新文章 MQL5交易工具（第六部分）：带脉冲动画与控件的动态全息仪表盘 已发布： 在本文中，我们将使用MQL5创建一个动态全息仪表盘，用于监控交易品种与时间周期，集成RSI指标、波动率预警以及排序功能。我们将添加脉冲动画、交互按钮与全息视觉效果，使该工具在视觉上更具吸引力，并具备良好的交互响应性。 我们即将搭建的全息仪表盘是一款可视化工具，能够同时监控多个交易品种与时间周期，展示 RSI 和波动率等指标，并附带排序与预警功能，帮助我们快速地捕捉交易机会。这套架构设计至关重要。它将实时数据、交互控件与动画效果融为一体，即使在图表界面极为繁杂的环境中，也能让您更直观、更高效地进行分析。
新文章 MQL5 交易策略自动化（第24篇）：集成风险管理与移动止损的伦敦时段突破系统 已发布： 本文将搭建一套伦敦时段突破交易系统，可识别伦敦开盘前区间的突破机会，并支持自定义交易类型、风险参数来挂入挂单。系统内置移动止损、盈亏比、最大回撤限制等功能，同时配备控制面板，可实时监控与管理交易。 伦敦时段突破策略 专门利用伦敦开盘时段市场波动率放大的特点：先识别伦敦开盘前形成的价格区间，再挂单，捕捉价格突破该区间的交易机会。该策略的价值在于：伦敦交易时段通常流动性充足、行情波动剧烈，能提供稳定的盈利机会；但同时必须做好严谨的风控，规避假突破与账户回撤风险。
新文章 经典策略重构（第14部分）：多策略分析 已发布： 在本文中，我们继续探讨如何构建多策略组合体系，并使用 MT5 遗传算法优化器对策略参数进行调优。本次我们使用 Python 对数据进行分析，结果表明：我们的模型能更准确地预判哪一个策略会表现更优，其预测精度高于直接预测市场收益率。然而，当我们使用这些统计模型对应用程序进行测试时，性能却大幅下滑。我们随后发现，遗憾的是，遗传优化器偏向了高度相关的策略，这促使我们修改方案：将投票权重固定，转而让优化器专注于优化指标参数。 利用人工智能构建交易策略时，很多环节都可能出问题。本次的情况是：遗传优化器
新文章 MetaTrader 5 机器学习蓝图（第一部分）：数据泄露与时间戳修正 已发布： 在开始将机器学习用于 MetaTrader 5 交易之前，必须先处理一个常被忽视的关键问题：数据泄露。本文深入剖析了数据泄露，尤其是 MetaTrader 5 时间戳陷阱，说明它如何扭曲模型表现并导致不可靠的交易信号。通过深入研究这一问题的机理并提出预防策略，我们为构建稳健的机器学习模型铺平了道路，这些模型能够在实时交易环境中提供值得信赖的预测结果。 数据窥探或数据泄露可能看似微不足道，但其对机器学习模型的影响可能是巨大的，甚至是毁灭性的。想象一下，你在备考时 无意中
新文章 MQL5 交易工具（第五部分）：创建滚动行情条，实现交易品种实时监控 已发布： 在本文中，我们将使用MQL5开发一款滚动行情条，用于实时监控多个交易品种，以滚动效果显示买价、点差以及日内涨跌幅。我们将实现可自定义的字体、颜色和滚动速度，从而有效突出价格变动与趋势。 我们即将创建的 滚动行情条 ，是一款以滚动形式展示多品种实时数据的工具，它会显示买价、点差和日内涨跌幅，方便我们快速掌握市场动态。这一功能十分重要，它能以紧凑、动态的方式呈现市场波动，突出价格趋势与波动率，同时又不会让图表信息显得拥挤或过载，这对于快节奏交易中的快速决策至关重要。
新文章 价格行为分析工具包开发（第 32 部分）：基于 Python 的 K 线识别引擎（二）—— 使用 TA-Lib 进行检测 已发布： 本文中，我们已从在 Python 中手动编写 K 线形态检测代码，转向使用 TA-Lib 库，该库可识别六十余种不同的K线形态。这些形态能为预判市场潜在反转与趋势延续提供极具价值的参考。下面继续详细说明。 TA-Lib（技术分析库）是一款开源库，被交易员、投资者和分析师广泛用于执行复杂技术计算与开发交易策略。该库最初由马里奥・福尔捷（Mario Fortier）开发，核心基于 ANSI C 语言编写：内置 200 余种技术指标（如
新文章 在MetaTrader 5中集成隐马尔可夫模型 已发布： 在本文中，我们将展示如何将使用Python训练的隐马尔可夫模型（Hidden Markov Models, HMMs）集成到MetaTrader 5应用程序中。HMM是一种强大的统计工具，用于对时间序列数据进行建模，其中被建模的系统以不可观察（隐藏）的状态为特征。HMM的一个基本前提是，在特定时间处于给定状态的概率取决于该过程在前一个时间点的状态。
应用加权相关系数的最近相邻发现, 进行价格预测 : 应用加权相关系数的最近相邻发现, 越近的权重值越大。在价格模式之内权重由新至旧呈线性衰减。 作者： Vladimir
新文章 从基础到中级：结构（五） 已发布： 在本文中，我们将探讨如何重载结构化代码。我知道一开始理解起来可能会相当有挑战性，尤其是当你第一次看到它的时候。在尝试深入探讨更复杂、更精细的主题之前，掌握并理解这些概念是非常重要的。 我知道你们中的许多人（尤其是初学者）可能都在想：“朋友，我不想学这个。我想学习如何创建 EA 交易或指标。学习实现我根本不打算使用的解决方案，这真的不适合我。”好吧，你有权这么想。但是，如果你不懂得如何实现那些与指标或甚至与 EA 代码无关的解决方案，那么你会比你想象的更早走进死胡同。 之所以出现这种情况，是因为你不懂得如何实现那些既不显而易见也不简单的解决方案。
新文章 MQL5自优化智能交易系统（第九部分）：双移动平均线交叉 已发布： 本文将介绍双移动平均线交叉策略的设计思路：利用更高的时间框架（日线D1）的信号指导更低的时间框架（15分钟M15）的入场，并通过中间风险周期（4小时H4）计算止损位。本文将讲解系统常量、自定义枚举，以及趋势跟踪和均值回归模式的逻辑，同时强调代码模块化与未来遗传算法优化的扩展性。该方法支持灵活的入场/出场条件，通过让较低的时间框架入场与较高的时间框架趋势保持一致，减少信号滞后、优化交易时机。
新文章 从基础到中级：结构（四） 已发布： 在本文中，我们将探讨如何创建所谓的结构化代码，即将处理变量和信息的整个上下文和方法都置于一个结构中，从而为任何代码的实现创造一个合适的上下文环境。因此，我们将探讨使用代码私有部分来区分公有部分和非公有部分的必要性，从而遵守封装原则，并保留创建数据结构时的上下文。 在前一篇文章“ 从初级到中级：结构（三） ”中，我们开始探讨一个令初学者感到非常困惑的话题：结构化代码和组织化代码之间的区别。 许多人将代码组织良好与代码结构化混淆了。虽然这些概念看起来相似，但它们并不完全相同。然而，本文只是结构化编程领域中更复杂、更优雅、更迷人内容的起点。
新文章 市场模拟（第 16 部分）：套接字（十） 已发布： 我们即将完成这项挑战。然而，在我们开始之前，我希望你们试着理解这两篇文章——这篇文章和上一篇文章。这样，你就能真正理解下一篇文章的内容，在那篇文章中，我将专门介绍与 MQL5 编程相关的部分。但我会尽量让它通俗易懂。如果你不理解最后这两篇文章，那么你很难理解下一篇，因为内容是连贯的。要做的事情越多，为了实现目标，你需要创造和理解的东西就越多。 需要在 VBA 中实现的代码并不复杂。事实上，将要展示的大部分内容，那些用 VBA
新文章 价格行为分析工具开发（第 31 部分）：基于Python的K线识别引擎（一）—— 手动检测 已发布： K线图形态是价格行为交易的核心基础，能为潜在的市场反转或趋势延续提供极具价值的研判信号。设想一款稳定可靠的工具：它能持续监控每一根新增的价格 K 线，精准识别吞没形态、锤子线、十字星、启明星 / 黄昏星等关键形态，并在检测到重要交易信号时第一时间发出提醒。这正是我们所开发的系统功能。无论你是交易新手还是资深专业交易者，这套系统都能为你实时预警K线图形态，让你更自信、更高效地专注于交易执行。继续阅读，了解它的运行原理，以及它如何优化你的交易策略。
新文章 MQL5自优化智能交易系统（第八部分）：多策略分析（3）—— 加权投票机制 已发布： 本文将探讨如何确定集成策略中最优的策略数量 —— 这是一个复杂问题，而借助MetaTrader 5的遗传算法优化器可以轻松解决。同时，我们也会使用MQL5云端计算作为核心资源，加速回测与优化过程。具体而言，本篇内容将为后续开发统计评估模型奠定基础，用于基于初始集成结果评估并改进交易策略。 在构建策略集成系统时，很自然会遇到一个问题：如何证明我们所选用的所有策略都是必不可少的？如何确认只保留其中少数几个策略，效果不会更好？我们又该如何验证这些猜想？
新文章 MQL5 中的奇异谱分析（SSA） 已发布： 本文专为不熟悉奇异谱分析概念、希望充分理解并运用 MQL5 内置相关工具的读者编写。 MetaTrader 5（MT5）最新版本已将 OpenBLAS 运算库初步集成到核心向量与矩阵数据类型中。其中，奇异谱分析（SSA）相关的一系列方法尤为值得关注。本文将深入讲解 MQL5 中全新的 SSA 工具，拆解其在行情分析与预测中的使用方法。本指南旨在为希望充分发挥 SSA 分析潜力的交易者提供参考。我们将深入剖析 SSA 的核心方法，拆解其两步式分解与重构流程。更重要的是，我们会讲解新增的 SSA
交易者的MQL5编程(MQL5 Programming for Traders) - 源代码第六部分 : 在"交易者的MQL5编程(MQL5 Programming for Traders)"第六部分，我们将学习MQL5语言的一个关键组成部分 – 交易自动化。我们将首先介绍基本对象，如交易品种规格和交易账户设置。这些都是创建正常运行的EA交易的先决条件。 作者： MetaQuotes
新文章 如何在 MQL5 中使用 ONNX 模型 已发布： ONNX（开放式神经网络交换）是一种开源的机器学习模型格式。 在本文中，我们将研究如何创建 CNN-LSTM 模型，来预测金融时间序列。 我们还将展示如何在 MQL5 智能系统中运用创建的 ONNX 模型。 有两种途径可以创建模型：可以使用 OnnxCreate 从 onnx 文件创建模型；亦或使用 OnnxCreateFromBuffer 从数据数组创建模型。 如果将 ONNX 模型用作 EA 中的资源，则每次更改模型时都需要重新编译 EA。 并非所有模型都有完全定义的输入和/或输出张量大小。 正常情况下，第一个维度负责封包大小。
新文章 构建动态多品种EA（第三部分）：均值回归与动量策略 已发布： 在本文中，我们将继续讲解构建动态多品种智能交易系统（EA）的第三部分内容，重点聚焦于均值回归策略与动量交易策略的融合。我们将详细拆解如何检测价格对均值的偏离（通过Z-分数）并据此执行交易，以及如何在多个外汇对上测算动量，以此确定交易方向。
多功能测试仪 : 在 Tester 中进行多次运行/优化。 Author: fxsaber
新文章 通过协整股票实现统计套利（第一部分）：恩格尔 - 格兰杰检验与约翰森协整检验 已发布： 本文旨在以适合交易者且通俗易懂的方式，介绍最常用的协整检验方法，并附带一份解读检验结果的简易指南。恩格尔 - 格兰杰检验与约翰森协整检验，能够识别出具备长期联动关系、且在统计上显著的资产配对或资产组合。约翰森检验尤其适用于包含三种及以上资产的投资组合，因其可一次性测算出所有协整向量的强度。
新文章 混沌优化算法（COA）：续篇 已发布： 我们继续对混沌优化算法进行讲解。本文第二部分将介绍该算法实现的实操细节、测试过程及相关结论。 在 上一篇文章 中，我们介绍了混沌优化方法，并分析了算法中包含的部分核心方法。在本文中，我们将完成剩余方法的解析，并直接进入算法在测试函数上的验证环节。 在本次实现中，混沌优化方法通过确定性混沌遍历解空间。其核心原理是使用三种不同的混沌映射（逻辑映射、正弦映射、帐篷映射）生成具备伪随机性与遍历性的序列。算法分为三个阶段执行：初始混沌搜索、基于加权梯度法的解优化、自适应缩小范围的最终局部搜索。
新文章 混沌优化算法（COA） 已发布： 本文介绍一种改进型混沌优化算法（COA），该算法将混沌特性与自适应搜索机制相结合。算法通过一组混沌映射与惯性分量对搜索空间进行遍历探索。文章阐述了金融优化领域中混沌方法的理论基础。 混沌行为关键特性展示：确定性（轨迹平滑连贯，并非随机杂乱）；遍历性（粒子能够探索整个搜索空间）；对初始条件敏感（不同粒子沿不同轨迹移动）。同时，搜索动态过程以不同强度的光晕表现，反映出不同区域的搜索 “能量”。最优解周围的同心圆代表吸引域，模糊渐变与梯度效果则体现出搜索空间的连续性。算法的主要阶段： 远离中心的大范围搜索（外围粒子）， 逐步向优质区域逼近（中等轨迹），
新文章 采用 CatBoost AI 预测 Renko 柱 已发布： 如何将Renko柱与人工智能结合使用？我们来探讨外汇市场中的Renko交易，其预测准确率最高可达 59.27%。我们将探究Renko柱在过滤市场噪音方面的优势，了解为何成交量比价格形态更重要，以及如何为欧元 / 美元设置最优的Renko块大小。这是一份分步指南，教你整合 CatBoost、Python 与 MT5（MetaTrader 5），搭建属于自己的外汇Renko柱预测系统。对于希望突破传统技术分析框架的交易者来说，这是绝佳方案。 我的书房里一片静谧，只有显示器屏幕散发着微光。MT5
新文章 市场模拟（第 15 部分）：套接字（九） 已发布： 在本文中，我们将讨论我们一直试图展示的一个可能解决方案 —— 即如何让 Excel 用户在 MetaTrader 5 中执行操作，而无需发送订单或开仓或平仓。其思路是用户利用 Excel 对特定股票交易品种进行基本面分析。他们只需使用 Excel，就可以指示在 MetaTrader 5 中运行的 EA 交易开仓或平仓。 在前一篇文章“ 市场模拟（第 14 部分）：套接字（八） ”中，我们探讨了如何不依赖第三方包或工具，仅使用 Python 来完成某些任务。我并不想阻止你使用那些能帮助你在 Python
新文章 如何成为MetaTrader4和MetaTrader5的信号提供者 已发布： 你想提供你的交易信号并赚取额外收入吗？快到MQL5.com网站注册成为卖家，并指定你的交易帐户，为交易者提供信号吧。记住，你只能为一个交易账户创建一个信号。 另外，所有收费的信号都必须通过一个月的测试。在测试期间，他们将被检查是否符合若干要求（当然，对于免费信号没有测试期）。如果通过测试，那么你就能向所有 MetaTrader 4 和 MetaTrader 5 用户出售信号了。你将可以直接接近你信号的潜在订阅者。 你的交易成绩好吗？加入MQL5.community
新文章 一维奇异谱分析（SSA） 已发布： 本文探讨了奇异谱分析（SSA）方法的理论与实践，该方法是一种高效的时间序列分析工具，能够将复杂序列的结构分解为趋势、季节性（周期性）波动及噪声等简单成分。 金融市场以高波动性和复杂动态过程为特征，这使得预测和识别模式极具挑战性。奇异谱分析（SSA）是一种强大的时间序列分析技术，可将序列的复杂结构分解为趋势、季节性（周期性）变化及噪声等简单成分。基于线性代数的SSA方法无需假设平稳性，因此成为研究时间序列结构的通用工具。
新文章 从基础到中级：结构（三） 已发布： 在本文中，我们将探讨什么是结构化代码。许多人将结构化代码与有组织的代码混淆，但这两个概念之间存在差异。这正是本文将要讨论的内容。尽管你在初次接触这类代码编写时可能会感到其明显的复杂性，但我已尽可能地以简单易懂的方式讲解这一主题。然而，本文只是迈向更宏大目标的第一步。 在上一篇文章“ 从初级到中级：指标（四）
新文章 使用 EA 交易可视向导创建 EA 交易 已发布： MetaTrader 5的EA交易可视向导提供一种高度直观的图形环境，带有一整套允许您在数分钟内完成EA交易设计的预定义交易代码块。EA交易可视向导的单击拖拽法允许您像使用铅笔和纸张一样，创建外汇交易策略与信号的可视化呈现。这些交易图表均通过Molanis的MQL5代码生成器自动进行分析，并将其转换为即用型EA交易。而互动式图形环境则会简化设计过程，且无需编写MQL5代码。 作者： molanis
新文章 使用Python和MQL5开发机器人（第一部分）：数据预处理 已发布： 基于机器学习的交易机器人开发：详细指南本系列文章的第一篇将重点讨论数据的收集与准备以及特征的选择。该项目采用Python编程语言及其相关库，并结合MetaTrader 5平台来实现。 市场正变得越来越复杂。如今，它正演变成一场算法之战。超过95%的交易额是由交易机器人产生的。 下面一步是机器学习。这些虽然不是高级人工智能，但也并非简单的线性算法。机器学习模型能够在困难的背景下实现盈利。将机器学习应用于创建交易系统是一件有趣的事情。得益于神经网络，交易机器人将分析大数据，发现规律并预测价格走势。
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