Stochastic_HTF : 一个可选计算周期的随机震荡指标，选用的周期可以和指标所在图表的周期不同 作者： Nikolay Kositsin
Elliott_Wave_Oscillator_Sign_Alert : 基于 Elliott_Wave_Oscillator 指标算法的信号灯信号指标，它可以提醒，发送电子邮件以及向手机设备中发送推送通知。 作者： Nikolay Kositsin
果汁 : 果汁是标准偏差指标，示意偏差是低于还是高于某个固定级别。 这样就可以示意相比该级别波动率是否与有所增减。 作者： Mladen Rakic
新文章 从头开始开发智能交易系统（第 25 部分）：提供系统健壮性（II） 已发布： 在本文中，我们将朝着 EA 的性能迈出最后一步。 为此，请做好长时间阅读的准备。 为了令我们的智能交易系统可靠，我们首先从代码中删除不属于交易系统的所有内容。 非常有趣的是，此函数中没有创建任何东西。 然而，如果编译 EA 并执行，它将创建幻影，并显示在服务器上的订单状态。 若要理解这一点，请观看以下视频。 这是系统在现实中如何操作的演示。 幻影指标确实在图表上被创建，但这如何实际发生的？ 我们如何设法创建指标，而无需在代码中的某个地方实际创建它们？ 这就是幻影。
新文章 使用 OpenCL 测试烛形形态 已发布： 这篇文章描述了在"一分钟OHLC"模式下实现 OpenCL 烛形形态测试器的算法。我们还将把它的速度与内建的策略测试器在快速和慢速优化模式下做比较。 我们需要依赖一些东西来确保使用OpenCL实现的测试器是正确工作的。首先，我们需要开发一个 MQL5 EA，然后我们将会比较使用常规测试器优化和测试与使用OpenCL的测试器的结果。 测试的目标是一个根据以下烛形形态来进行交易的简单EA： 看跌针杆（pin bar）, 看涨针杆 （pin bar）, 看跌吞噬, 看涨吞噬 策略非常简单: 看跌针杆或者看跌吞噬 — 卖出, 看涨针杆或者看涨吞噬 —
RSI candles with Keltner channel : RSI candles with Keltner channels 作者： Mladen Rakic
AMA 交易员 : 基于 iAMA（自适应移动平均线，AMA）和 iRSI（相对强弱指数，RSI）指标的交易策略。 应用马丁格尔（逆势翻倍加仓）。 作者： Vladimir Karputov
新文章 DoEasy. 控件 (第 12 部分): 基准列表对象、ListBox 和 ButtonListBox WinForms 对象 已发布： 在本文中，我将继续创建 WinForms 对象列表的基准对象，以及两个新对象：ListBox 和 ButtonListBox。 编译 EA，并在图表上启动它： 在此，我们可看到顶部两个 ButtonListBox 按钮的操作方式与底部两个略有不同。 这取决于设置的标志。 在第一种情况下，无法禁用按钮再次被按下。 我们能通过按第二个按钮来禁用另一个按钮。 在第二种情况下，可以通过单击第二个按钮，以及再次按下已启用的按钮来禁用该按钮。
新文章 一个绘制支撑和阻力线的指标实例 已发布： 本文提供了一个例子，它是关于如何实现根据指定条件绘制支撑和阻力线的指标的，另外，它也包含了一个可以使用的指标，您将看到，创建指标的过程有多么简单。您也将能学习如何通过修改指标代码来构建用于绘制任何所需线形的条件。 应当使用什么样的标准来选择第二个点呢?首先，我们可以考虑跟在第一个点后的第二个分形点: 这会画出最近的线。但是我们也可以使用其它规则，例如图表上的最高点，如果价格没有穿过这个点继续向上的话，就可以用作阻力线，对于支撑线则是相反。您可以定义您自己的第二个点的选择规则。我们将使用第二个最近的分形。 作者： Andrey
WININET_TEST : 这是一个演示如何使用WININET.DLL库从互联网上下载页面（文件）的简单实例。 作者： MetaQuotes Software Corp
Schaff 趋势循环 - TEMA : 和最初的 Schaff 趋势循环指标不同，这个版本使用了 TEMA MACD 来进行计算，这使它可以“更快”判断趋势的改变 (即使与 DEMA 版本相比)，而能够提前几个柱生成信号。 作者： Mladen Rakic
新文章 从头开始开发智能交易系统（第 24 部分）：提供系统健壮性（I 已发布： 在本文中，我们将令系统更加可靠，来确保健壮和安全的使用。 实现所需健壮性的途径之一是尝试尽可能多地重用代码，从而能在不同情况下不断对其进行测试。 但这只是其中一种方式。 另一个是采用 OOP。 有些事情并不那么简单，尽管有些人也许会想当然。 订单系统便是其中之一。 您甚至可以创建一个更适度的系统，为您提供完美的服务，就像我们在 从头开始开发智能交易系统 的文章中所做的那样，其中我们创建了一个基本系统，它对于大多人都有用，而对某些人来说还不够。 因此，当一切都开始变化，这一时刻就到来了 —
新文章 神经网络变得轻松（第二十一部分）：变分自动编码器（VAE） 已发布： 在上一篇文章中，我们已熟悉了自动编码器算法。 像其它任何算法一样，它也有其优点和缺点。 在其原始实现中，自动编码器会尽可能多地将对象与训练样本分开。 这次我们将讨论如何应对它的一些缺点。 为了测试变分自动编码器的操作，我们将取用 之前文章 中的模型。 将其保存为新文件“ "vae.mq5"。 在该模型中，编码器在第 5 个神经层上返回 2 个值。 为了正确规划变分自动编码器的操作，我将编码器输出端的层大小增加到 4 个神经元。 我还插入了新神经层，将变分自动编码器的潜伏状态作为第 6 个神经元。 该模型基于
新文章 学习如何基于标准偏差设计交易系统 已发布： 此为我们该系列中的一篇新文章，介绍如何利用 MetaTrader 5 交易平台中最受欢迎的技术指标来设计交易系统。 在这篇新文章中，我们将学习如何运用标准偏差指标设计交易系统。 策略一：简单标准偏差 — 波动性： 根据此策略，我们需要交易系统检查两个数值，并持续比较它们。 这两个值是当期标准偏差，和前五期标准偏差的平均值。 之后，我们需要交易系统来决定哪一个值较大。 如果当期 Std Dev 大于平均值，我们需要在图表上看到一条注释， 高波动性。, 当期 Std Dev 值。, 前 5 期 Std Dev 均值。 如果当期 Std Dev
新文章 机器学习：支持向量机如何应用于交易 已发布： 长 时间以来，支持向量机一直被应用于生物信息学和应用数学等领域，以评估复杂数据集以及提取可用于数据分类的有用模式。本文会研究何为支持向量机、它们的工 作方式，以及为什么说它们在提取复杂模式时非常有用。之后，我们再研究如何将其应用于市场，并发挥交易建议的潜在作用。本文将提供使用支持向量机学习工具 的有效示例，让读者能够试验自己的交易。 何为“支持向量机”？ 支持向量机是一种机器学习的方法，尝试将输入的数据分为两类。要使支持向量机生效，首先要使用一系列训练输入和输出数据来建立支持向量机的模型（用于新数据分类）。
新文章 价格序列离散化，随机分量和噪音 已发布： 我们通常使用烛条或条形图来分析行情，将价格序列切分成规则间隔。 这样的离散化方法不会扭曲行情走势的真实结构吗？ 将音频信号离散化为规则间隔是可以接受的解决方案，因为音频信号是随时间变化的函数。 信号本身是取决于时间的幅度。 该信号属性是基本的。 细心的交易者可能会注意到，行情上的烛条通常按“大”和“小”尺寸分组（波动率高和低的区域），这意味着图表不是随机漫游，而是有形态的。 如果时间离散引入了严重的失真，则不会观察到这种效果。 然而，可以通过以下事实来解释此事实：烛条大小取决于在此烛条内执行的交易操作的数量。 这该如何验证？
Slope_Direction_Line : 斜率方向线指标显示为彩色移动平均线，表示平均市场移动方向。 作者： Scriptor
随机振荡器 EA : 基于指标 iStochastic (随机振荡器，随机指标) 进行交易。 可启用/禁用持仓的止损, 止盈, 和尾随。 作者： Vladimir Karputov
Exp_Sar_Tm_Plus : 一款基于抛物线停止和反转系统指标信号的交易系统，可以设置一个固定的持仓时间。 作者： Nikolay Kositsin
Dodgy Backtest Example:
Expert shows how Backtest results are unreliable when you open and close an order on the same bar.
Author: Systrad5
Envelopes ATR MT5 : 本指标显示了交易品种震荡范围的上下边界的偏移。偏移是基于交易品种的 ATR 的。 作者： Yurij Izyumov
新文章 自适应算法(第三部分): 放弃优化 已发布： 如果采用基于历史数据的优化方法来选择参数，就不可能得到真正稳定的算法。一个稳定的算法应该知道在任何时候操作任何交易工具时需要哪些参数。它不应该预测或猜测，它应该确定知道。 在新版本中，我决定不使用蜡烛图，因为它们的参数不稳定。更准确地说，只使用M1蜡烛，因为继续处理分时（tick）会导致资源消耗的显著增加。理想情况下，处理分时比较好。 我将分析N个点的块,这些块与 renko 类似，但它们基于稍微不同的算法。我已经在文章“ 什么是趋势，市场结构是基于趋势还是基于横盘 ”中提到了方块图及其在分析中的优势。 图 1. 方块图表
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