文章，程序库评论 - 页 6

新文章 价格走势：数学模型与技术分析 已发布： 预测货币对走势是交易成功的重要因素。本文剖析各类价格运行模型，对比其优劣特性，并探究模型在交易策略中的实际落地方式。文中将介绍能够挖掘潜在行情规律、提升预测精准度的分析方法。 我们考察一个规则如下的交易策略： 新 K 线开盘时，平掉原有持仓，同时新开仓位； 开仓方向随机判定。 读者或许会疑惑这套策略并无新意。本文的创新点在于，笔者认可 有效市场假说理论 。认同该理论即意味着认为价格走势无法预判。行情变化毫无既定轨迹，市场中存在某种完整信息，价格变化正是依据这些信息发生的。交易者并不掌握这类信息，只能希望自己的决策恰好与市场方向一致。

新文章 您应该了解的MQL5向导技巧（第六十五部分）：使用FrAMA与强力指数的交易形态 已发布： 分形自适应移动平均线（FrAMA）与强力指数震荡指标则是另一种可在MQL5智能交易系统（EA）中搭配使用的指标。这两个指标具备良好的互补性：FrAMA属于趋势跟踪指标，而强力指数是基于成交量的震荡指标。与之前一样，我们将借助MQL5向导快速挖掘这组指标的潜在交易价值。 FrAMA依据分形几何自适应调整平滑周期，使其能在过滤噪音的同时，对价格变化保持高度灵敏。而强力指数则通过价格变动 ×

新文章 MQL5自动化交易策略（第十四部分）：基于MACD-RSI统计方法的交易分层策略 已发布： 本文将介绍一种结合MACD和RSI指标与统计方法的交易分层策略，通过MQL5实现动态自动化交易。我们将探讨这种级联式策略的架构设计，通过关键代码段详解其实现方式，并指导读者如何进行回测以优化策略表现。最后，我们将总结该策略的潜力，并为自动化交易的进一步优化奠定基础。

MQL5 向导 - 基于 牛市/ 熊市 吞噬形态的交易信号 + RSI : 基于 "牛市吞噬 / 熊市吞噬" K 线形态的交易信号，由 Relative Strength Index (RSI - 相对强度指数) 指标确认。基于此交易策略的交易程序代码可使用 MQL5 向导自动生成。 作者： MetaQuotes Software Corp

新文章 神经网络在交易中的应用：将混沌理论融入时间序列预测（Attraos） 已发布： Attraos 框架将混沌理论整合至长期时间序列预测领域，并将其视作多维混沌动力系统的投影。该模型利用吸引子不变性，通过相空间重构和动态多分辨率记忆来保留历史结构。

新文章 卡尔曼滤波器在外汇均值回归策略中的应用 已发布： 卡尔曼滤波器是一种递归算法，在算法交易中用于通过滤除价格走势中的噪声来估计金融时间序列的真实状态。它能够根据新的市场数据动态更新预测，这使得它在均值回归等自适应策略中极具价值。本文首先介绍卡尔曼滤波器，涵盖其计算方法和实现方式。接下来，我们以外汇领域一个经典的均值回归策略为例，应用该滤波器。最后，我们通过将卡尔曼滤波器与移动平均线（MA）在外汇不同货币对上进行比较，开展各种统计分析。 卡尔曼滤波器由鲁道夫·E·卡尔曼（Rudolf E

交易量 档案 + 范围 v6.0 : 交易量 档案 + 范围 v6.0 (原为 TPO)。在给定时间间隔内按照价位的成交分布。显示为直方条。 作者： Olexiy Polyakov

新文章 使用MQL5实现布林带交易策略：逐步指南 已发布： 使用MQL5实现基于布林带交易策略的自动化交易算法的逐步指南。这是一个基于创建EA的详细教程，对交易者非常有帮助。 通过遵循这个逐步教程，交易者可以构建一个使用布林带来执行买卖订单的专家顾问（Expert Advisor，EA），基于特定的市场条件。本教程将涵盖重要的主题，包括配置布林带指标、控制交易头寸，以及处理订单执行和错误管理。无论您是开发经验丰富的专业人士，还是对算法交易不太熟悉的新手，本教程都将为交易者提供一个坚实的基础，以设计和改进他们的交易方法。 本教程将涵盖以下主题： 布林带策略的定义, 布林带策略描述

新文章 数据科学与机器学习（第四十部分）：斐波那契回调位在机器学习中的应用 已发布： 斐波那契回调位是技术分析中常用的工具，可以帮助交易者识别潜在的价格反转区域。本文将探讨如何将这些斐波那契回调位转化为机器学习模型的目标变量，从而借助这一强大的工具让模型更好地理解市场规律。 斐波那契数列可追溯至中世纪数学家比萨的列奥纳多，他更为人熟知的名字是斐波那契。 在他1202年出版的著作 《算盘全书》 （"Liber Abaci"）中，斐波那契引入了这一数列，也就是如今广为人知的斐波那契数列。该数列以0和1为起始，此后每一项均为前两项之和。

VR Rsi Robot - 多时间框架交易策略 : 仅有两个时间框架 — H1 和 D1 — 同步工作，以过滤掉市场噪音，只捕捉RSI从超买和超卖区域发出的强力反转信号。没有随机入场，只有来自“老大哥”的明确方向确认。 作者： Vladimir Pastushak

新文章 基于马尔可夫链的矩阵预测模型 已发布： 我们将创建一个基于马尔可夫链的矩阵预测模型。什么是马尔可夫链？我们如何将马尔可夫链应用于外汇交易？ 安德烈・马尔可夫（Andrey Markov）是20世纪初杰出的数学家。他在概率论研究中提出的概念，一个世纪后成为现代金融数学的基石之一。在随机过程理论中，他研究了这样一类事件序列：未来仅取决于系统当前状态，与更早的历史无关。这一核心特性 —— 除当前状态外，不再“记忆”更早的历史 —— 被称为“马尔可夫性”，并成为一整类模型的基础。

新文章 神经网络在交易中的应用：混合图序列模型（终篇） 已发布： 我们继续探索混合图序列模型（GSM++），该模型融合了不同架构的优点，既提供了高分析精度，又实现了计算资源的有效分配。这些模型能够有效识别隐藏的模式，降低市场噪声的影响，并提高预测质量。 为了公平比较，这两个模型都使用之前用于 Hidformer 训练的同一数据集进行训练。请记住： 训练集包含 2024 年全年 EURUSD M1 历史数据。 所有分析的指标参数均保持默认值，未进行额外优化，消除了外部因素的影响。 使用 2025 年 1 月的历史数据对训练好的模型进行了测试，同时保持所有其他参数不变，以确保对比的客观性。

新文章 在MQL5交易中集成计算机视觉（第二部分）：将架构扩展到2D RGB图像分析 已发布： 面向交易的计算机视觉：工作原理与分步开发指南。我们基于注意力机制与双向LSTM层，构建价格图表RGB图像识别算法。最终得到一套可用的欧元兑美元（EURUSD）价格预测模型，在验证阶段，模型预测准确率最高可达55%。 在 本系列的第一部分 中，我们展示了卷积神经网络如何通过一维滤波器分析外汇报价的时间序列。现在，我们将实现一次质的飞跃：让算法学会将市场视为完整的视觉图景，从中捕捉纹理、形态与隐藏信号。

新文章 MQL5中盈亏平衡机制的实现（第一部分）：基类与固定点数的盈亏平衡模式 已发布： 本文将探讨如何使用MQL5语言，在自动化交易策略中应用盈亏平衡机制。我们会先简要介绍什么是盈亏平衡模式、其实现方式以及可能存在的不同类型。随后，该功能将被集成到我们在上一篇关于风险管理的文章中所构建的Order Blocks智能交易系统（EA）中。为评估盈亏平衡机制的效果，我们会在特定条件下进行两组回测：一组启用盈亏平衡机制，另一组则不启用。 将止损移至 盈亏平衡位 是一种旨在更安全地管理持仓的交易技巧。其原理是：当价格向盈利方向运行一定点数后，将止损位调整至开仓价格 。

新文章 学习如何基于 ADX 设计交易系统 已发布： 在本文中，我们将继续有关基于最流行指标设计交易系统的系列文章，这次我们将讨论平均方向指数（ADX）指标。 我们将详细学习该指标，从而能够更好地理解它，并将学习如何在简单策略里运用它。 通过深入学习，我们可以获得更多的认知，可以更好地运用它。 在这一部分中，我们将为每个策略设计一个蓝图，来帮助我们创建交易系统，该蓝图将辅助我们逐步组织和设置我们所需的程序或系统。 策略一: 简单 ADX 系统 - ADX 走势: 根据该策略，我们需要程序在每次即时报价来临时检查当前 ADX 值和前一个 ADX 值，然后判定当前 ADX 值是否大于前一个 ADX

新文章 骆驼算法（CA） 已发布： 骆驼算法（CA）于 2016 年被提出，该算法模拟沙漠中骆驼的行为特征来求解优化问题，同时考量温度、供给储备和耐力三大因素。本文还提出了该算法的改进版本（CAm），核心改进包括：在解的生成过程中引入高斯分布，并对绿洲效应参数进行优化。 近几十年来，大量受自然现象与生物行为启发的优化算法不断涌现。这类生物启发式算法在众多任务中均表现出优异效果。本文将介绍一种全新的优化算法 ——骆驼算法（CA），该算法模拟骆驼在极端沙漠环境中的生存与移动策略构建而成。该算法由穆罕默德・哈立德・易卜拉欣与拉姆齐・萨利姆・阿里两位学者于 2016 年提出并正式发表。

新文章 基于分形的算法（FBA） 已发布： 本文提出了一种新型元启发式算法，该算法基于分形思想对搜索空间进行划分，以求解优化问题。该算法通过逐步识别并分离有前景的区域，构建出自相似的分形结构，从而将计算资源集中到最有前景的搜索区域。其独特的、面向更优解的变异机制，有助于在搜索空间的全局探索与局部开发之间取得良好的平衡，显著提升了算法效率。 本文将介绍一种用于求解连续优化问题的新型元启发式算法 —— 由马尔詹・卡迪（Marjan Kaedi

通过当前符号检查市场是否开放交易的功能 : 该功能非常有用，可避免服务器在市场休市时收到过多的交易请求 Author: Anton Iaroshenko

新文章 神经网络在交易中的应用：混合图序列模型（GSM++） 已发布： 混合图序列模型（GSM++）结合了不同架构的优点，能够提供高保真度的数据分析，并优化计算成本。这些模型可高效适配动态市场数据，进而优化金融信息的展示与处理流程。 近年来，源自自然语言处理和计算机视觉领域的图 Transformer 受到了特别关注。其具备建模长程依赖关系并高效处理非规则性金融结构的能力，使之成为波动性预测、市场异常检测以及最优投资策略构建等任务领域的理想工具。然而，经典 Transformer 面临着诸多根本性挑战，其中包括高昂的计算成本以及难以适配无序图结构的问题。 “ Best of Both

新文章 MQL5 MVC 范式下表格的视图与控制器组件：容器 已发布： 在本文中，我们将讨论如何创建一个支持内容滚动的“容器”控件。在此过程中，将对已实现的图形库控件类进行改进。 在 MVC（模型-视图-控制器）范式中开发 TableView 控件的过程中，我们已经创建了模型组件 —— 一个 表格模型 ，并开始创建视图和控制器组件。在 上一篇文章 中，我们创建了一些简单但功能齐全的控件。复杂的控件将由这些元素组装而成。今天我们将编写如 Panel（面板）、GroupBox（分组框）和 Container（容器）这样的控件类 —— 这三个元素都是用于在其上放置各种控件的容器。 Panel 控件

新文章 大逃杀优化器（BRO） 已发布： 本文探讨了大逃杀优化器算法 —— 这是一种元启发式算法，其中各解与其最近邻进行竞争，累积"伤害"，当超过阈值时被替换，并周期性地在当前最优解周围缩小搜索空间。文章提供了CAOBRO类的伪代码及MQL5中的实现，包括邻近搜索、向最优解移动以及自适应δ间隔。在Hilly、Forest和Megacity测试函数上的实验结果突出了该方法的优势与局限性。读者可以获得一套开箱即用的基础框架，用于实验和调优关键参数，如种群大小（popSize） 和最大伤害值（maxDamage）。

新文章 如何创建订购交易机器人的需求规范 已发布： 您是否正在运用自己的策略进行交易？ 如果您的系统规则可以描述为正规的软件算法，那么最好将交易委托给自动智能系统。 机器人不需要睡觉或食物，也不会受到人类弱点的影响。 在本文中，我们将展示如何在自由职业服务版块订购交易机器人时创建需求规范。 为什么一份准备充分的需求规范很重要？ 在订购或开发交易机器人时，您需要制定需求: 机器人要执行的任务，操作的条件，对事故和紧急情况的响应，所需的控制方法等。 交易机器人是程序，会严格遵循底层逻辑。 为了编写动作算法，您应该准备详细的描述。 交易策略的描述以需求规范的形式提供。 您提供的详细信息越多，您

新文章 基于套接字（Sockets）的Twitter情绪分析 已发布： 这种创新的交易机器人将 MetaTrader 5 与 Python 结合，利用实时社交媒体情绪分析为自动化交易决策提供支持。通过分析与特定金融工具相关的 Twitter 情绪，该机器人将社交媒体趋势转化为可操作的交易信号。它采用客户端-服务器架构，并通过套接字通信实现无缝交互，将 MT5 的交易能力与 Python

新文章 学习如何基于 Ichimoku 设计交易系统 已发布： 这是我们系列中有关如何基于最热门指标设计交易系统的一篇新文章，这回我们将详细讨论 Ichimoku 指标，以及如何依据该指标设计交易系统。 基于这一策略，我们需要创建一个能够持续检查收盘价、Senkou Span A 和 Senkou Span B 数值的交易系统。 我们需要交易系统在这些值之间进行比较，以便决定哪个值更大或更小，以此决定是否存在上升趋势或下降趋势，并在图表上显示收盘价和 Ichimoku 指标线的数值。 如果收盘价大于 span B ，且收盘价大于 span A，则趋势向上。 如果收盘价低于 span B

新文章 图论：Dijkstra（迪杰斯特拉）算法在交易中的应用 已发布： Dijkstra（迪杰斯特拉）算法是图论中一种经典的最短路径解决方案，它可以通过对市场网络进行建模来优化交易策略。交易者可以利用它从 K 线图表数据中找到最高效的路线。 在本文中，我们将探讨 Dijkstra 算法的实现，该算法是图论中的一个基本概念，因其解决最短路径问题的效率而闻名。该算法传统上应用于路由和网络优化，我们将通过将价格变动建模为加权图，将其重新应用于金融市场。在这里，节点代表价格水平或时间间隔，而边则反映了在这些节点之间转换的成本（或概率）。 我们的目标是利用 Dijkstra

新文章 MQL5交易工具（第七部分）：用于多品种持仓与账户监控的信息仪表盘 已发布： 在本文中，我们将使用MQL5开发一款信息仪表盘，用于监控多品种持仓以及账户关键指标，如余额、净值和可用保证金。我们将实现一个支持排序的实时刷新表格、CSV导出功能，以及发光表头效果，以提升工具的实用性与视觉体验。 我们将开发一款信息仪表盘，用于集中查看多品种持仓及核心账户指标，让您无需频繁切换界面就能轻松追踪交易表现。这套架构的核心价值在于：将零散的交易数据整合为可排序的表格，并支持实时汇总与数据导出，帮助用户快速识别回撤过大、持仓失衡等问题。

新文章 价格行为分析工具包开发（第 35 部分）：预测模型训练与部署 已发布： 历史行情数据绝非 “无用糟粕”，而是所有稳健市场分析的根基。本文将带您循序渐进，从历史数据采集入手，利用数据训练预测模型，最终完成模型部署，实盘价格预测落地应用。继续往下阅读，掌握完整实现流程！ 在 Python 实现部分，本文不再使用简易脚本，转而开发一套完整的 EA，实现行情持续监控与 Python 后端实时通信 —— 这是独立脚本难以高效实现的功能。MT5 端的脉冲检测 EA采用客户端 - 服务端架构：EA 作为客户端，Python Flask 服务作为后端服务端。EA 持续监听新 K

新文章 创建综合性猫头鹰交易策略 已发布： 我的交易策略基于经典的基本面，以及在所有类型的市场中广泛采用的指标的改进。 这是一个现成的工具，允许您追随提议的新型盈利交易策略。 最初，只需针对一连串 10 笔亏损交易，和不超过资金 15% 的金额设定最小风险就足够了。 尽管可能性似乎很小，但我们永远不应该忘记可能的市场崩盘、突然的调整、或急剧的跳空式暴涨。 许多交易者没有考虑到长期亏损交易的可能性，而这正是他们最终损失全部资金的主要原因之一。 故此，资金额度应足以克服回撤。 这并不意味着应该准备庞大的资金。 取而代之，这意味着资金规模和交易手数之间存在一定的比例。

新文章 价格行为分析工具包开发（第三十三部分）：K线区间理论工具 已发布： 提升您对市场的解读能力，这款适用于MetaTrader 5的K线区间理论套件是完全原生的MQL5解决方案，能将原始K线数据转化为实时波动率情报。轻量级的CRangePattern库会将每根K线的真实波幅与自适应ATR进行基准对比，并在K线收盘的瞬间完成形态分类；CRT指标随后会将这些分类结果以清晰的彩色矩形和箭头形式呈现在图表上，实时揭示市场的缩量盘整、强势突破以及全区间吞没形态。

周期转换器 : 与 MT4 中的周期转换器类似 作者： Aleksandr Slavskii