新文章 一种采用纯MQL5语言实现的基于能量学习的特征选择算法 已发布： 本文介绍了一种在学术论文《FREL：一种稳定的特征选择算法》中描述的特征选择算法的实现，该算法被称为基于正则化能量的特征加权学习。 在算法交易的领域中，机器学习的广泛应用，促使数据挖掘技术被用来发掘金融数据中的隐藏模式。在这一背景下，从业人员经常面临挑战，即如何从众多变量中筛选出最有可能对实现特定目标或解决特定问题有用的变量。本文探讨了特征选择算法的实现，该算法旨在评估一组候选变量在给定预测任务中的相关性。 Yun Li, Jennie Si, Guojing Zhou, Shasha Huang, and
新文章 MQL5 简介（第 6 部分）：MQL5 中的数组函数新手指南 (二) 已发布： 开始我们 MQL5 旅程的下一阶段。在这篇深入浅出、适合初学者的文章中，我们将探讨其余的数组函数，揭开复杂概念的神秘面纱，让您能够制定高效的交易策略。我们将讨论 ArrayPrint、ArrayInsert、ArraySize、ArrayRange、ArrarRemove、ArraySwap、ArrayReverse 和 ArraySort。利用这些基本的数组函数，提升您的算法交易专业知识。加入我们的精通 MQL5 之路吧！ 欢迎来到我们 MQL5 之旅的第六部分！我们将继续探讨 MQL5
新文章 您应当知道的 MQL5 向导技术（第 12 部分）：牛顿多项式 已发布： 牛顿多项式，其依据一组少量点创建二次方程，是一种古老但有趣的时间序列观察方式。在本文中，我们尝试探讨这种方式在哪些方面对交易者有用，并解决其局限性。 时间序列分析不仅在支持基本面分析方面扮演着重要角色，并且在像外汇这样流动性很强的市场中，它也成为决定如何在市场中定位的主要驱动力。传统的技术指标往往远远滞后于市场，这令它们不受大多数交易者的青睐，导致替代品的兴起，其中最主要的大概就是目前盛行的神经网络。但是多项式插值呢？
EES 对冲 : 该实用工具跟踪手工或由另一个 EA 所开的当前品种持仓，并开一笔相反仓位。 在 OnTradeTransaction中 跟踪开仓。 作者： Vladimir Karputov
X-bars 分形 : X-bars 分形指标用于设置分形左右的柱数. 它对局部或者全局的极值都很有帮助 作者： Serhii Ivanenko
包围圈大师 : 智能交易系统使用突破买入 (Buy Stop) 和突破卖出 (Sell Stop) 挂单。 马丁格尔。 作者： Vladimir Karputov
新文章 可视化策略构建工具. 无需编程即可创建交易机器人 已发布： 本文展示了一个可视化的策略构建工具，它演示了任何用户如何不必编程就能创建交易机器人和相关工具。创建出的 EA 交易是完整功能的，并且可以在策略测试器中测试，通过云计算来优化或者实时运行于图表之上。 EA 的交易逻辑已经完成了，现在我们需要确认的是交易手数大小，交易注释和止损/获利值可以通过 EA 交易的输入参数来进行调整，为此，我们又一次需要来自 Input Parameters(输入参数) 组的元件。 交易手数是一个 小数 , 交易注释是一个 字符串 , 而幻数、止损和获利都是 整数
新文章 群体优化算法：抵抗陷入局部极值（第二部分） 已发布： 我们将继续我们的实验，它的目标是研究群体优化算法在群体多样性较低时有效摆脱局部最小值并达到全局最大值的能力。提供了研究的结果。 灰狼优化器（ GWO ） C_AO_GWO:50;10 ============================= 5 Hilly's; Func runs:10000; result：0.5385541648909985 25 Hilly's；Func runs：10000; result：0.33060651191769963 500 Hilly's；Func runs：10000;
新文章 算法交易中的风险管理器 已发布： 本文的目标是证明在算法交易中使用风险管理器的必要性，并在一个单独的类中实现控制风险的策略，以便每个人都可以验证标准化的风险管理方法在金融市场日内交易和投资中的有效性。在本文中，我们将为算法交易创建一个风险管理类。本文是上一篇文章的延续，在前文中我们讨论了为手动交易创建风险管理器。 在本文中，我们将开发一个风险管理器类来控制算法交易中的风险。本文的目的是将控制风险的原则应用于算法交易，并在一个单独的类中实现它们，以便每个人都可以验证风险标准化方法在日内交易和金融市场投资中的有效性。本文将使用和补充上一篇文章" 《手动交易风险管理器》
垂直线 : 本指标会画出一条垂直线 (OBJ_VLINE)，然后把它移动到制定的时间 (小时和分钟)。 作者： Vladimir Karputov
新文章 群体优化算法：抵抗陷入局部极值（第一部分） 已发布： 本文介绍了一个独特的实验，旨在研究群体优化算法在群体多样性较低时有效逃脱局部最小值并达到全局最大值的能力。朝着这个方向努力将进一步了解哪些特定算法可以使用用户设置的坐标作为起点成功地继续搜索，以及哪些因素会影响它们的成功。 这项研究的想法和理念源自我对这个主题的深入研究和对科学研究的热情。我相信这项工作可能会成为算法优化领域的重要贡献，吸引研究人员和从业者的关注。
新文章 交易中的道义期望 已发布： 这篇文章是关于道义期望。 我们将看到在交易中运用它的若干示例，以及在它的帮助下可以达成的结果。 乍一看，具有固定止损和止盈（蓝线）的选项获胜。 但是，应该记住，我们用的是可能的最大止损和最小止盈。 如果我们稍微减少止损点数和增加止盈点数来远离这些界限会发生什么？ 那么情况也许会改变。 作者： Aleksej Poljakov
新文章 MQL5 细则手册：在 MQL5 中开发多交易品种波动指标 已发布： 本文将探讨如何开发多交易品种波动指标。对于 MQL5 开发新手来说，开发多交易品种指标可能有些难度，本文将帮他们理清开发过程。开发多交易品种指标的主要问题：其它交易品种的数据与当前交易品种之间的同 步；缺乏某些指标数据；以及确定既定时间表“真实”柱的起点。本文将密切关注以上所有问题。 我们将获得根据句柄已计算出的每个交易品种的 平均真实波幅
新文章 神经网络变得简单（第 76 部分）：配合多未来变换器探索不同的交互形态 已发布： 本文继续探讨预测即将到来的价格走势的主题。我邀请您领略多未来变换器架构。其主要思路是把未来的多模态分布分解为若干个单模态分布，这样就可以有效地模拟场景中个体之间互动的各种模态。 MFT 模型的核心是一个并行互动模块，它由并行结构中的多个互动模块组成，研究每种模式下个体走势的未来特征。这三个预测头部包括： 运动解码器，, 个体分数解码器，, 场景分数解码器。
新文章 构建一个K线图趋势约束模型（第二部分）：融合原生指标 已发布： 这篇文章的重点在于如何利用MetaTrader 5内置指标来筛选出逆势信号。在上一篇文章的基础上，我们将进一步探讨如何使用MQL5代码将我们的想法最终用代码实现。 以下是MetaTrader 5中常用的一些内置指标： Moving Averages, Bollinger Bands, Relative Strength index, MACD( Moving Average Convergence Divergence), Stochastic Oscillator, Average True Range
自定义最高价和最低价水平 : 最高价和最低价. 对于水平线，您可以设置一个偏移，您可以设置周期 (PERIOD_D1) 来搜索水平线. 作者： Vladimir Karputov
Volatility_Step_Channel : 指标基于波动率绘制步进通道。 作者： Nikolay Kositsin
新文章 龟壳演化算法（TSEA） 已发布： 这是一种受乌龟壳演化启发的独特优化算法。TSEA算法模拟了角质化皮肤区域的逐渐形成，这些区域代表了一个问题的最优解。最优解会变得更加“坚硬”，并位于更靠近外层表面的位置，而不太理想的解则保持“较软”的状态，并位于内部。该算法通过根据质量和距离对解进行聚类，从而保留了不太理想的选项，并提供了灵活性和适应性。
新文章 DoEasy.控件（第 33 部分）：垂直滚动条 已发布： 在本文中，我们将继续开发 DoEasy 库的图形元素，并添加表单对象控件的垂直滚动功能，以及将来需要的一些实用函数和方法。 编译 EA 并在图表上启动，同时事先指定面板自动大小为 "No"： We see that the vertical scrollbar works exactly the same as the horizontal one implemented in the previous article . 我们可以看到，垂直滚动条的工作原理与 上一篇文章中 实现的水平滚动条完全相同。 作者： Artyom
新文章 学习为什么、以及如何设计算法交易系统 已发布： 本文在介绍了 MQL5 的一些基础知识之后，通过设计一个简单的算法交易系统，向初学者展示了如何运用 MQL 的基础知识设计他们的算法交易系统（智能交易系统） 众所周知，在交易过程中，阻碍我们自律的最常见事情就是情绪，我们必须避免这些情绪，或者当避免这些情绪对交易决策产生影响时采取消极方式。 我想让大家想象一下，如果你们有一个系统，它能在不受人为干预的情况下，以预定的参数为你们工作。 那么，在此情况下，情绪对我们交易决策的负面影响就能被避免。 好消息是，我们有一个工具可以帮助我们做到这一点。 此处，我将为 MetaTrader 平台撰写关于
新文章 两样本Kolmogorov-Smirnov检验作为时间序列非平稳性的指标 已发布： 本文探讨了最著名的非参数同质性检验之一——两样本柯尔莫哥洛夫-斯米尔诺夫（Kolmogorov-Smirnov）检验。文章对模型数据和实际价格都进行了分析。此外，本文还给出了构建非平稳性指标（iSmirnovDistance）的一个示例。 在本研究中，我将使用经验分布函数来检验金融时间序列的狭义平稳性。概率论和数理统计作为前者的一个特定部分，都是基于平稳性假设的。分析平稳过程的方法有很多，包括回归分析、自相关分析、光谱分析方法以及使用神经网络等。然而，将这些方法应用于非平稳数据可能会导致显著的预测误差。
新文章 开发回放系统（第 42 部分）：图表交易项目（I） 已发布： 我们来创建一些更有趣的东西。我不想毁掉惊喜，故此紧随本文以便更好地理解。自本系列开发回放/模拟器系统的最开始，我就一直说，我们的意图是按相同的方式使用 MetaTrader 5 平台，无论正在开发的系统中，亦或真实市场中。重点是要正确完成。没有人愿意在训练和学习时用一种工具，而在战斗时不得不换另一种工具。 我们从图表交易用到的、我最近叙述过的一个概念开始：RAD 编程。RAD 这个词代表 R apid A application D evelopment。多年前，当我开始为 Windows
新文章 开发多币种 EA 交易（第 2 部分）：过渡到交易策略的虚拟仓位 已发布： 让我们继续开发多币种 EA，让多个策略并行工作。让我们尝试将与市场开仓相关的所有工作从策略级转移到管理策略的 EA 级。这些策略本身只进行虚拟交易，并不建立市场仓位。 在上一篇 文章 中，我们开始开发一种可同时使用多种交易策略的多币种 EA。在第一阶段，只有两种不同的策略。它们代表了相同交易理念的实现，在相同的交易工具（交易品种）和图表时段（时间框架）上运行。它们之间的区别仅在于参数的数值不同。 我们还根据所需的最大回撤水平（存款的
RSI_BARS : 此指标根据当前趋势改变柱线的颜色，当前趋势利用 RSI 技术指标计算。 作者： Nikolay Kositsin
新文章 开发回放系统 — 市场模拟（第 01 部分）：首次实验（I） 已发布： 如何创建一个系统，让我们在闭市后也能研究市场，甚至模拟市场情况？ 在此，我们将开始一系列新的文章，在其中我们将应对这个主题。 此段代码将创建周期为 1 分钟的柱线，这是平台创建任何其它周期图表的最低要求。 高亮显示的部分并非代码本身的一部分，但对于分析 1 分钟柱线很有用。 我们需要检查它是否真的在此时间帧内创建。 因为如果创建时间超过 1 分钟，我们就不得不对此做点什么。 如果在不到一分钟的时间内创建它，这可能表明该系统立即可用。 执行此系统后，我们会得到以下视频中显示的结果： 作者： Daniel Jose
动量震荡背离 : 该指标将绘制Awesome_Oscillator指标的背离线并以箭头形式给出买入和卖出信号。 作者： Mehrdad Shiri
新文章 MQL5 简介（第 3 部分）：掌握 MQL5 的核心元素 已发布： 在这篇便于初学者阅读的文章中，我们将为您揭开数组、自定义函数、预处理器和事件处理的神秘面纱，并对所有内容进行清晰讲解，让您可以轻松理解每一行代码，从而探索 MQL5 编程的基础知识。加入我们，用一种独特的方法释放 MQL5 的力量，确保每一步都能理解。本文为掌握 MQL5 奠定了基础，强调了对每行代码的解释，并提供了独特而丰富的学习体验。 在本文中，我们将讨论以下主题： 数组 , 自定义函数 , 预处理器 , 事件处理 在我们开始第 3 部分深入 MQL5
新文章 您应该知道的 MQL5 向导技术（第 01 部分）：回归分析 已发布： 今天的交易者都是一位哲学家，他几乎总是（有意识地或无意识地）寻找新的思路，尝试它们，选择修改或抛弃它们；这是一个需要付出相当勤奋程度的探索过程。 这显然会花费交易者高昂的时间，且需要避免错误。 本系列文章将提出，MQL5 向导应该是交易者的支柱。 为什么呢？ 因为交易者不仅经由 MQL5 向导组装他的新想法来节省时间，而且大大减少了重复编码的错误；他最终会把精力集中在交易哲学的几个关键领域。 来自我们优化的 结果 如下所示。 首先是报告和净值曲线的最佳结果，来自只用市价订单交易。 作者： Stephen Njuki
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