新文章 神经网络变得简单（第 74 部分）：自适应轨迹预测 已发布： 本文介绍了一种相当有效的多个体轨迹预测方法，其可适配各种环境条件。 构建交易策略时，分析市场局面和预测金融产品最可能的走势密不可分。这种走势通常与其它金融资产和宏观经济指标相关。这可以与运输的动态进行比较，其中每辆车都遵循自己的独立目的地。不过，它们在道路上的动作在一定程度上是相互关联的，并受到交通规则的严格监管。还有，由于车辆驾驶员对道路状况的个人感知，在道路上仍然留有一部分随机性。
新文章 开发多币种 EA 交易（第 1 部分）：多种交易策略的协作 已发布： 交易策略是多种多样的，因此，或许可以采用几种策略并行运作，以分散风险，提高交易结果的稳定性。但是，如果每个策略都作为单独的 EA 交易来实现，那么在一个交易账户上管理它们的工作就会变得更加困难。为了解决这个问题，在一个 EA 中实现不同交易策略的操作是合理的。 我们需要决定我们想要什么，以及我们拥有什么。 我们有（或几乎有）： 以现成 EA 代码的形式，或仅仅是一套用于执行交易操作的规则，在不同交易品种和时间框架上运行的一些不同的交易策略, 起始存款, 最大允许回撤 我们想要：
RSI_Expert_v2.0 : 基于 iRSI（RSI）和 iMA（移动平均线，MA）的智能交易系统。 作者： Vladimir Karputov
VWAP Lite - 有交易量权重的平均价格 : VWAP 是一种日内计算方法，主要使用算法和机构交易者的评估，计算当日一种股票相对它交易量权重的平均价格。 作者： Felipe Almeida
新文章 利用 MQL5 的交互式 GUI 改进您的交易图表（第 III 部分）：简易可移动交易 GUI 已发布： 加入我们的《利用 MQL5 的交互式 GUI 改进您的交易图表》系列的第 III 部分，我们将探索将交互式 GUI 集成到 MQL5 中的可移动交易仪表板之中。本文建立在第 I 部分和第 II 部分的基础上，指导读者将静态交易仪表板转换为动态、可移动的。 您好，欢迎回到我们系列的第 3 部分《利用 MQL5 的交互式 GUI 改进您的交易图表》。 在我们进入新领域之前，我们先快速回顾一下我们在第 I 部分和第 II 部分中涵盖的内容： 1. 在第 I
MTC Сombo : 本EA交易是基于标准的趋势策略以及一个二层神经网络训练用于反趋势进入市场。 作者： Vladimir Karputov
新文章 让新闻交易变得容易（第一部分）：创建一个数据库 已发布： 新闻交易可能很复杂，令人难以招架，在本文中我们将介绍获取新闻数据的步骤。此外，我们还将了解MQL5经济数据日历及其提供的功能。 在这篇文章中，我们将学习如何创建一个数据库，用于存储来自MQL5经济数据日历的数据。这些数据将用于后续的文章中来交易新闻事件。我们还将探索如何执行基本的SQL查询，以从这个数据库中检索某些有组织的信息。整个过程将在MQL5 IDE中完成。 交 易员们密切关注新闻来源，以获取可能影响市场的信息。这包括地缘政治事件、企业利润公告、政治事件以及GDP增长或就业数据等经济报告。交易员迅速对重大
新文章 Dr. Tradelove 或我如何不再担忧并创建一个自训练 EA 交易 已发布： 一年前，joo 在他的《遗传算法 － 很简单！》一文中向我们提供了一种用 MQL5 实施遗传算法的工具。现在，利用这个工具，我们将创建一个 EA 交易，该 EA 将依据某些边界条件对其自己的参数进行遗传优化。 作者： Roman Zamozhnyy
新文章 分歧问题：深入探讨人工智能的复杂性可解释性 已发布： 在这篇文章中，我们将探讨理解人工智能如何工作的挑战。人工智能模型经常会以难以解释的方式做出决策，这就是所谓的 "分歧问题"。这个问题是提高人工智能透明度和可信度的关键。 分歧问题是可解释人工智能（XAI，Explainable Artificial Intelligence）的一个重要研究领域。XAI 旨在帮助我们了解人工智能模型如何做出决策，但这说起来容易做起来难。 我们都知道，机器学习模型和可用数据集正在变得越来越大、越来越复杂。事实上，开发机器学习算法的数据科学家无法准确解释他们的算法在所有可能的数据集中的行为。
新文章 数据科学和机器学习（第 19 部分）：利用 AdaBoost 为您的 AI 模型增压 已发布： AdaBoost，一个强力的提升算法，设计用于提升 AI 模型的性能。AdaBoost 是 Adaptive Boosting 的缩写，是一种复杂的融合学习技术，可无缝集成较弱的学习器，增强它们的集体预测强度。 Adaboost 是 Adaptive Boosting 的缩写，是一种融合机器学习模型，它尝试基于弱分类器构建强分类器。 它是如何工作的？ 该算法为实例分配权重时，基于它们的分类对错。, 它采用加权总和把弱学习器结合在一起。
新文章 种群优化算法：Boids（虚拟生物）算法 已发布： 本文基于动物集群行为的独特实例，说明Boids算法。反过来说，Boids算法又成为了一整类算法的基础，这类算法统称为“种群智能”。 原始的Boids算法有几个目标和应用： 1. 创建逼真的动画 。Boids算法能够创建逼真的动物群体动画，这已成为计算机图形学和动画发展的重要方向之一。 2. 行为模式。 Boids允许根据个体的简单规则模拟复杂的集体行为。这一技术在动物行为研究、机器人技术、交通管理等多个领域都得到了应用。 Boids算法促成了其他算法的发展，如粒子群优化（PSO）算法和种群行为建模算法。
新文章 群体算法的混合 -顺序结构和并行结构 已发布： 在这里，我们将深入探讨优化算法混合的三个主要类型：策略混合、顺序混合和并行混合。我们将结合并测试相关的优化算法进行一系列实验。 让我们来看看混合优化算法的三种主要选择： 1. 将算法搜索策略混合为一个。 每种算法都有自己的一套技能和能力。在共同追求成功的过程中，混合它们的逻辑结构提供了各种特性。这是一种风格各异的舞蹈，每一步都是对整体动作的补充和增强。这种方法的一个例子就是前一篇 文章 中讨论的细菌觅食优化与遗传算法的结合。 2.将迭代分为一种算法的部分工作和另一种算法的最终工作，就像传递接力棒一样，使每种算法的 运行保持一致
BackgroundCandle_ColorStepXCCX_HTF : 此指标用填充颜色的长方形绘制大周期的蜡烛条。长方形的填充颜色是根据 ColorStepXCCX 指标的数值。 作者： Nikolay Kositsin
改变图表和时间帧 : 改编的脚本，通过热键在所有图表之间快速切换，图表(下一个, 前一个) 和时间帧(更高, 更低)。 作者： Jens
HistoryPositionInfo 版本 2 : 返回在交易历史中仓位的利润点数，还有手续费，隔夜息以及利润钱数。 作者： Vladimir Karputov
新文章 种群优化算法：二进制遗传算法（BGA）。第 II 部分 已发布： 在本文中，我们将继续研究二进制遗传算法（BGA），它模拟自然界生物遗传物质中发生的自然过程。 遗传二进制算法的开发受到若干个因素和思路的启发。主要的： 自然选择和进化原理 ：BGA 基于查尔斯·达尔文（Charles Darwin）提出的自然选择和进化原理。该思想是，一个种群中存在多种解元，更能适应环境的那些解元更有可能生存，并将其特征传递给下一代。, 基因和遗传学 ：BGA 还使用基因学概念，例如基因、染色体、和遗传。BGA
突破 : 在新的交易日开始时，EA会 将突破买入 (Buy Stop) 和突破卖出 (Sell Stop) 挂单放置在前一天的高点和低点。 作者： Vladimir Karputov
"MCM 控制面板" 用于多币种 EA和指标 : 这款 MCM 控制面板提供在 MetaTrader 5 的多币种交易的方案。 作者： Konstantin Gruzdev
新文章 如何利用 MQL5 创建简单的多币种智能交易系统（第 4 部分）：三角移动平均线 — 指标信号 已发布： 本文中的多币种 EA 是智能交易系统或交易机器人，能从一个品种的图表里交易（开单、平单、及管理订单，例如：尾随止损和止盈）多个品种（货币对）。这次我们只会用到 1 个指标，即多时间帧或单一时间帧中的三角移动平均线。 本文中多币种 EA 的定义是一款智能交易系统或交易机器人，它可以从一个品种的图表里交易（开单、平单、及管理订单，例如：尾随止损和止盈）多个品种（货币对），在本文中，EA 将会交易 30 个对。 这次我们只会用到 1 个指标，即多时间帧或单一时间帧模式下的三角移动平均线。
MT4 One Key Trading: MT4 One Key Trader：一键交易，双击脚本即可自动完成：买入，卖出，平仓，删除挂单，删除物体。 作者： Nvjan Inc.
新文章 数据分组处理方法：在MQL5中实现多层迭代算法。 已发布： 在本文中，我们介绍如何在MQL5中实现分组数据处理方法中的多层迭代算法。 数据处理的分组方法 是一种用于数据分析和预测的算法类型。它是一种机器学习技术，旨在找到描述给定数据集的最佳数学模型。GMDH由苏联数学家阿列克谢·伊瓦赫宁科（Alexey Ivakhnenko）于20世纪60年代开发。旨在解决基于经验数据对复杂系统进行建模所面临的挑战。GMDH算法采用数据驱动的建模方法，根据观察到的数据生成和完善模型，而不是依赖于先入为主的概念或理论假设。
新文章 因果推理中的倾向性评分 已发布： 本文探讨因果推理中的匹配问题。匹配用于比较数据集中的类似观察结果，这对于正确确定因果关系和消除偏见是必要的。作者解释了这如何有助于构建基于机器学习的交易系统，这些系统在没有经过训练的新数据上变得更加稳定。倾向性评分在因果推理中起着核心作用并被广泛应用。 在本文中，我将介绍上 一篇文章 中简要提到的匹配主题，或者更确切地说是它的一个变体 - 倾向性评分匹配 。
新文章 在市场中获得优势 已发布： 学习如何在你希望交易的市场中占据先机，无论你目前的交易水平如何。 今天，我们将制定一个稳健的交易策略，旨在为交易者在各类市场中提供显著的竞争优势。虽然传统的市场投资者仅依赖价格相关数据、技术指标和公共新闻公告来进行决策，但我们的策略则采取了一种开创性的方法，即利用大多数市场投资者尚未充分接触的另类数据源。 我们策略的前提在于整合另类数据，这是主流市场投资者往往忽视的一个选项。通过利用这些尚未开发的数据源，并应用机器学习技术，我们可以为自己定位，从而获得我们策略独有的独特见解和视角。
Laguerre filter - no gamma with arrow : 拉盖尔过滤器 - no gamma 基础上增加了买卖信号指示。 作者： Zhang Geng Wang
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