新文章 反向交易: 减少最大回撤以及在其它市场上测试 已发布： 在这篇文章中, 我们继续致力于反向交易技巧。我们将会尝试减少最大余额回撤，直到对之前探讨的交易工具可以接受的水平。我们将会看看这样是否将会减少利润，我们还将在其它市场中检验反转方法的运行，包括股票、商品、指数、ETF和农产品市场。注意，本文包含了很多图片! 在前面的文章中 , 我们分析了反向交易策略。我们在两个外汇交易工具中测试了这个策略，我们还尝试使用了不同的指标来提高系统的效率。
Billy 交易系统 : 交易策略 "三根柱线向下, Stochastic 向上"。 作者： Vladimir Karputov
新文章 学习如何基于柴金（Chaikin）振荡器设计交易系统 已发布： 欢迎阅读我们系列的新篇章，学习如何基于最流行的技术指标设计交易系统。 通读这篇新文章，我们将学习如何基于柴金（Chaikin）振荡器指标设计交易系统。 在本主题中，我们将设计一个分步蓝图，以此帮助我们为提到的每个策略创建交易系统，我相信这一步非常重要，因为它可以归纳我们的思路，并以这种实现我们的目标。 现在，我们开始照此执行。 策略一: 柴金振荡器交叉： 根据此策略，我们需要创建一个交易系统，一旦满足特定条件，该系统就会在图表上返回特定注释。
新文章 创建一个行情卷播面板：基本版 已发布： 在此，我将展示如何创建价格播报屏幕，它通常在交易所滚动显示报价。 我会只用 MQL5 来做到这一点，无需复杂的外部编程。 在下面的视频中，您可以看到系统取自 IBOV（Ibovespa 指数）资产的数据。 这只是演示系统如何工作... 作者： Daniel Jose
DeltaForce : 在一个窗口中的两个柱形图，显示了金融资产超买或者超卖状态的程度。 作者： Nikolay Kositsin
GHLA_ST_Bar : Gann HiLo Activator/SuperTrend 柱线指标 作者： Scriptor
LinearRegressionChannel_Cloud : 线性回归通道，将其值保存在指标缓冲区中，并用颜色填充通道背景 作者： Nikolay Kositsin
新文章 神经网络变得轻松（第三十部分）：遗传算法 已发布： 今天我想给大家介绍一种略有不同的学习方法。 我们可以说它是从达尔文的进化论中借鉴而来的。 它可能比前面所讨论方法的可控性更低，但它允许训练不可微分的模型。 优化过程进行测试时，采用所有以前所用的参数。 训练样本是 EURUSD H1 历史数据。 对于优化过程，我取用了过去 2 年的历史记录。 EA 均采用默认参数。 作为测试模型，我采用了上一篇文章中的架构来搜索决策的最佳概率分布。 这种方式可将优化模型替换为前面用过的 “REINFORCE-test.mq5” 智能系统。 如您所见，这是训练相同体系结构的模型过程中的第三种方法。
新文章 订单策略。多目标 EA 交易 已发布： 本文主要介绍一些主动使用挂单的策略、用来描述这些策略的元语言，以及如何使用一种以这些描述为基础运行的多目标 EA 交易。 任何交易策略的首要核心元素，就是价格分析以及作为建仓基础的技术指标分析。我们称其为 市场分析 ，即市场中发生的所有事情以及我们无法控制的事情。 此外，策略可能还需要另外一种类型的分析。我们称其为 当前交易状况分析 。 它包括交易仓位状态分析、以及任何可用/缺失的挂单分析（如果用于一个策略之中）。这些分析的结果，可以帮助我们决定是否应该对仓位或订单采取某些动作，
新文章 从头开始开发智能交易系统（第 23 部分）：新订单系统 (VI) 已发布： 我们将会令订单系统更加灵活。 在此，我们将研究代码的修改，令其更加灵活，而这也让我们能够更快地修改持仓破位价。 请观看下面的视频，以便理清思路，了解所做的更改会发生什么。 您将看到，现在我们只需稍多细节即可令 EA 在订单系统方面全部完成。 本文由MetaQuotes Software Corp. 译自葡萄牙语 作者： Daniel Jose
新文章 从头开始开发智能交易系统（第 8 部分）：概念上的飞跃 已发布： 实现新功能的最简单途径是什么？ 在本文中，我们将后撤一步，然后再前进两步。 该系统目前运行良好，非常稳定。 但现在，我们必须如下所示重构 EA。 您也许已注意到还有一个额外的类，而 C_TemplateChart 和 C_SubWindow 的位置业已更改。 此种重构的目的是什么？ 问题是，以浮动窗口的实现方式不适合包含资产数据的窗口，因此有必要修改该类。 然而，这种变化不仅在结构项上更具美感，当然还需要对代码进行极端的修改，故此它将与以前的代码有很大的区别。 那么，我们就开始工作吧。 作者： Daniel Jose
新文章 MQL5 酷宝书 — 服务 已发布： 本文讲述了服务的多功能性 — 不需要绑定图的 MQL5 程序。 我还会重点介绍服务与其它 MQL5 程序的区别，并强调开发人员使用服务的细微差别。 作为示例，为读者提供了各种任务，涵盖了可以作为服务实现的各种功能。 我们想象一下，我们面临着以下任务。 终端应提供当前交易品种的图表，即持仓品种的图表。 打开图表的 规则 非常简单。 如果某个品种尚有持仓，则打开该品种的图表。 如果没有持仓，则无需图表。 即使某个品种有多笔持仓，也只会打开一个图表。 另外，我们还要添加一些颜色。 如果持仓处于盈利状态，则图表的背景色将为浅蓝色；如果处于亏损，则为浅粉色。
新文章 MQL5 向导：如何创建风险和资金管理模块 已发布： MQL5 向导的交易策略生成器极大简化了交易理念的检验过程。本文介绍了如何创建自定义风险和资金管理模块以及如何在 MQL5 向导中启用该模块。我们将使用一个资金管理算法作为示例，在该算法中交易量规模取决于上一笔交易的结果。本文还将介绍为 MQL5 向导创建的类的说明的结构和格式。 作者： MetaQuotes Software Corp
新文章 种群优化算法：萤火虫算法（FA） 已发布： 在本文中，我将研究萤火虫算法（FA）优化方法。 致谢优化修订，该算法已从局外人变成了评级表上的真正领先者。 萤火虫算法基于真实萤火虫的闪烁特性，有三条规则。 规则如下： 所有萤火虫都会朝着更有吸引力和更明亮的对应物移动。, 萤火虫的吸引力程度与其亮度成正比，由于空气吸收光线的事实，随着与另一只萤火虫的距离增加，亮度会降低。 故此，在任何两只闪烁的萤火虫之间，不太亮的萤火虫会向较亮的萤火虫移动。 如果没有更亮或更具吸引力的对应物，则萤火虫将随机移动。, 萤火虫的亮度或光线强度由问题的目标函数的值决定。
新文章 基于暴力算法的 CatBoost 模型高级重采样与选择 已发布： 本文描述了一种可能的数据转换方法，旨在提高模型的通用性，并讨论了 CatBoost 模型的采样和选择。 上一篇文章中使用的标签的简单随机抽样有一些缺点： 分类是不平衡的。假设市场在训练期间主要是增长的，而整体数据（整个报价历史）是上涨和下跌都有的。在这种情况下，简单的抽样将创建更多的买入标签和更少的卖出标签。因此，一个类别的标签将优先于另一个类别的标签，因此该模型将学习预测买入交易的频率高于卖出交易的频率，然而，这对于新数据可能是无效的。
新文章 数据科学与机器学习（第 10 部分）：岭回归 已发布： 岭回归是一种简单的技术，可降低模型复杂度，并防止简单线性回归可能导致的过度拟合。 当您将所有数据用作训练数据时，模型的性能略有不同。 当存储输出，并在同一轴上绘制时，这是它们的图形; 我几乎看不出线性模型与蓝色标记的预测变量之间的任何差别，我只能看到两个模型之间的差异，并且岭回归不太适合该数据集，这是个好消息。 我们来逐个训练和测试这两个模型。 作者： Omega J Msigwa
新文章 DoEasy. 控件（第三十部分）：动画态滚动条控件 已发布： 在本文中，我将继续开发滚动条（ScrollBar）控件，并开始实现鼠标交互功能。 此外，我将扩展鼠标状态标志和事件的列表。 编译 EA，并在图表上启动它： 如我们所见，滑块在滚动条内被箭头按钮正确限制。 箭头按钮响应单击，对象的颜色根据对象和光标在交互过程中的状态而变化。 作者： Artyom Trishkin
新文章 矩阵实用工具，扩展矩阵和向量的标准库功能 已发布： 矩阵作为机器学习算法和计算机的基础，因为它们能够有效地处理大型数学运算，标准库拥有所需的一切，但让我们看看如何在实用工具文件中引入若干个函数来扩展它，这些函数在标准库中尚未提供。 多层感知器会有 2 个输入节点/神经元，一个用于腿高，另一个则是输入层的身体直径，同时输出层将有 3 个节点代表 3 个结果：狗、猫和老鼠。 现在，假设我们给这个 MLP 投喂的高度和直径分别为 12 和 20，我们希望神经网络将其归类为狗，对不对？ 独热编码的作用是将数字 1 放在给定训练数据集具有正确值的节点中，在这种情况下，在属于狗的节点上，将输入数字
RSI EA : RSI EA - 根据由 iRSI (相对强弱指数，RSI)指标决定的超买/超卖区域而进行交易。 作者： Vladimir Karputov
新文章 开发跨平台网格 EA 交易(第三部分): 使用马丁格尔的基于修正的网格 已发布： 在本文中，我们将尝试开发尽可能最好的基于网格的 EA 交易。像往常一样，这将是一个跨平台的EA，能够与 MetaTrader 4 和 MetaTrader 5一起工作。第一个 EA 已经足够好了，只是它在很长一段时间内不能盈利。第二个EA在几年之内可能有效,不幸的是，在最大回撤低于50%的条件下, 它每年无法产生超过50%的利润。 " 恢复系数 " 列对我们最重要，该列值显示EA获得的利润与最大提款量的比率，即， 恢复系数=利润/最大回撤量
新文章 MQL5 中的范畴论 (第 1 部分) 已发布： 范畴论是数学的一个多样化和不断扩展的分支，到目前为止，在 MQL 社区中还相对难以发现。 这些系列文章旨在介绍和研究其一些概念，其总体目标是建立一个开放的函数库，吸引评论和研讨，同时希望在交易者的策略开发中进一步在运用这一非凡的领域。 我们来尝试创建一个同态类的实例，含有时间和收盘价集合的域和协域，令范畴论更生动。 然后，我们调用 'PrintHomomorphism()' 函数查看此实例。 作者： Stephen Njuki
新文章 种群优化算法：鱼群搜索（FSS） 已发布： 鱼群搜索（FSS）是一种新的优化算法，其灵感来自鱼群中鱼的行为，其中大多数（高达 80%）游弋在有组织的亲属群落中。 经证明，鱼类的聚集在觅食效率和保护捕食者方面起着重要作用。 当鱼类以相同的速度和方向同步游泳时，团体的组织非常严格。 发生这种情况是由于鱼类都是相同的物种，按年龄和大小，彼此之间保持一定距离。 鱼类团体能够执行复杂的动作，就好像它们具有群体智慧和共同的头脑一样。 团体形成的微妙之处远未被完全理解，尤其是运动和喂养方式的各个方面。 已经提出了许多假设来解释群居行为，包括更好的定向、同步狩猎、迷惑捕食者、和降低被捕猎的风险。
新文章 图形界面III：简单与多功能按钮组(第二章) 已发布： 本系列的第一章是关于简单和多功能按钮的，第二篇文章将致力于相互关联的按钮组，这样在应用程序中就可以创建元件，让用户从一个集合(组)中选择一个选项。 使用 CRadioButtons 类创建 RadioButtons.mqh 文件，其中必须含有标准的虚方法以及用于保存和取得表单指针的类成员。您可以看到上面其他控件类中的例子。在库中( WndContainer.mqh )包含 RadioButtons.mqh 文件， 每个单选项将由三个基本对象构成: 背景, 图标, 文字标签。 图 3. 单选按钮的组成部分。 作者： Anatoli
RSI bands : RSI bands 指标在多个方面都有作用，但是主要是用于在主图表上把价格变化将触发超买或者超卖的信号可视化。 作者： Mladen Rakic
新文章 DoEasy. 控件（第 二十九 部分）：滚动条（ScrollBar）辅助控件 已发布： 在本文中，我起始开发滚动条（ScrollBar）辅助控制元素，及其衍生对象 — 垂直和水平滚动条。 滚动条用于窗体内容（如果窗体超出容器）的滚动显示。 滚动条通常位于窗体的底部和右侧。 底部的水平滚动条可左右滚动内容，而垂直的则上下滚动内容。 编译 EA，并在图表上启动它： 我们看到滚动条在正确的位置上创建，且控件能正常响应鼠标交互。 当鼠标光标悬停在滚动条上的控件对象上时，它们的涂色是错误的，因为我尚未为这些控件创建事件处理程序。 我将在后续文章中修复此问题。 作者： Artyom
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