新文章 您应当知道的 MQL5 向导技术（第 09 部分）：K-Means 聚类与分形波配对 已发布： “K-均值”聚类采用数据点分组的方式，该过程最初侧重于数据集的宏观视图，使用随机生成的聚类质心，然后放大并调整这些质心，从而准确表示数据集。我们将对此进行研究，并开拓一些它的用例。 默认情况下，“k-均值” 实际上非常缓慢且效率低下，这就是为什么它通常被称为朴素 “k-均值”，“朴素”意味着有更快的实现。这种苦差事的一部分源于在优化开始时，数据集是随机分配初始质心。此外，在随机选择质心之后，通常运用 劳埃德（Lloyd）算法
新文章 群体优化算法：智能水滴（IWD）算法 已发布： 文章探讨了一种源自无生命自然的有趣算法 - 模拟河床形成过程的智能水滴（IWD，Intelligent Water Drops）。这种算法的理念大大改进了之前的评级领先者 - SDS。与往常一样，新的领先者（修改后的 SDSm）可在附件中找到。 IWD
新文章 如何利用 MQL5 创建简单的多币种智能交易系统（第 5 部分）：凯尔特纳（Keltner）通道上的布林带 — 指标信号 已发布： 本文中的多币种 EA 是一款智能交易系统或交易机器人，可以仅从一个品种图表中交易（开单、平单和管理订单，例如：尾随止损和止盈）多个品种（对）。在本文中，我们将用到来自两个指标的信号，在本例中为凯尔特纳（Keltner）通道上的布林带®。 布林带®由约翰·布林格（John Bollinger）在 1980 年代创造，并迅速成为技术分析领域使用最广泛的指标之一。布林带®由三条波带组成 — 上边带、中轨和下边带 —
AMA STL Color MetaTrader 5 : 自适应移动平均(Adaptive Moving Average, AMA)是一个技术指标， 作者： LeonLexx
新文章 学习如何基于抛物线 SAR 设计交易系统 已发布： 在本文中，我们将继续讲述如何基于最流行的指标设计交易系统。 在本文中，我们将详细学习抛物线 SAR 指标，以及如何运用一些简单的策略来设计用于 MetaTrader 5 的交易系统。 在本主题中，我们将为我们的策略设计一个蓝图，来帮助我们依据它们编写交易系统的代码，因为这样允许我们安排和结构化我们的念头，如此来了解我们需要通知智能系统每一步做什么，因此以下是每种策略的蓝图。 策略一：上升趋势策略： 我们会通知计算机或智能系统所需检查的内容，以及在满足条件的情况下返回的内容，在此策略中，我们需要检查 SAR
新文章 RSI深三步交易技巧 已发布： 在MetaTrader 5中展示RSI深三步交易技术。本文基于一系列新的研究，这些研究展示了一些基于RSI的交易技术，RSI是一种技术分析指标，用于衡量股票、货币或商品等证券的强度和动量。 深三步技术有一个有趣的假设，该假设指出，通常每当RSI进入超卖或超买水平，并形成连续三次更深的移动，而第四次移动是确认（也必须更深），那么就可以给出信号。交易条件如下：
新文章 创建多交易品种、多周期指标 已发布： 在本文中，我们将研究创建多交易品种、多周期指标的原则。我们还将了解如何从 EA 交易和其他指标中获取此类指标的数据。我们将探讨在 EA 交易和指标中使用多指标的主要功能，并将了解如何通过自定义指标缓冲区绘制它们。
Colored Zerolag MACD : 这是 MQL5 版本的 ZeroLag(零延迟) MACD。 作者： Farzin Sadeghi
唐契安通道 : 唐契安通道是一个使用最近的最高和最低价格计算当前价格范围的振荡指标。 作者： Nikolay Kositsin
新文章 CatBoost 模型中的交叉验证和因果推理基础及导出为 ONNX 格式 已发布： 本文提出了使用机器学习创建 EA 交易的方法。 正如我们的结论经常是错误的并且需要验证一样，机器学习模型的预测结果也应该经过仔细检查。如果我们将反复检查的过程转向我们自己，我们就能获得自制力。机器学习模型的自我控制归结为在不同但相似的情况下多次检查其预测的错误。如果模型平均犯的错误很少，则意味着它没有过度训练，但如果它经常犯错误，那么它就有问题了。
新文章 群体优化算法：带电系统搜索（CSS）算法 已发布： 在本文中，我们将探讨另一种受无生命自然启发的优化算法--带电系统搜索（Charged System Search，CSS）算法。本文旨在介绍一种基于物理和力学原理的新的优化算法。 在物理学中，电荷周围的空间具有一种称为电场的特性。这种场对其他带电物体产生一种力。点电荷周围的电场由库仑定律决定。库仑证实，任何两个带电小球之间的电场力与粒子间沿连接线的距离的平方成反比，与两个粒子的电荷乘积成正比。此外，还可以利用高斯定律，即电场大小与粒子间的距离成正比，来求得带电球体内部某个点的电场大小。利用这些原理，CSS
FullDump : 基于指标 iBands (布林带，BB) 和 iRSI (相对强弱指数，RSI) 的交易策略。 作者： Vladimir Karputov
新文章 利用余额图进行策略优化并将结果与 "余额 + 最大锋锐比率" 标准进行比较 已发布： 在本文中, 我们研究另一种基于分析余额图来优化自定义交易策略的准则。线性回归使用 ALGLIB 函数库中的函数进行计算。 MACD Sample balance regression.mq5 , EURUSD, H4, 未启用前瞻测试 选择以下参数用于优化: 插图 19. 测试器, 输入选卡 我将针对 MACD Sample balance regression EA 进行同样的三次测试: 测试 1: 优化标准 "余额 + 最大锋锐比率" 参数 , 测试 2: 优化 "自定义最大" 自定义参数
ColorXADX_HTF : 指标 ColorXADX 在输入参数中有时间帧选项。 作者： Nikolay Kositsin
新文章 种群优化算法：Nelder-Mead（NM），或单纯形搜索方法 已发布： 本文表述针对 Nelder-Mead 方法进行的彻底探索，解释了如何在每次迭代中修改和重新排列单纯形（函数参数空间），从而达成最优解，并讲述了如何改进该方法。 Nelder-Mead 方法由 John Nelder 和 Roger Mead 于 1965 年开发。他们那时正在寻找一种优化方法，能配合没有导数、或没有导数解析方程的函数工作。他们还打算开发一种易于实现且高效的方法，从而在当时的计算机上使用。这项研究激发了他们使用单纯形的灵感 — 函数参数空间中的多面体。 该方法的创建历史始于约翰·内尔德（John
新文章 手工制图表和交易工具箱（第三部分）。 优化和全新工具 已发布： 在本文中，我们将深入开发利用键盘快捷键在图表上绘制图形对象的设想。 全新工具已被加到函数库当中了，包括一条贯穿任意顶点绘制的直线，以及一组能够评估逆转时间和价位的矩形。 此外，本文还展示了优化代码从而提高性能的可能性。 实现示例已经重写，能够使用其它交易程序的快捷方式。 所需的代码知识水平：略高于初学者。 首先提供的是在较小时间帧上指标线偏移效应有关。 如果以常规方式画线，则在时间帧之间切换时会出现类似的情况： 与 D1 上的极值完全重合的直线左边缘在 H4 上向左偏移了，因此它并未与极值重合。
新文章 开发回放系统（第 36 部分）：进行调整（二） 已发布： 让我们的程序员生活举步维艰的原因之一就是做出假设。在本文中，我将向您展示假设是多么危险：例如在 MQL5 编程中假设类型将具有某个特定值，或是在 MetaTrader 5 中假设不同服务器的工作方式相同。 当 EA 位于图表上时，它会通知它所检测到的账户类型。这对于了解 EA 应如何行动非常重要。不过，尽管这样做效果很好，但当系统在真实账户或模拟账户的图表上运行时，系统不会使用控制重放/模拟系统的控制功能，也不会报告资产所属的账户类型，而是报告平台运行的账户类型。这个问题虽然不大，但确实给我们带来了一些不便。
新文章 神经网络变得简单（第 65 部分）：距离加权监督学习（DWSL） 已发布： 在本文中，我们将领略一个有趣的算法，它是在监督和强化学习方法的交叉点上构建的。 行为克隆方法，大部分基于监督学习的原理，展现出相当良好的结果。但它们的主要问题仍然是寻找偶像般的模型，而这些有时很难收集。反之，强化学习方法能够依据非最优原数据工作。同时，它们可以找到次优政策来达成目标。然而，在寻找最优政策时，我们时常会到一个优化问题，其与高维和随机环境更多关联。 为了弥合这两种方式之间的间隙，一群科学家提出了 距离加权监督学习（DWSL） 方法，并在文章 《离线交互数据的距离加权监督学习》
新文章 利用 Donchian 通道进行交易 已发布： 在本文中, 我们开发并测试若干种基于 Donchian 通道和各种指标滤波器的策略。我们还对其操作进行了比较分析。 我不会重新发明车轮, 也不会再创建此指标的另一个程序。我决定使用其 Donchian 通道系统 改编版, 它完美地体现了基于此系统的交易风格。在图例.1 中, 粉红色和蓝色的蜡烛条显示了通道边界被突破的区域, 在此位置预计入场。 图例1. 基于 Donchian 通道的操作原理和入场点。 作者： Alexander Fedosov
新文章 开发回放系统（第 35 部分）：进行调整 (一) 已发布： 在向前迈进之前，我们需要解决几个问题。这些实际上并不是必需的修正，而是对类的管理和使用方式的改进。原因是系统内的某些相互作用导致了故障的发生。尽管我们试图找出这些故障的原因以消除它们，但所有这些尝试都没有成功。其中有些情况完全不合理，例如，当我们在 C/C++ 中使用指针或递归时，程序就会崩溃。 在上一篇文章 《开发回放系统》（第 34 部分）中：订单系统 (三)
新文章 开发回放系统（第 34 部分）：订单系统 (三) 已发布： 在本文中，我们将完成构建的第一阶段。虽然这部分内容很快就能完成，但我将介绍之前没有讨论过的细节。我将解释一些许多人不理解的问题。你知道为什么要按 Shift 或 Ctrl 键吗？
新文章 机器学习中的量化（第 2 部分）：数据预处理、表格选择、训练 CatBoost 模型 已发布： 本文探讨了量化在树模型构建中的实际应用。探讨了选择量化表和数据预处理的方法。没有使用复杂的数学方程。 让我们使用描述 Q_Error_Selection 脚本功能的示例来探讨我已经实现的数据预处理方法。
新文章 神经网络变得简单（第 64 部分）：保守加权行为克隆（CWBC）方法 已发布： 据前几篇文章中所执行测试的结果，我们得出的结论是，训练策略的最优性很大程度上取决于所采用的训练集。在本文中，我们将熟悉一种相当简单，但有效的方法来选择轨迹，并据其训练模型。 该方法的作者提出了一种新的保守性正则化器，用于回报条件化的行为克隆方法，显式鼓励政策停留在接近原始数据分布。该思路是当条件化回报位于大量分布之外时，为了停留在接近分布内的动作，而强制执行预测动作。这是通过往拥有高回报轨迹里的 RTG 添加正值噪声，并惩罚预测动作与地面实况之间的 L2
新文章 神经网络变得简单（第 63 部分）：决策转换器无监督预训练（PDT） 已发布： 我们将继续讨论决策转换器方法系列。从上一篇文章中，我们已经注意到，训练这些方法架构下的转换器是一项相当复杂的任务，需要一个大型标记数据集进行训练。在本文中，我们将观看到一种使用未标记轨迹进行初步模型训练的算法。 至于优调期间，我需要连续数十次下游训练和测试迭代，这也需要时间和精力。 然而，学习结果并不那么乐观。作为训练的结果，我得到了一个模型，其按最小手数交易，并取得了不同的成功率。在历史的某些部分，余额曲线展示出明显的上升趋势。在另一些部分，则明显下降。泛泛来说，依据训练数据和新集合，模型的结果都接近于
新文章 模式搜索的暴力方法（第六部分）：循环优化 已发布： 在这篇文章中，我将展示改进的第一部分，这些改进不仅使我能够使MetaTrader 4和5交易的整个自动化链闭环，而且还可以做一些更有趣的事情。从现在起，这个解决方案使我能够完全自动化创建EA和优化，并最大限度地降低寻找有效交易配置的劳动力成本。 整个想法中最重要的元素是终端和我的程序之间的交互系统。事实上，它是一个具有高级优化标准的循环优化器。上一节介绍了最重要的问题。为了使整个系统正常工作，我们首先需要一个报价来源，这是MetaTrader
新文章 如何利用 MQL5 创建简单的多币种智能交易系统（第 3 部分）：添加交易品种、前缀和/或后缀、以及交易时段 已发布： 若干交易员同事发送电子邮件或评论了如何基于经纪商提供的名称里带有前缀和/或后缀的品种使用此多币种 EA，以及如何在该多币种 EA 上实现交易时区或交易时段。 在 上一篇文章 中，我说过，这个多币种智能交易系统不适用于经纪商提供的含有前缀或后缀的品种或货币对。 在仅适用于单一货币对的 EA 中（一个 EA 只对一个货币对起作用），经纪商的品种名称含有前缀和/或后缀也不会出现任何问题。 但是在我创建的多币种 EA 中，这成了一个问题，因为我们首先注册了 30
Trailing Stop Management Function : Filter orders based on the set magic number, execute the final stop loss management function, adjust the Stoploss and TrailingStop parameters, and place the Management function according to the structure of ea. It is recommended to place it under void OnTick() 作者：
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