文章，程序库评论 - 页 7

Quantora Spread Monitor MT5 - Professional Live Spread Monitoring Tool : 一款适用于MetaTrader 5的专业开源点差监控器。通过现代化的Quantora仪表盘，实时显示点差、最小点差、最大点差、平均点差及历史走势图，并支持自定义高点差警报。 Author: Bilal Gunay

Quantora Trading Cost Calculator MT5 - Professional Spread Commission and Swap Cost Calculator : 适用于MetaTrader 5的专业级开源交易成本计算器。利用经纪商的实时符号数据和可调整的持仓设置，计算点差成本、佣金、隔夜利息以及预估的总交易成本。 Author: Bilal Gunay

Volume-Weighted Price Displacemet Oscillator : 绘制一个基于成交量加权、经波动率归一化的震荡指标，当价格偏离其滚动VWAP时，该指标会提示冲动和耗尽状态。 Author: Sanmi Samuel Ojo

新文章 MetaTrader 5中交易品种及其价差的小时级波动分析 已发布： 带简单移动平均线（SMA）的ProSpread季节性指数指标是一款技术分析工具，用于识别价格走势中的季节性规律、分析特定交易时段的价格行为，该指标既支持单个交易品种，也可用于两个资产之间的价差分析。同时，它能够可视化价格定向波动的统计概率。 市场，尤其是外汇市场，并非混沌无序。市场由海量参与者构成（银行、基金、算法程序、个人交易者），各方按照自身规则、交易计划以及对经济事件的反应开展交易。其中大量行为会在每日同一时间重复上演： 各交易时段开盘/收盘（亚盘、欧盘、美盘）； 重要经济数据发布（例如非农就业数据）；

新文章 市场模拟：仓位视图（三） 已发布： 在之前的文章中，我们提到过有时需要为 ZOrder 属性设置一个值。但是为什么呢？原因在于，许多向图表添加对象的代码根本不使用（或者更准确地说，不定义）此属性的值。关键在于，我并不是来规定每个程序员应该或不应该做什么，或者他们应该或不应该如何编写代码的。亲爱的读者，我在此向您以及所有真正想了解这些过程内部运作原理的人展示，幕后究竟发生了什么。 在上一篇文章“ 市场模拟：仓位视图（二）

BMP Chart Wallpaper : MT5的BMP图表壁纸背景 Author: Rajesh Kumar Nait

Adaptive Kalman Trend Filter with Regime Bands submission : 一种单状态卡尔曼滤波器，它在每个K线周期内根据考夫曼效率比对自身的过程噪声进行重新缩放，在趋势行情中紧跟价格走势，而在震荡行情中则进行更强平滑处理；图中绘制了与该滤波器同步扩张和收缩的区间带。 Author: Adedayo David Gbadebo

新文章 全新 MetaTrader 5 和 MQL5 来袭 已发布： 这只是 MetaTrader 5 的一个简短介绍。我无法在如此短小的篇幅里给出系统所有新功能的描述 - 测试从 2009 年 9 月 9 日即已开始。这是一个具有象征意义的日子，我肯定这也会是一个幸运数字。就在几天之前，我拿到了 MetaTrader 5 终端和 MQL5 的试用版。我并没有试用所有的功能，即便如此，它们也给我留下了深刻的印象。 作者： Yuriy Zaytsev

新文章 从新手到专家：使用MQL5实现动态新闻标题（9）—— 新闻交易中的单图表多品种管理 已发布： 新闻行情往往伴随着剧烈波动，交易者需要在极短时间内管理多个持仓与交易品种。在本文中，我们将把多品种功能集成到新闻标题EA中，以集成多品种功能的方式应对多品种交易的挑战。接下来我们一起探讨，如何借助MQL5算法交易，让多品种交易变得更加高效、强大。 在高波动行情阶段（例如经济数据发布时），交易者常会博弈突破行情，因为市场的即时反应难以预测。重大新闻发布时，价格通常会急剧冲高，随后出现回调，也有可能延续原有趋势。在这类行情下，交易者可能希望同时交易多个品种，但MetaTrader

新文章 MQL5 向导技巧（第七十七部分）：使用 Gator 振荡器与积累/派发振荡器（AD Oscillator） 已发布： Gator 振荡器（Gator Oscillator）由比尔·威廉姆斯（Bill Williams）开发，与累积/派发振荡器（Accumulation/Distribution Oscillator）是另一对可在 MQL5 EA 中协同使用的指标组合。我们使用 Gator 振荡器来确认趋势，同时使用 AD 振荡器通过检查成交量来确认趋势。在探索这种指标组合时，我们一如既往地使用 MQL5 向导来构建和测试它们的潜力。

新文章 从基础到中级：在 MetaTrader 5 沙箱中处理文件 已发布： 你知道什么是沙箱吗？你知道怎么操作它吗？如果这两个问题的答案都是“否”，请阅读本文以了解沙箱的基本工作原理。您还将了解为什么 MetaTrader 5 使用沙箱来保护其某些内部数据的完整性。本文所提供的材料纯粹用于教学目的。在任何情况下，你都不应将该应用程序视为最终产品，其目的仅限于研究所呈现的概念。 在上一篇文章“ 从基础到中级：对象事件（四） ”中，我们解释并演示了读者如何开发一种方法，直接调整图表上某些对象的大小。由于此处的目标并非开发应用程序，而是通过示例演示如何使用 MQL5 来控制和操作

新文章 您应该了解的MQL5向导技巧（第七十九部分）：在监督学习中使用鳄鱼震荡指标和A/D震荡指标 已发布： 在前一篇文章中，我们完成了对鳄鱼震荡指标与集散量（A/D）震荡指标组合的研究，分析二者在原生信号模式下的应用效果。这两个指标互为补充：鳄鱼震荡指标属于趋势指标，A/D震荡指标属于量能指标。本文作为续篇，研究如何利用监督式学习，优化前文所探讨的各类特征形态。我们采用的监督学习模型为卷积神经网络（CNN），该模型结合核回归与点积相似度，对卷积核和通道进行尺度配置。一如既往，我们将逻辑写在自定义信号类文件中，该文件可配合MQL5向导来生成EA。

新文章 在线性自回归模型残差上训练非线性 U-Transformer 已发布： 本文介绍一套用于汇率预测的创新混合系统，它将线性自回归模型与用于残差分析的 U-Transformer 架构相结合。系统会根据信号质量自动切换信号来源，并内置完整的交易逻辑，支持摊平加仓/金字塔加仓策略。该方法的核心优势在于：神经网络只在线性模型的残差上训练，从而简化了任务并降低过拟合风险。整套实现完全使用 MQL5 编写，可直接用于实盘交易，并具备随市场环境变化自动适应的能力。 本文 EA 以 回归模型相关文章 中的 EA 程序为基础，在此之上新增了这套混合模型。 我们在 EURUSD 的 M15

新文章 MacOS 上的 MetaTrader 5 已发布： 我们为 macOS 上的 MetaTrader 5 交易平台提供了专用的安装程序。它是一个功能齐全的向导，允许您以本机方式安装应用程序。安装程序会执行所有必需的步骤：识别您的系统，下载并安装最新的 Wine 版本，对其进行配置，然后在其中安装 MetaTrader。所有步骤都在自动模式下完成，您可以在安装后立即开始使用平台。 作者： MetaQuotes Software Corp

新文章 MQL5 中的 SQLite 功能示例：按交易品种及 Magic 编码展示交易统计信息的仪表盘 已发布： 本文将介绍如何创建一个指标型仪表盘，按账户、交易品种及交易策略展示交易统计信息。我们将以官方文档及数据库相关文章中的示例为基础，逐步实现完整程序。

新文章 如何在"应用商店"中发布产品 已发布： 将令人感兴趣的应用程序发布到"应用商店"中，那么，它们立即可供全世界所有使用 MetaTrader 5 的交易者使用。"应用商店"是一个赚钱的绝佳机会，其中包括即时转账和方便的统计数据，有助于您分析自有产品试用版本的购买次数与下载次数。"应用商店"中所有的 MQL5 程序均针对一位特定买家加密，最多允许三次激活，不需要您做出任何额外防护。 作者： MetaQuotes Software Corp

新文章 价格行为分析工具包开发（第三十七部分）：市场情绪偏向计 已发布： 市场情绪是影响价格走势最容易被忽视的强大因素之一。尽管大多数交易者依赖滞后指标或是主观猜测，但市场情绪偏向计（STM）智能交易系统（EA）能够将原始市场数据转化为清晰的可视化指引，实时显示市场倾向看涨、看跌还是保持中性。这让确认交易、避免虚假入场信号以及更有效地把握市场参与时机变得更加容易。 本文是 价格行为分析工具包开发

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 竞争性学习算法（CLA） 已发布： 本文介绍了竞争性学习算法（CLA），这是一种基于模拟教育过程的新型元启发式优化方法。该算法将解的种群组织为若干班级，班级中包含学生，而每个班级中最优的学生充当教师。其中代理通过三种机制进行学习：跟随班级中的最优解、利用个人经验以及在班级之间共享知识。 在过去的几十年里，人们提出了许多受生物启发的算法，从蚁群算法、粒子群算法到灰狼算法和鲸鱼算法。然而，人类社会因其复杂的社会互动，也可以成为有效优化方法创意的丰富源泉。这一思想正是竞争性学习算法（CLA）的基础。 CLA

新文章 克服机器学习的局限性（第二部分）：缺乏可重复性 已发布： 本文探讨了即便使用相同的策略和金融标的，不同经纪商的交易结果为何仍会存在显著差异，原因在于定价的分散化以及数据差异。本文有助于MQL5开发者理解为何他们的产品在MQL5市场上的评价褒贬不一，并敦促开发者针对特定经纪商调整方法，以确保结果透明且可重复。如果这一做法能被广泛地采用，将有望成为我们社区重要的特定领域最佳实践。 为了便于讨论，我随机选取了用于独立交易的两家经纪商。根据我们的社区准则，禁止推广经纪商，因此将他们的名字隐去，以“经纪商A”和“经纪商B”取而代之。 我使用MetaTrader

新文章 如何在 MQL5.com 上造就成功的信号提供者 已发布： 在本文中我的主要目标是为您提供一个简单而精准的步骤说明，助您变身 MQL5.com 上的顶级信号提供者。 借鉴我的知识和经验，我将讲解如何造就一名成功的信号提供者，包括如何寻找、测试、和优化一个优秀的策略。 此外，我将提供有关发布信号、撰写令人信服的推介、以及有效推广和管理信号的提示。 外汇是最大的金融市场，全球范围每日流转额超过 6 万亿美元，令精通交易的人士无法抗拒。 外汇交易是高盈利、高风险行业，任何人花上几小时或几天进行交易就能证明。

新文章 使用MQL5实现Firebase数据的增删改查 已发布： 本文提供一份循序渐进指南，带您掌握Firebase的CRUD（创建、读取、更新、删除）操作，重点聚焦实时数据库与Firestore。您将学习如何使用Firebase SDK方法高效管理Web与移动端应用的数据，涵盖新增记录、查询、修改以及删除数据条目。文中提供实用代码示例，并且介绍了实时场景下的数据结构设计与处理最佳实践，帮助开发者依托Firebase灵活的NoSQL（非关系型）架构，开发动态、可扩展的应用程序。

新文章 机器学习中的高斯过程（第一部分）：MQL5 中的分类模型 已发布： 本文探讨了高斯过程的分类模型。我们将首先研究其理论原理，然后转向 MQL5 中 GP（高斯过程）库的实际开发。 我们将继续了解机器学习模型 — 高斯过程（GP）。在上一篇 文章 中，我们详细探讨了回归问题，其主要目标是预测连续值。而今天，我们要面对一个更为复杂的话题 — 分类。其主要难点在于，高斯过程中的分类推理没有解析解，需要使用拉普拉斯近似等近似方法。 为了有效解决这一复杂问题，我们将在 MQL5 中开发一个高斯过程的模块化库。这种方法可以通过将 GP

新文章 Parafrac震荡器：抛物线SAR与分形指标的组合 已发布： 我们将探究如何把抛物线SAR与分形指标相结合，构建一款全新的震荡器。通过融合这两种工具各自独有的优势，交易者有望开发出一套更完善且更高效的交易策略。 技术指标是市场交易者不可或缺的工具，它将复杂的数学公式转化为直观的图形展示。这种可视化形式有助于高效开展市场分析、制定交易策略以及设计入场方案。至关重要的是，每当新行情数据到来时，这类自动化工具可以让交易者摆脱繁琐的手动重新计算工作，保证分析结果实时更新、紧跟市场变化。

新文章 MQL5中的量子神经网络（第一部分）：创建包含文件 已发布： 本文提出了一种基于量子原理与AI（人工智能）构建交易系统的全新方案。作者阐述了一套独特神经网络的开发过程，该网络融合量子力学与现代AI架构，突破了传统机器学习框架。 人类大脑会同时调用多种类型的记忆。当经验丰富的交易者观察行情图表时，会瞬间回忆起历史上的相似行情，分析当下市场环境，凭借直觉预判后续可能发生的行情。这一原理正是我们的上下文分析器（ContextAnalyzer）的设计基础，该创新组件以数字化的方式复现人类交易直觉。

新文章 交易中的神经网络：跨域时间序列预测框架（结论） 已发布： 本文聚焦于TimeFound时间序列预测模型的工程落地实现，探讨如何基于MQL5实现该框架核心算法的关键步骤。 第一阶段，使用 欧元兑美元 （EURUSD）货币对一分钟周期的五年历史数据训练编码器。如此庞大且精细的数据量，足以生成对当前市场状态具备深度语义的隐表征。编码器学习识别关键模式、挖掘市场规律，并将市场行情编码为紧凑且富含信息的向量，供给其余全部模块使用。 第二阶段，对架构中的核心交互组件 —— Actor 、 Director 和 Critic

新文章 市场模拟（第 24 部分）：仓位视图（二） 已发布： 在本文中，我将展示如何以最简单、最实用的方式使用指标来跟踪交易服务器上的未平仓位。我将逐步演示，以表明您并不一定需要将所有这些操作都转移到 EA 中。你们中的许多人可能因为这样或那样的原因已经习惯了这样做。事实上，这并不完全合理，因为随着这种实现方式的演变，您将清楚地看到，您可以为此目的创建或实现不同类型的指标。 在上一篇文章“ 市场模拟：仓位视图（一） ”中，我们开始探讨创建并实现一个指标的可能性，该指标能让我们直接在交易品种图表上对未平仓位进行可视化展示。虽然许多人认为没有必要这样做，因为我们可以依靠 MetaTrader 5

新文章 针对初学者以 MQL5 编写“EA 交易”的分步指南 已发布： 使用 MQL5 的“EA 交易”编程很简单，您可以轻松学会。我们在本分步指南中向您指出了基于开发的交易策略编写简单的“EA 交易”所需的基本步骤。“EA 交易”的结构、内置技术指标和交易函数的使用、调试模式的详细内容以及策略测试程序的使用将在本文中一一论及。 作者： Samuel

新文章 交易中的神经网络：一种跨领域时间序列预测框架（TimeFound） 已发布： 本文将分步搭建 TimeFound 智能模型的核心模块，使其适配真实场景下的时序预测任务。如果你希望了解神经网络分块算法在 MQL5 中的工程落地实现，那么本文正是为你准备的。 过去， ARIMA 和指数平滑等经典统计模型得到了广泛应用。就连线性回归往往也能发挥不错的效果。主张采用简易模型的论点听起来十分有说服力 —— 直到深度神经网络登上舞台。现如今，深度学习模型早已不再只是 小有成果 ；它们收获了丰硕的成果，凭借着处理海量历史数据时出色的精度与运算速度令人惊叹。

J. F. Ehlers 重心 : 重心振荡器，由 John Ehlers 开发并发表于 "Stocks & Commodities (股票 & 期货)" 杂志 (2002 五月)。 作者： Nikolay Kositsin