新文章 MQL5 中对象创建和析构的顺序 已发布： 每个对象，无论是自定义对象、动态数组还是对象数组，都以其特定的方式在 MQL5 程序中创建和删除。某些对象往往是其他对象的一部分，在取消初始化时对象删除的顺序便尤为重要。本文提供了涵盖对象使用机制的一些示例。 MQL5 程序的编写基于 面向对象编程 (OOP) 理念， 这不仅为创建自定义库带来了新的可能性，并允许您使用其他开发人员的完整且经过测试的类。MetaTrader 5 客户端的 标准库 中有数百个类，包含了数千种方法 。 要充分利用 OOP，我们必须清楚说明有关在 MQL5 程序中创建和删除对象的一些细节 。文档对 创建和删除对象
一个原始数学函数的跨平台开发库 : 原始数学函数来自各个地方，它们没有类似函数或者比其他实现方法运行得更快。 作者： fxsaber
新文章 另一个 MQL5 OOP 类 已发布： 本文会从一种理论性交易概念的构想，到编制一个在经验世界中实现这一概念的 MQL5 EA 交易，为您讲解如何从头建立一个面向对象的 EA 交易。依本人看，边做边学是取得成功的一种可靠方法。所以，我会拿出一个实用的例子，让您明白如何才能整理自己的想法，并最终完成外汇自动交易代码。和您一起遵守“面向对象”原则，也是我的目标之一。 以我之见，构建一个真正有效的完善的面向对象EA，是一项要求综合多项技能的挑战。逻辑推理、发散思维、分析与综合能力以及想像力等等。比方说，如
Dōteki Heikin Ashi (动态平均柱) : 动态版本的标准 Heikin Ashi 指标 (代码与 MQL4 或 MQL5 都是兼容的)。 作者： Fernando Carreiro
新文章 通用EA交易：与MetaTrader的标准信号模块集成 (第7部分) 已发布： 这部分文章描述了使用CStrategy引擎与MetaTrader中标准库的信号模块做集成。本文描述了如何操作信号，以及如何基于它们创建自定义的策略。 以下的图表显示了在策略的自动生成过程中，类的垂直继承一般架构。 图 1. 策略生成器中标准类的继承 作者： Vasiliy Sokolov
Cronex T RSI BBSW : 用于 MetaTrader 5 的 Cronex T RSI BBSW 指标。 作者： Sergii Kozin
新文章 带有图形用户界面的通用震荡指标 已发布： 本文描述了创建基于终端中所有震荡指标的通用指标的过程，并且指标中还带有自身的图形界面。该图形界面(GUI)使用户可以简单快速地直接在图表窗口中修改每个震荡指标的设置(不需要打开它的属性), 以及比较它们的数值和为特定的任务选取最佳的选项。 其它的方法是虚拟的，每个震荡指标将在子类中有它们特定的代码。Show() 方法将用于显示控件；FormHeight() 将返回表单的高度；InitControls() 方法只允许修改控件旁边的文字 (图 4). 图 4. 对于不同震荡指标在控件旁边显示不同的文字 事实上，来自 incGUI
新文章 神经网络实验（第 6 部分）：自给自足的价格预测工具 — 感知器 已发布： 本文提供了一个的示例，运用感知器作为自给自足的价格预测工具，展示其一般概念和最简单的已制备智能系统，然后是其优化结果。 指标是用于分析市场并帮助识别趋势、入场和离场时机、以及支撑位和阻力位的数学方程式。 可以在感知器中用于分析外汇市场的一些最常见指标包括： 移动平均线, 相对强弱指数（RSI）, 随机振荡器; , MACD（移动平均收敛扩散）。 将收盘价和指标传递给感知器，可令模型参考市场分析的各个方面，并创建更准确的价格预测。 例如，模型可利用移动平均线来判定整体市场趋势，然后利用随机振荡器来判定入场切入点。
新文章 神经网络在交易中的实际应用 Python (第一部分) 已发布： 在本文中，我们将分析一个基于Python的深层神经网络编程的交易系统的分步实现。这将使用谷歌开发的 TensorFlow 机器学习库执行。我们还将使用 Keras 库来描述神经网络。 让我们考虑一些与神经网络训练数据准备有关的问题。 为了决策 ，我们将使用两个神经网络在 一个方向上 打开仓位。, 根据前一点，训练数据应分为两组-每个方向一组。
本人想获取MT5历史订单的open时间和close时间，以及open价格和close价格。但是我打印HistoryOrderGetInteger(ticket,ORDER_TIME_SETUP)和HistoryOrderGetInteger( ticket ,ORDER_TIME_DONE)时间都是close时间。而无法获取open时间。请问大家有知道怎么获取历史订单的open时间吗？
新文章 处理时间（第一部分）：基础 已发布： 能够简化和澄清时间、经纪商时移、以及夏季或冬季变更的时间处理函数和代码片段。 准确的时序也许是交易中的一个关键因素。 在当前钟点，伦敦或纽约的证券交易所是否已经或尚未开市，外汇交易的交易时间何时开始和结束？ 对于一名实况手工交易者来说，这不算是个大问题。 如前所述，坐在屏幕前进行买卖的交易员可以轻松处理不同的时间。 无论是通过互联网还是某些功能，PC 均能保持这些数值或时钟可用，且可随时调用 MQL 函数，譬如 TimeGMT() ， TimeGMTOffset() 和其它函数获取这些数值。
回归分析 : 这个指标比较四种类型的回归（线性，两次方，对数和指数）并选则最能适合数据分析的那一个。 作者： BORIS ARMENTEROS
新文章 更好的程序员（第 05 部分）：如何成为更迅捷的开发人员 已发布： 每位开发人员都希望能够更快地编写代码，且能够更快、更有效地编写代码并非只是少数人与生俱来的特殊能力。 这项技能是可通过学习提升的，这就是我在本文中尝试传授的内容。 这篇文章是之前 篇幅 的扩展文章，如果您还没有阅读过以往文章，请考虑先阅读它们。 内容: 规划您的工作, 不要重新发明轮子, 只做需要做的事, 迎接更大的挑战, 健康生活, 现在就行动, 不要过度劳累自己, 质量不是一成不变的, 总会有最后期限, 了解您的高峰时刻, 反思是关键, 客观衡量, 工作之外的探索, 更迅捷的测试 作者： Omega
自动斐波那契指标 (自动 Fibos) : 除此之外有许多斐波那契指标, 但是我决定为您制作我自己的指标。 作者： Ahmed Soliman
新文章 MQL5 中的范畴论 (第 6 部分)：单态回拉和满态外推 已发布： 范畴论是数学的一个多样化和不断扩展的分支，直到最近才在 MQL5 社区中得到一些报道。 这些系列文章旨在探索和验证一些概念和公理，其总体目标是建立一个开放的函数库，提供洞察力，同时也希望进一步在交易者的策略开发中运用这个非凡的领域。 为了描绘这一点，我们考虑一个包含乘积域 Y、因子域 X、因子域 A，和回拉域的锥体；最近 N 根柱线的 EURJPY，EURUSD，USDJPY，和 USDX（美元指数）分别与前 N 根柱线相关值。 N 的值可以从遵循斐波那契数列的分位数桶中选择。 在我们的例子中，我们将选用五个值，即
新文章 通用EA:自定义策略和辅助交易类(第三章) 已发布： 在本文中，我们将继续分析CStrategy交易引擎的算法。这系列文章的第三篇包含如何使用这种方法开发特定的交易策略样例的详细分析。需特别关注辅助算法— 智能交易日志系统以及使用索引方式（Close[1]，Open[0]等）访问数据。 在第一篇文章通用智能交易系统：交易策略的模式中，我们已经详细考虑了策略的交易模式以及需被重载的主要方法。现在，是做练习的时候了。
新文章 神经网络: 智能交易系统自我优化 已发布： 是否有可能开发一款能够根据代码命令, 定期优化开仓和平仓条件的智能交易系统？如果我们以模块化的形式实现一个神经网络 (多层感知器) 来分析历史并提供策略, 会发生什么？我们可以做到 EA 每月(每周, 每天或每小时) 进行神经网络优化, 然后继续其工作。因此, 我们可以开发一款自我优化 EA。 在创建 NN 之后, 我们应该用前 800 个自然数的二进制形式 (10 个字符, 10 个输入神经元和 1 个输出神经元) 来训练它。之后, 我们应该将接下来的 200 个自然数转换为二进制形式 (从 801 到 1000 的二进制形式从)
新文章 学习如何基于斐波那契（Fibonacci）设计交易系统 已发布： 在本文中，我们将继续如何基于最流行的技术指标创建交易系统的系列文章。 这次一个新的技术工具，即斐波那契（Fibonacci），我们将学习如何基于该技术指标设计交易系统。 在本节中，我们将确定斐波那契回撤工具，并将学习如何在图表上使用它。 斐波那契是一种技术工具，可用于在图表上找到支撑或阻力区域，我们预计价格达到这些区域会反弹。 它基于斐波那契级数，斐波那契级数是一串符合数学规律的数字序列。 该系列的每个数字都是前两个数字的合计。 我们可以在图表上找到它，在特定水平（如 23.6%、38.2%、50% 和
ZZ Fibo Trader : ZZ Fibo Trader 简单地展示了 Simple ZZ Fibo 的使用, 它在之字转向的波动中绘制斐波那契线。另外，算法还展示了通过抛物线系统进行移动止损的操作。 作者： Oleg Shenker
Rsi(var) with averages : Rsi(var) with averages. 作者： Mladen Rakic
平滑平均 : 这个EA交易基于 iMA (移动平均, MA) 指标,反转信号,手数可以是固定或者按照风险百分比设置。 作者： Vladimir Karputov
新文章 基于改进的十字星（Doji）烛条形态识别指标的交易策略 已发布： 基于元柱线的指标比之传统指标，能检测到的蜡烛更多。 我们来检查一下这能否在自动交易中提供真正的益处。 在那之后，在大约 5000 个设置选项中，单柱线 EA 只剩下大约 600 笔，元柱线 EA 只剩下大约 900 笔（因为它平均进行更多交易）。 我们基于它们构建一个图形来比较单柱线 EA 和元柱线 EA 的训练阶段： 最小得可靠优化结果 该图形显示，单柱线 EA（从回归线可以看出）在整个训练期间的平均结果略好。 但元柱线 EA 的结果分布范围更广，无论是更大损失方向上，还是在更大盈利能力方向上。
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