新文章 市场模拟（第五部分）：创建 C_Orders 类（二） 已发布： 在本文中，我将解释 Chart Trade 如何与 EA 交易一起处理平仓请求，以关闭用户的所有未平仓头寸。这听起来简单，但你需要知道如何应对一些复杂情况。 在上一篇文章， 市场模拟（第四部分）：启动 C_Orders 类 (一) 中，我当时主要专注于解释发送市价交易指令的代码是什么样子。整个解释旨在演示如何构建类代码，以便解码从 Chart Trade 指标接收的信息。 然而，即使没有看过 EA
新文章 探索达瓦斯箱体突破策略中的高级机器学习技术 已发布： 达瓦斯箱体突破策略由尼古拉斯·达瓦斯（Nicolas Darvas）提出，是一种技术交易方法：当股价突破预设的"箱体"区间上沿时，视为潜在买入信号，表明强劲的上升动能。本文将以该策略为例，探讨三种高级机器学习技术的应用。其中包括：利用机器学习模型直接生成交易信号（而非仅过滤交易）；采用连续型信号（而非离散型信号）；使用基于不同时间框架训练的模型进行交易验证。 达瓦斯箱体突破策略由尼古拉斯·达瓦斯（Nicolas
新文章 MQL5中用于预测与分类评估的重采样技术 已发布： 本文将探讨并实现一种方法：利用单一数据集同时作为训练集和验证集，来评估模型质量。 机器学习模型的性能评估通常分为两个独立阶段：在一个数据集上进行训练，在另一个数据集上进行测试。然而，当因资源限制或物流难题而难以收集多个数据集时，则需采用替代方法。 其中一种方法便是运用重采样技术来评估预测或分类模型的性能。尽管该方法可能存在潜在的缺陷，但已被证明能够提供可靠结果。本文将探讨一种新颖的模型质量评估方法，该方法利用单一数据集同时作为训练集和验证集。应用这些方法的主要原因在于测试数据的可用性有限。
新文章 探索创建多彩烛条的选项 已发布： 在本文中，我将探讨创建烛条自定义指标的可能性，并指出它们的优缺点。 后一种方法的巨大优势在于，尽管所需的缓冲区数量显著增加了，但我们将拥有更丰富信息的用户界面。 不过，我们不仅可以依据上色规则为我们提供有关业务规则的信息，而且还能提供看涨蜡烛和看跌蜡烛之间的区别，进一步拓展了这一优势。 这可以通过处理之前看到的蜡烛的边缘颜色和填充物来做到。 如此，我们达成了本文的目标，即演示如何根据一些业务规则创建上色规则，并将其应用于有填充和无填充的蜡烛图表。 我们的最终工作成果如下图所示。 作者： Samuel Manoel De Souza
新文章 市场模拟（第四部分）：创建 C_Orders 类（一） 已发布： 在本文中，我们将开始创建 C_Orders 类，以便能够向交易服务器发送订单。我们将循序渐进地进行，目标是通过消息系统详细说明这一过程的具体实现方式。 如果你一直在关注这个系列文章，你可能已经注意到在 开发回放系统（第 78 部分）：新 Chart Trade（五） ）中，在那里我开始展示交互是如何发生的，然而，同样的 EA 交易确实知道如何解释传入的消息。尽管当时使用的方法不允许跨订单系统，但我们在后续文章中解决了这个问题。在 市场模拟（第二部分）：跨期订单（二） 中，我演示了消息传递系统将如何构建以与 EA
新文章 交易中的神经网络：配备注意力机制（MASAAT）的智代融汇（终章） 已发布： 在上一篇文章中，我们讲述了多智代自适应框架 MASAAT，其用一组智代的融汇在不同数据尺度下对多模态时间序列进行交叉分析。今天我们将继续实现该框架方法的 MQL5 版本，并将这项工作带至逻辑完结。 为了捕捉显著的价格变动，智代套用具有不同阈值的方向性走势过滤器。这就能从所分析价格时间序列中提取关键趋势特征，改善对不同强度市场转变的解读。该方法提出了一种新颖的序列词元生成技术，令横断面注意力（ CSA ）和时态分析（ TA ）模块能够有效识别多元化的相关性。具体而言，在重造特征映射时， CSA
来自"MQL5算法交易的神经网络"教程的示例 : "MQL5算法交易的神经网络"教程是一本全面的操作指南，涵盖了人工智能和神经网络的理论基础，以及使用MQL5编程语言在金融交易应用的实践方面。 作者： MetaQuotes
新文章 从新手到专家：支撑与阻力强度指标（SRSI） 已发布： 在本文中，我们将分享如何利用MQL5编程来精准定位市场关键价位——区分价格水平中的弱势与强势区域。我们将完整开发一个可用的支撑与阻力强度指标（SRSI）。 我首先从波动率指数下的一个合成交易对——波动率75（1秒）指数——在周线图上开始分析。该交易对大约在2020年推出时，起初价格较高，但很快经历了长时间的暴跌，形成了数周的强劲下跌趋势。在那段时间做空该交易对的交易者可能获得了可观的利润。然而，我的主要关注点是市场结构，特别是过去三年的市场结构。
新文章 掌握 MQL5：从入门到精通（第六部分）：开发 EA 交易的基础知识 已发布： 本文继续针对初学者的系列文章。在这里我们将讨论开发 EA 交易的基本原则。我们将创建两个 EA：第一个 EA 不使用指标进行交易，使用挂单，第二个 EA 将基于标准 MA 指标，以当前价格开仓。在这里，我假设你不再是一个完全的初学者，并且对前几篇文章中的材料有相对较好的掌握。 最后，我们到达了创建 EA 交易的阶段。从某种程度上来说，我们已经到了决定性阶段。 为了充分利用本文，您应该已经熟悉以下概念： 变量（局部变量和全局变量）， 函数及其参数（通过引用和值）， 数组（包括对序列数组的基本理解），
新文章 改编版 MQL5 网格对冲 EA（第 II 部分）：制作一款简单的网格 EA 已发布： 在本文中，我们探讨了经典的网格策略，详解 MQL5 的智能交易系统的自动化，并初步分析回测结果。我们强调了该策略对高持有能力的需求，并概括了在未来分期分批优化距离、止盈和手数等关键参数的计划。该系列旨在提高交易策略效率，以及针对不同市场条件的适配性。 欢迎来到我们系列文章的第二批次，“改编版 MQL5 网格对冲 EA”。我们首先回顾一下我们在第一部分涵盖的内容。在第 I
新文章 MQL5 简介（第 12 部分）：构建自定义指标的初学者指南 已发布： 了解如何在 MQL5 中构建自定义指标。采用基于项目的方法。本初学者指南涵盖指标缓冲区、属性和趋势可视化，让您一步一步地学习。 欢迎回到我们的 MQL5 系列！到目前为止，我们已经介绍了很多，包括处理内置指标、创建 EA 交易系统、探索基本的 MQL5 概念，以及将我们的知识应用于实际项目。是时候学习如何从头开始创建自定义指标了。我们将更深入地了解指标的内部运作方式，从而完全控制其运作和设计，而不是依赖于内置功能。您是否想过 MQL5 的两个内置指标，移动平均线或 MACD
新文章 优化中自定义准则的新方法（第一部分）：激活函数示例 已发布： 本系列文章首篇将探讨自定义准则的数学原理，重点聚焦神经网络中使用的非线性函数、MQL5实现代码，以及目标导向与校正偏移量的应用。 自定义准则的定义能力，甚至利用其不透明方法论的复合准则，使得减少在Excel、Python、R或专有软件中对结果进行解析或至少分析的工作量成为可能，从而获得最优的参数排列组合。 其问题在于，在已发布的自定义准则中，使用“return(0)”的情况仍屡见不鲜。这样存在实际或潜在的危险，包括可能丢弃（勉强）不符合要求的结果，或者更糟的是，使遗传优化过程偏离潜在的有效路径。
FarhadCrab1:
FarhadCrab1 EA。它有许多设置。它也使用了大量的指标，它们中的一些: MA, Stochastic, Macd, RSI.
作者： John Smith
Price Channel 价格通道 : This is a simple price channel indicator allowing user to customize period and line colors. Often used in channel break strategies. 作者： Swordless 无剑
TrailingStopAndTake : 简单地对开启的仓位跟踪止损和获利。 作者： Scriptor
新文章 市场轮廓指标 已发布： 在本文中，我们将探讨市场轮廓指标。我们将探究这个名称背后隐藏的内容，尝试理解其运行原理，并分析其程序代码（MarketProfile）。 市场轮廓反映了基于时间、价格和成交量的交易构成。每天都会形成一个价格区间，该区间代表买卖双方之间的平衡。价格在这个区域内波动，市场轮廓帮助交易者在交易期间和交易结束后解释这些变化。它绘制在正态分布曲线上，其中大约70%的值位于均值的一个标准差范围内。换句话说，它是一个分析工具，显示成交量在某些水平上的分布，或者价格在某些水平上花费的时间。它帮助交易者了解最大的交易量发生在何处，并识别关键的供给和需求水平。
新文章 接受者操作特征（ROC）曲线入门 已发布： ROC 曲线是用于评估分类器性能的图形工具。尽管 ROC 图形相对简单，但在实践中使用它们时，仍存在一些常见的误解和误区。本文旨在为那些希望理解分类器性能评估的交易者提供一份关于 ROC 图形的入门介绍。 许多现实世界的应用都涉及二元分类问题，即实例属于两个互斥且穷尽的类别之一。当定义了一个单一的目标类别时，这种场景的一个普遍实例就会出现，每个实例被归类为要么属于该类别，要么属于其补集。例如，考虑雷达信号分类，屏幕上检测到的轮廓被归类为坦克（目标类别）或非坦克物体。同样地，信用卡交易可以被归类为欺诈（目标类别）或合法。
新文章 交易中的神经网络：配备注意力机制（MASAAT）的智代融汇 已发布： 我们概述多智代自适应投资组合优化框架（MASAAT），其结合了注意力机制和时间序列分析。MASAAT 生成一组智代，分析价格序列和方向变化，能够在不同细节层次识别资产价格的明显波动。
新文章 辩证搜索（DA） 已发布： 本文介绍了辩证算法（DA），这是一种受辩证法哲学概念启发的新的全局优化方法。该算法利用了人口中独特的划分，将其分为投机思想者和实践思想者。测试表明，在低维问题上，性能令人印象深刻，高达 98%，整体效率为 57.95%。本文解释了这些度量，并详细描述了算法和不同类型函数的实验结果。
一个简单的交易面板 : 本实例在MT4上创建几个按钮。分别实现BUY开仓、SELL开仓，BUY平仓、SELL平仓、全部平仓等简易功能。 作者： Yin Zhou Luo
新文章 血液遗传优化算法（BIO） 已发布： 我向大家介绍我的新种群优化算法——血液遗传优化算法（Blood Inheritance Optimization，BIO），该算法的灵感源自人类血型遗传系统。在该算法中，每个解都有其自身的“血型”，这一血型决定了其进化方式。正如自然界中，孩子的血型是依据特定规则遗传而来，在BIO算法中，新解通过一套遗传与变异机制来获取自身特性。
新文章 用于预测金融时间序列的生物神经元 已发布： 我们将为时间序列预测建立一个生物学上正确的神经元系统。在神经网络架构中引入类似等离子体的环境创造了一种“集体智能”，其中每个神经元不仅通过直接连接，还通过长距离电磁相互作用影响系统的运行。让我们看看神经大脑建模系统在市场上的表现。 诺贝尔奖获得者霍奇金-赫胥黎模型描述了细胞水平上神经冲动的产生和传播机制。但为什么这种特殊的模型可能是理解金融市场的关键呢？答案在于大脑中神经冲动的传播与市场中信息的传播之间的惊人类比。正如神经元通过突触连接交换电信号一样，市场参与者也通过交易交换信息。
新文章 使用 Python 创建波动率预测指标 已发布： 在本文中，我们将使用二元分类来预测未来的极端波动。此外，我们将利用机器学习开发极端波动预测指标。 在这篇文章中，我将分享我从绝望到有效波动预测系统的旅程。没有无聊的东西或学术术语 —— 只有真实的经验和可行的解决方案。我将向您展示如何将 MetaTrader 5 与 Python 结合起来（剧透：它们并没有立即相处融洽），如何让机器学习为我工作，以及我在此过程中遇到了哪些陷阱。 我从整个故事中获得的主要见解是，你不能盲目相信经典指标或流行的神经网络。我记得我花了一周时间建立了一个非常复杂的神经网络，然后一个简单的 XGBoost
ALGLIB - 数值分析库 : 移植到MQL5的ALGLIB 数学函数库 (v. 3.5.0) 。 作者： MetaQuotes Software Corp
新文章 在 IBM 量子计算机上分析所有价格变动选项 已发布： 我们将使用 IBM 的量子计算机来发现所有价格变动选项。听起来像科幻小说？欢迎来到用于交易的量子计算世界！ 虽然大多数交易者仍然依赖经典的指标和形态，但量子计算机为我们开辟了全新的视野。借助 Qiskit 库和 IBM 的量子计算机，我们可以超越传统的技术分析，在量子层面探索市场，在那里，每一个可能的价格变动都存在于叠加态中。 但是，让我们把那些高调的声明放在一边，来看一看事实。量子计算并非能解决所有交易问题的魔杖。它是一个强大的工具，需要同时对金融市场和量子力学有深入的理解。而有趣的地方就在这里。 在本文中，我们将探讨通过结合
新文章 百年数学函数如何革新您的交易策略？ 已发布： 本文聚焦R德马赫（Rademacher）函数与沃尔什（Walsh）函数。探讨如何将这两类诞生于20世纪初的数学工具应用于金融时间序列分析，并揭示其在交易策略中的创新应用场景。 对金融市场当前状态的分析，是成功交易最重要的基础。它使交易者能够评估当前形势、预测可能的价格变化，并做出明智的交易决策。为此，可以使用各种数学方法和模型。 在本文中，我们将讨论几种新的数学函数。其实并不是全新的。它们在大约100年前是新的。现在，有些函数已被遗忘，而有些则被应用。但出于某种原因，并未用于交易。让我们尝试纠正这一令人遗憾的疏漏。 作者： Aleksej
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