Specified_Time_Range_Candles : Specified time range candles （指定时间范围烛形）指标 作者： Scriptor
新文章 配对交易 已发布： 在这篇文章中，我们将探讨配对交易（pair trading），即它的原理是什么，以及它的实际应用是否有前景。我们还将尝试创建一个配对交易策略。 配对交易是 Jerry Bamberger 在20世纪80年代首次提出的 统计套利 的一种变体。这种交易策略是市场中性的，允许交易员在几乎任何市场条件下获利。配对交易是基于这样一种假设，即相互关联的金融工具的特征在暂时偏离后将恢复到其历史平均值。因此，配对交易可以归结为几个简单的操作： 查明两种金融工具之间统计关系的差异； 在它们中开启仓位； 当这两种金融工具的特性恢复到平均值时，关闭仓位。
VGridLine_Custom : 这个指标在每天的指定时间画一条垂直线 作者： Nikolay Kositsin
新文章 神经网络变得轻松（第四十九部分）：软性扮演者-评价者 已发布： 我们继续讨论解决连续动作空间问题的强化学习算法。在本文中，我将讲演软性扮演者-评论者（SAC）算法。SAC 的主要优点是拥有查找最佳策略的能力，不仅令预期回报最大化，而且拥有最大化的动作熵（多样性）。 在本文中，我们将把注意力集中在另一种算法上 — 软性扮演者-评论者（SAC）。它首次出现在 2018 年 1 月 发表的文献 “ 软性扮演者-评论者：随机扮演者异政策最大熵值深度强化学习 ” 之中。该方法几乎与 TD3 同步提出。它们有一些相似之处，但在算法上也存在差异。SAC
新文章 开发回放系统 — 市场模拟（第 19 部分）：必要的调整 已发布： 在此，我们要做好准备，如此当我们需要往代码里添加新函数时，就能顺滑轻松地发生。当前代码还不能涵盖或处理那些显著推进过程所必需的事情。我们需要将所有东西都结构化，以便能够以最小的工作量实现某些事情。如果我们正确地做好所有事情，我们就能得到一个真正通用的系统，可以轻松地适应任何需要处理的状况。 我认为从本系列的前几篇文章中可以清楚地看出，我们需要实现一些额外的要点。更好地组织工作是绝对必要的，尤其是一些深入的改进。如果您计划仅用回放/模拟系统来操控一种资产，那么您就不需要我们将要实现的许多东西。您可以把它们放在一边 —
MT4持仓助手 辅助性EA 订单半自动管理 大量快捷键 : MT4持仓助手 辅助性EA 订单半自动管理 自动设置止盈止损移动止损 分批平仓 划线模式 横线模式 布林带平仓 定时器追踪止盈止损等 同时有大量快捷键处理下单 改止盈止损 挂单等 省时省力。 使用前请先打印EA快捷键说明文件 作者： xyz0217
新文章 利用MQL5创建您自己的图形面板 已发布： MQL5程序的可用性，是由其丰富的功能性和制作精细的图形用户界面所决定的。视觉感知有时比快速且稳定的运行更加重要。根据标准库类，您可以自行创建显示面板，以下即逐步操作指南。 作者： MetaQuotes Software Corp
新文章 时间序列挖掘的数据标签（第2部分）：使用Python制作带有趋势标记的数据集 已发布： 本系列文章介绍了几种时间序列标记方法，这些方法可以创建符合大多数人工智能模型的数据，而根据需要进行有针对性的数据标记可以使训练后的人工智能模型更符合预期设计，提高我们模型的准确性，甚至帮助模型实现质的飞跃！ 目前，我们已经做了基础性的工作，但如果我们想获得更精确的数据，我们需要进一步的人为干预，我们在这里只指出几个方向，而不会进行详细的论证。 1.数据完整性检查
新文章 MQL5 酷宝书 — 宏观经济事件数据库 已发布： 本文讨论了基于 SQLite 引擎处理数据库的可能性。 形成的 CDatabase 类就是为了方便和有效地运用 OOP 原则。 随后它会参与宏观经济事件数据库的创建和管理。 本文提供了使用 CDatabase 类的多种方法的示例。 向数据表添加新数据列也是一项很常见的任务。 假设我们需要扩展 “COUNTRIES” 数据表，并添加一个包含日历中宏观经济事件数量的数据列。 该任务将由 15_add_new_column.mq5 脚本执行。 执行脚本后，检查数据表（图例 5）。 现在，它已拥有新的数据列 EVENTS_NUM。 图例 5
新文章 以 MQL5 实现 ARIMA 训练算法 已发布： 在本文中，我们将实现一种算法，该算法应用了 Box 和 Jenkins 的自回归集成移动平均模型，并采用了函数最小化的 Powells 方法。 Box 和 Jenkins 表示，大多数时间序列可以由两个框架中之一个或两个来建模。 到目前为止，我们已经研究了自回归训练算法的实现，但没有讲明如何为模型推导或选择相应的顺序。 训练模型可能是最容易的部分，这是相较于判定一个好的模型。 推导合适模型的两个有用工具是计算所研究序列的自相关和偏自相关。 作为指南，为了帮助读者解释自相关图和偏自相关图，我们将考虑四个假设序列。
新文章 神经网络变得轻松（第二十六部分）：强化学习 已发布： 我们继续研究机器学习方法。 自本文，我们开始另一个大话题，强化学习。 这种方式允许为模型设置某些策略来解决问题。 我们可以预期，强化学习的这种特性将为构建交易策略开辟新的视野。 我们总是环顾四周，通过触摸、以及倾听声音，来评估物体。 如此这般，我们每时每刻都通过我们的感官来评估我们的世界。 在我们的脑海中，我们固化其状态。 类似地， 环境 生成其 状态 ，由 代理者 评估。 与我们按照人类的世界观行事类似， 代理者 根据其 政策 （策略）执行 行动 。 这种影响导致环境按照一定概率发生变化。 对于每个行动， 代理者 都会从 环境
Exp_BrainTrend2_AbsolutelyNoLagLwma_X2MACandle_MMRec : 在一个EA中包含了三个独立的交易系统，它们分别使用 BrainTrend_V2, AbsolutelyNoLagLWMA 和 X2MACandle indicators 指标，并且可以根据交易系统中之前的交易结果来调整即将到来交易的交易量。 作者： Nikolay Kositsin
三條平均移動線交叉顯示 Tri MA Corss : 三條平均線完全按照高低排列後 可視為趨勢成形 在形態被破壞後 不再繪出影線 在沒有影線的條件下 視為不確定期間 作者： Hung Wen Lin
新文章 时间序列挖掘的数据标签（第1部分）：通过EA操作图制作具有趋势标记的数据集 已发布： 本系列文章介绍了几种时间序列标记方法，这些方法可以创建符合大多数人工智能模型的数据，而根据需要进行有针对性的数据标记可以使训练后的人工智能模型更符合预期设计，提高我们模型的准确性，甚至帮助模型实现质的飞跃！ 当我们设计人工智能模型时，我们通常需要首先准备数据。良好的数据质量将使我们在模型训练和验证方面事半功倍。但我们的外汇或股票数据是特殊的，其中包含复杂的市场信息和时间信息，数据标注很困难，但我们可以很容易地在图表上分析历史数据的趋势。
新文章 MQL5 中艾略特波浪自动分析的实施 已发布： 艾略特波浪理论是最流行的市场分析方法之一。然而，这个过程非常复杂，从而导致我们使用额外的工具。自动标记器是其中一种工具。本文描述用 MQL5 语言创建艾略特波浪的自动分析程序。 作者： Roman Martynyuk
新文章 在MQL中操作套接字，或者如何成为信号提供者 已发布： 套接字(Sockets)… 如果没有它们，我们的IT世界还可能存在吗?时光倒转回1982年，再到现在，它们每分每秒都与我们同在，这是网络的基础，是我们所居住的 Matrix 世界的神经末梢。 演示这些代码的互操作: 细心的读者将会注意到，客户端套接字可以通过调用 MQL 函数中的 WebRequest 来替换的，为此，只要加上一系列 HTTP 头部(header) 行并且在客户终端的设置中允许访问服务器的URL就可以了，您可以自己来做实验。 作者： o_O
WPRSI 信号 : 本指标在图表中用彩色箭头给出交易信号信号基于 WPR (Williams 百分比范围) 和 RSI (相对强度指数) 技术指标。 作者： Nikolay Kositsin
新文章 利用 MQL5 的交互式 GUI 改进您的交易图表（第 II 部分）：可移动 GUI（II） 已发布： 依靠我们的以 MQL5 创建可移动 GUI 的深度指南，在您的交易策略和实用程序中解锁动态数据表达的潜力。深入研究面向对象编程的基本原理，并探索如何在同一图表上轻松高效地设计和实现单个或多个可移动 GUI。 我们开启旅程，从头开始创建类似的仪表板，但这次用的是 .mqh 文件。如有必要，我们将借用之前的代码片段。为了有效地组织我们的代码文件，我们将创建一个新文件夹，恰如其分地命名为 “Movable Dashboard MQL5”。
新文章 您应该知道的 MQL5 向导技术（第 05 部分）：马尔可夫（Markov）链 已发布： 马尔可夫（Markov）链是一个强大的数学工具，能够针对包括金融在内的各个领域的时间序列数据进行建模和预测。 在金融时间序列建模和预测中，马尔可夫链通常用于模拟金融资产随时间的演变，例如股票价格或汇率。 马尔可夫链模型的主要优点之一是其简单性和易用性。 “_p” 矩阵是我们的过渡矩阵，具有状态之间转换的所有概率。 信号类的完整代码附在文章末尾。 我针对 2022 年的 EURJPY，日线时间帧内进行了一些测试，以下是报告，和随之而来的净值曲线的一部分。 作者： Stephen Njuki
新文章 MQL5中使用坐标下降法的弹性网络回归 已发布： 在这篇文章中，我们探索了弹性网络回归的实际实现，以最大限度地减少过拟合，同时自动将有用的预测因子与那些预测能力很小的预测因子区分开来。 坐标下降是一种非常适合于多变量优化的优化方法。将复杂的多维优化问题简化为一维问题的集合。通过迭代最小化函数的每个单独维度，同时保持其他维度中函数的值不变来实现。互联网上有许多资源可以为感兴趣的人提供更详细的解释。在这里，我们感兴趣的是它在策略开发中的应用
新文章 开发 EA 构造函数的一次尝试 已发布： 在本文中，我把自己的一套交易函数以成品 EA 的形式提供给大家。 这种方法能够通过简单地添加指标和改变输入来获得多种交易策略。 由构造函数创建的 EA 立即拥有多个设置，可以组合这些设置来创建独特的策略。 版本 4.XXX 应用了以下规则： 使用当前品种符号（EA 启动时所在图表的品种符号）, 止盈、止损和尾随都在输入中设定。 Points — 依据报价货币计量的当前品种符号点数大小，例如 “EURSD” 1.00055-1.00045=10 个点。 通过拖动十字线工具，始终可以在品种符号图表上看到 “点数”： 图例 1. 点数 作者：
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 神经网络变得轻松（第四十六部分）：条件导向目标强化学习（GCRL） 已发布： 在本文中，我们要看看另一种强化学习方式。 它被称为条件导向目标强化学习（GCRL）。 按这种方式，代理者经过训练，可以在特定场景中达成不同的目标。 在这步操作中，我们决定放弃单独训练变分自动编码器，并将其编码器直接包含在代理者模型当中。 应当说，这种方式在某种程度上违反了训练自动编码器的原则。 毕竟，使用任何自动编码器的主要思在于不涉及特定任务的情况下进行数据压缩。 但现在，我们面临的任务并非训练编码器，依据相同的源数据解决若干个问题。 此外，我们只往编码器输入中供应环境的当前状态。
设置图表缩放 : 本指标设置图表窗口的 "固定缩放(Fixed scale)" 属性，并把第一个柱放到窗口中间。 作者： Alexey Viktorov
新文章 DirectX 教程（第一部分）：绘制第一个三角形 已发布： 这是一篇关于 DirectX 的介绍性文章，介绍了使用 API 进行操作的细节。 它应有助于理解其组件的初始化顺序。 本文包含一个如何编写 MQL5 脚本的示例，该脚本使用 DirectX 渲染一个三角形。 渲染图元是图形 API 的主要目的。 现代显卡适用于快速渲染大量三角形。 实际上，在计算机图形学的当前发展阶段，绘制 3D 对象最有效的方法是以多边形创建曲面。 曲面可由三个指定的点来定义。 3D 建模软件通常使用矩形，但图形卡仍会强制把多边形转换成三角形。 三角形网格 作者： Rorschach
新文章 开发回放系统 — 市场模拟（第 18 部分）：跳价和更多跳价（II） 已发布： 显然，目前的衡量度与创建 1-分钟柱线的理想时间相距甚远。这是我们要率先解决的一件事。解决同步问题并不困难。也许这看起来很难，但实际上却很简单。在上一篇文章中，我们没有进行所需的调整，因为它的目的是解释如何把图表上创建 1-分钟柱线的跳价数据转移至市场观察窗口。 我对每篇文章的观念是解释和鼓励人们学习和深入探索 MetaTrader 5 平台和 MQL5 语言。这远远超出了在某处分发的代码中能够看到的内容。我真的希望你们每个人都有创造力和动力，去探索以前从未走过的道路，而非总是做同样的事，就好像所有人在
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