSTM 框架围绕两个基本组件构建：注意力模块和改进的 CG-LSTM
新文章 海豚回波定位算法（DEA） 已发布： 在本文中，我们将深入探讨 DEA 算法：一种受海豚利用回声定位捕食的独特能力启发而设计的元启发式优化方法。从数学基础到 MQL5 中的实际实现，从原理分析到与经典算法的对比，我们将详细剖析为什么这一相对较新的方法值得在面临优化问题的研究者工具箱中占有一席之地。 为了更好地理解算法的工作原理，让我们想象这样一个场景。你和朋友们在一片广阔的海滩上寻找黄金，每人都拿着金属探测器。搜索开始时，分散到整个区域是合理的 ——
新文章 您应该了解的MQL5向导技巧（第七十四部分）：结合监督学习运用一目均衡表与ADX-Wilder形态 已发布： 本文为前一篇文章的延续，之前我们介绍了一目均衡表（Ichimoku）与ADX指标组合，本篇将探讨如何通过监督学习对这一指标组合进行优化改进。一目均衡表与ADX是一组互补型指标组合，前者侧重支撑/阻力判断，后者侧重趋势识别。我们采用的监督学习方案基于深度谱混合核神经网络，对该指标组合的预测结果进行精细调优。与之前相同，相关逻辑封装在自定义信号类文件中，可配合MQL5向导直接组装成智能交易系统（EA）。
新文章 神经网络在交易中的应用：用于多元时间序列预测的 LSTM 优化（DA-CG-LSTM） 已发布： 本文介绍了 DA-CG-LSTM 算法，该算法为时间序列分析和预测提供了新的方法。它解释了创新的注意力机制和模型灵活性如何提高预测准确性。 金融市场不仅仅是屏幕上的数字。它们构成了一个动态的环境，在这个环境中，每一个价格跳动、每一根蜡烛图以及交易量的每一次变化都反映了人类的情绪、期望、恐惧和希望。理解这种节奏并学会预测价格走势，是交易者几十年来一直努力解决的难题。 这一挑战的核心是多变量时间序列 —
新文章 您应该了解的MQL5向导技巧（第七十三部分）：使用一目均衡表形态与ADX-Wilder形态 已发布： 一目均衡表（Ichimoku-Kinko-Hyo）指标与韦尔德平均趋向指数（ADX-Wilder）震荡指标，可在MQL5智能交易系统（EA）中形成互补搭配。一目均衡表本身功能多元，但在本文中，我们主要利用其识别支撑与阻力位的特性。同时，我们也使用ADX来判断趋势强弱。我们依旧通过MQL5向导来构建并测试这一组合的潜在效果。
新文章 MQL5.community - 用户手册 已发布： 如果你已经在本社区成功注册，那么你很可能会问：怎样在我发送的消息中插入图片？怎样格式化MQL5源代码？我的私信保存在哪？诸如此类的很多问题。本文我们为您准备了一些实用技巧，帮助你熟悉MQL5.community，并充分利用其提供的功能。 作者： MetaQuotes
新文章 神经网络在交易中的应用：演员—导演—评论家框架（终篇） 已发布： 演员-导演-评论家框架是经典智能体学习架构的演进。本文介绍了该方法在金融市场条件下的实现和调整方面的实践经验。 训练数据集是使用 MetaTrader 5 策略测试器 中的随机代理运行生成的，这使我们能够收集各种行为场景。该数据集包含 2024 年全年的 EURUSD M1 历史数据。 初始模型训练以离线方式进行，没有更新训练数据集，直到预测误差稳定下来。然后我们切换到 MetaTrader 5 策略测试器 ，并继续微调模型参数，直到达到稳定的性能。
新文章 数据科学与机器学习（第43篇）：使用潜在高斯混合模型（LGMM）识别指标数据中的隐藏模式 已发布： 你是否曾盯着行情图，产生过一种奇妙的感觉…… 仿佛表面之下就藏着某种模式？一套秘密代码 —— 只要能破解它，就能揭示价格的走向？来认识一下 LGMM 吧 —— 市场隐藏模式探测器。这是一种机器学习模型，帮助识别市场中的那些隐藏模式。 作为交易者，我们使用的几乎所有交易策略，都基于某种模式识别和检测。我们研究指标以寻找模式和确认信号，有时甚至会绘制对象和线条，比如支撑线和阻力线，来判断市场状态。
新文章 基于季节性因素的MetaTrader 5外汇价差交易质量评估 已发布： 本文在日线周期上，针对单一品种及价差组合，检验季节性交易方法的质量。研究重点在于识别周期性月度规律，以及在当年交易中应用这些规律的可行性。 价差交易是指在相关品种上同时开立多单与空单。利润来源于资产间相对价格的变动。与套利不同，价差头寸并非无风险，但其风险通常低于单一资产头寸交易。 价差头寸可分为： 市场内价差 —— 同一市场的不同品种（如货币对、贵金属）。 市场间价差 —— 不同但相关的商品（如“小麦–玉米”）。 交易所间价差 —— 同一商品在不同交易所（如CBOT与KCBT的小麦）。
新文章 神经网络在交易中的应用：演员—导演—评论家框架 已发布： 我们诚邀您探索演员-导演-评论家（Actor-Director-Critic）框架，该框架结合了分层学习和多组件架构，用于创建自适应交易策略。在本文中，我们将详细探讨如何利用导演（Director）对演员（Actor）生成的动作进行分类，以有效优化交易决策，并提高模型在金融市场环境下的稳健性。 在金融应用中，通常使用 演员-评论家 架构来构建能够预测短期收益同时管理长期风险的 智能体 。例如，在投资组合再平衡任务中， 评论家 学习估计预期收益，而 演员
新文章 老鹰策略（ES） 已发布： 老鹰策略是一种模拟老鹰两阶段捕猎策略的算法：通过曼特尼亚（Mantegna）方法实现的莱维（Levy）飞行进行全局搜索，与利用萤火虫算法进行的密集局部开发交替进行，这是一种在数学上合理的探索与开发平衡方法，也是一种将两种自然现象融合为单一计算方法的生物启发式概念。 因此，受自然界启发的元启发式算法，以及经过自然演化的方法，正受到越来越多的关注。这些算法即使在计算速度至关重要的问题中，也能找到良好的、通常是接近最优的解。 在任务日益复杂、资源消耗日益增大的背景下，我们今天将探讨另一种颇具前景的方法：老鹰策略（Eagle Strategy
SteepMA 陡峭均线趋势 EA : SteepMA V0.7 是一套以「均线陡峭度」为核心入场依据的趋势跟踪 EA，通过量化趋势强度筛选高确定性行情，配合逐级收紧的动态止损体系锁定利润，同时内置 SQLite 数据库实现交易全链路数据可追溯。 作者： BigBoyka
新文章 希尔伯特-施密特独立性判据（HSIC） 已发布： 本文讨论了非参数 HSIC（希尔伯特-施密特独立性判据）统计检验，该检验旨在识别数据中的线性和非线性依赖关系。本文提出了两种用 MQL5 语言计算 HSIC 的算法实现：精确置换测试和伽马近似法。该方法的有效性通过模拟特征与目标变量之间非线性关系的合成数据得到了验证。 交易者在处理金融工具报价时的主要任务是构建一个具有正数学期望值的交易系统（EA）。在设计此类系统时，通常假设用于训练和后续交易的数据中存在隐藏的依赖关系。然而，通常不会考虑对该假设进行统计检验的问题。人们认为可以通过对样本外数据进行测试来获得间接答案。
新文章 基于购买力平价（PPP）和 IMF 数据确定公允汇率 已发布： 用 Python 构建基于购买力平价（PPP）的汇率分析系统。作者利用 IMF 数据开发了一套包含 5 种公允汇率计算方法的算法。这是一份关于外汇基本面分析、经济数据处理以及与交易系统集成的实用指南，全部代码开源。 有一天我突然意识到，我花在寻找‘完美’预测模块上的时间，比花在理解真正驱动汇率的因素上的时间还要多。于是我问了自己一个简单的问题：如果把所有图表都放到一边，试着去寻找一种货币的 真实 价值，会怎样？不是市场在情绪和投机影响下随时呈现的那个价格，而是由基本经济规律所决定的那个内在价值？
新文章 使用Python下载国际货币基金组织（IMF）数据 已发布： 用Python下载国际货币基金组织数据：挖掘IMF数据用于宏观经济外汇策略。宏观经济学能为普通交易者与算法交易者提供哪些帮助？ 不妨想象一下：当大多数交易者还在分析日本K线、绘制支撑位时，您已经提前判断出欧元区经济显现放缓迹象，而英镑正因贸易收支恶化即将面临一系列冲击。听起来像科幻情节？其实不然。国际货币基金组织每日发布数以TB计的宏观经济数据，如果处理得当，这些数据将成为构建交易策略的强力工具。
新文章 交易中的神经网络：面向自适应智能体行为的技能层次结构（完结篇） 已发布： 本文探讨了HiSSD框架在算法交易任务中的实际实现。同时阐述了如何利用技能层级结构与自适应架构，以构建更具稳健性和可持续性的交易策略。 我们现在进入其中一个最关键的阶段：在真实历史数据上评估所提方法的有效性。如之前所述，模型训练使用的是2024年全年市场数据。 为客观评估所学习策略的质量，我们在 MetaTrader 5策略测试器 中，使用2025年1至3月的样本外数据对训练好的模型进行测试。为保证一致性和可比性，包括市场环境、时间周期、模拟配置在内的其余所有参数均保持不变。 测试结果呈现如下。 作者：
新文章 您应该了解的MQL5向导技巧（第七十部分）：结合指数核网络使用SAR与RVI形态 已发布： 本文承接前文，此前我们介绍了SAR（抛物转向指标）与RVI（相对活力指数）这一指标组合，本篇将探讨如何借助机器学习拓展该组合的应用。SAR属于趋势类指标，RVI属于动量类指标，二者搭配构成互补型指标组合。本文采用卷积神经网络机器学习方案，通过指数核来设定网络卷积核尺寸与通道数量，从而对这套指标组合的预测结果进行微调优化。与之前类似，所有逻辑都封装在自定义信号类文件中，可配合MQL5向导直接生成智能交易系统（EA）。 在前一篇文章中，我们介绍了SAR与RVI
新文章 机器学习交易系统中的隐马尔可夫模型 已发布： 隐马尔可夫模型（HMM）是一类强大的概率模型，用于分析序列数据，其中观测值取决于形成马尔可夫过程的某些未观察（隐藏）状态的序列。HMM 的主要假设包括隐状态的马尔可夫性质，即转移到下一个状态的概率仅取决于当前状态，以及在当前隐状态已知的情况下，观测值是独立的。 hmmlearn 库是一组用于无监督学习（隐马尔可夫模型）的 Python 算法。 它旨在提供简单高效的工具来处理 HMM，遵循 scikit-learn 库 API，便于集成到现有的机器学习项目中，并为熟悉 scikit-learn 的用户简化训练过程。Hmmlearn 构建于
新文章 交易中的资金管理 已发布： 我们将研究构建资金管理系统的几种新方法，并定义其主要功能。 今天，有相当多的资金管理策略可以满足各种口味。 我们将尝试根据不同的数学增长模型考察几种管理资金的方法。 任何资金管理方法都可以加速交易余额的增长，或者换言之，提高交易策略的盈利能力。 因此，交易策略是基础，而资金管理是补充。 我们来看看若要对其应用资金管理，交易策略必须满足哪些需求。 首先，是强制使用止损和止盈。 在它们的帮助下，您可以控制交易风险：止损可以让您限制可能的损失，而止盈可以评估每笔交易的潜在利润。 其次，这是一个积极的数学期望。
新文章 基于生物地理学的优化算法（BBO） 已发布： 基于生物地理学的优化算法（BBO）是一种精巧的全局优化算法，灵感源自群岛中物种在各个岛屿间迁徙的自然规律。该算法的核心思路简洁且高效：优质解会主动共享自身特征，劣质解则主动吸纳新特征，信息天然从最优解向较差解传递。其独有的自适应变异算子能够很好地平衡算法的全局探索与局部利用能力。在各类优化任务中，BBO 算法均表现出较高的运算效率。 在梳理各类优化算法的过程中，我对基于生物地理学的优化算法（BBO）产生了兴趣，该算法由丹・西蒙教授于 2008 年提出。BBO
新文章 机器学习中的高斯过程：MQL5中的回归模型 已发布： 本文将介绍高斯过程（GP）这一概率机器学习模型的基础，并基于合成数据演示其在回归问题中的应用。 高斯过程（GP）是一种贝叶斯非参数建模框架，在机器学习中被广泛用于回归与分类任务。传统多数模型仅输出单点预测值，而高斯过程能够给出预测值的完整概率分布。这意味着模型不仅能给出预测数值，还能量化预测的不确定性，通常以预测区间的形式呈现。这正是贝叶斯方法的核心特色：融合先验知识与观测数据，最终得到预测分布。
新文章 市场模拟（第 19 部分）：SQL 入门（二） 已发布： 正如我们在第一篇关于 SQL 的文章中所解释的那样，没有必要花费时间编写程序来执行 SQL 中已经内置的功能。然而，如果不了解基础知识，你就无法使用 SQL 或充分利用这个工具所提供的一切功能。因此，在本文中，我们将探讨如何在数据库中执行基本任务。 现在是时候进行实验了。我们才刚刚开始学习，所以带来的连带影响会很小。然而，我想提醒你，在未事先了解其作用的情况下，切勿在重要数据库上执行任何 SQL 命令。如果你打算尝试新事物，请尽可能安全地进行，以免日后惹上麻烦。正如俗语所说， “信仰可以移山，但它无法恢复你的数据”。
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