新文章 学习如何基于鳄鱼（Alligator）设计交易系统 已发布： 在本文中，我们将完成有关如何基于最流行的技术指标设计交易系统的系列文章。 我们将学习如何创建基于鳄鱼指标的交易系统。 根据此策略，我们需要创建一个交易系统，基于持续检查以下值来生成看涨或看跌信号： 嘴唇值, 牙齿值, 下颌值 我们需要交易系统来判定这些值的位置，并基于此生成合适的信号。 如果嘴唇线大于牙齿，嘴唇大于下颌，牙齿线大于下颌，在这种情况下，我们要求交易系统在图表上返回含有以下值的注释： 看涨, 下颌值 = n, 牙齿 = n, 嘴唇值 = n
新文章 神经网络变得轻松（第三十一部分）：进化算法 已发布： 在上一篇文章中，我们开始探索非梯度优化方法。 我们领略了遗传算法。 今天，我们将继续这个话题，并将研究另一类进化算法。 优化之后，在策略测试器中测试了模型。 为了测试模型，我用到了 Evolution-test.mq5 EA，它是前几篇文章中的 EA 精确副本。 仅有的影响就是更改了加载模型的文件名。 完整的 EA 代码可在附件中找到。 EA 基于过去 2 周历史数据进行了测试，不包括训练样本。 这意味着 EA 是在接近真实条件下进行测试的。 测试结果展现了所提方法的可行性。 在下面的图表中，您可以看到余额增加的动态。
新文章 DoEasy. 控件 (第 25 部分): Tooltip WinForms 对象 已发布： 在本文中，我将开始开发 Tooltip（工具提示）控件，以及函数库的新图形基元。 自然而然地，并非每个元素都有工具提示，但每个图形对象都有设置它的能力。 编译 EA，并在图表上启动它： 将鼠标指针悬停在箭头按钮上方时，会立即显示工具提示。 每个对象都有它们自己的图标。 工具提示不会脱离屏幕 — 它们的坐标已正确调整。 现在，我们看到在箭头按钮上方绘制的新箭头作为标准图形基元绘制。 很自然，工具提示对象的行为是不正确的。 它们的正确行为将在以后实现。 该测试仅用于评估对象的外观。 作者：
新文章 神经网络变得轻松（第二十四部分）：改进迁移学习工具 已发布： 在上一篇文章中，我们创建了一款用于创建和编辑神经网络架构的工具。 今天我们将继续打造这款工具。 我们将努力令其对用户更加友好。 也许可以看到，我们的主题往上更进一步。 但是，您不认为规划良好的工作空间在实现结果方面起着重要作用吗？ 在本系列的上一篇文章中，我们创建了一款工具来利用迁移学习技术。 作为完工后的结果，我们得到了一款工具，能够编辑已训练模型。 利用此工具，我们可以从预训练模型中提取任意数量的神经层。 当然，也有限制条件。 我们只从初始数据层开始提取连续的层。 这种方式的原因在于神经网络的本质。
分形自适应 MACD : 分形自适应移动平均技术指标 (FRAMA) 是由 John Ehlers 开发的，这个指标是基于指数移动平均的算法构建的，而平滑因数十根据当前价格序列的分形维度来计算的。FRAMA 的优点是可以跟随强的趋势变化，而在价格盘整的时候就变慢。 作者： Mladen Rakic
Pending orders UP : 这个脚本程序在比当前价格高的地方设置多个挂单。 作者： Vladimir Karputov
新文章 网格和马丁格尔交易系统中的机器学习。 您敢为其打赌吗？ 已发布： 本文介绍了应用于网格和马丁格尔交易的机器学习技术。 令人惊讶的是，这种方法在全球网络中难觅踪迹。 阅读过本文之后，您将能够创建自己的交易机器人。 测试应在机器人所训练的时间帧内进行。 在这种情况下，它是 H1。 可以采用开盘价对其进行测试，因为该机器人对于柱线开盘拥有明确的控制权。 不过，由于运用的是网格，因此可以选择 M1 OHLC 来获得更高的精度。 该特定的机器人已在以下周期内经历了训练： START_DATE = datetime ( 2020 , 5 , 1 ) TSTART_DATE = datetime (
新文章 用于 Renko 制图的指标 已发布： 文章 点数图指标 和 Kagi 制图指标 描述了 点数图 和 "Kagi" 指标制图的原理。让我们来学习一种创建 Renko 图表的编程方式。 这个名字 "Renko" 是来自日本的一个词 "红砖"，一种砖块。Renko 图表由一系列价格波动确定的砖块构建。当价格上涨, 一块向上的砖块放置在图表中, 当下跌则加一块向下的砖块。"Renko" 在日语中是 "步调缓慢" 的意思。此 Renko 图表大概是在 19 世纪出现在日本的某处。在美国和欧洲首次听到它，是在 1994，由 Steeve Nison 发表在他的书中 Beyond
新文章 逆转形态：测试头肩形态 已发布： 本文是前一篇名为“逆转形态：测试双顶/双底形态”的后续文章。 现在我们将会看到另一个著名的逆转形态，称为头肩，比较两种形态的交易效率，并尝试将它们合并成为单一的交易系统。 头部和肩部以及倒置的头部和肩部形态是最著名和最广泛使用的图形形态。 形态的名称清楚地描述了其图形结构。 头肩形态是在看涨趋势结束时形成的，并提供卖出信号。 该形态本身由三个连续的价格图表顶部组成。 中间的顶部高于两个相邻的顶部，就像肩膀上方的头部。 中间的顶部称为头部，而相邻的部分称为肩部。 连接形态顶部与底部之间的连线为颈线。 其颈部向左倾斜的形态信号被认为更强。
新文章 如何在莫斯科交易所安全地使用您的 EA 进行交易 已发布： 本文深入研究了交易方式, 通过莫斯科交易所衍生产品市场的例子来说明如何确保在股票和低流动性市场中交易操作的安全性。它带来了一些实践方法, 其交易原理在文章 "Principles of Exchange Pricing through the Example of Moscow Exchange's Derivatives Market - 莫斯科交易所衍生产品市场为例的定价原则" 里描述。 所有在金融市场里交易的人都要承受经济损失的风险。这些风险的性质不同, 但结局一致 - 赔了钱
新文章 种群优化算法：蚁群优化（ACO） 已发布： 这次我将分析蚁群优化算法。 该算法非常有趣且复杂。 在本文中，我尝试创建一种新型的 ACO。 ACO 算法是一种群体智能算法。 依据蚁群的觅食过程进行建模，利用蚁群的内部数据传输机制建立各种环境下的最短路径。 路径上残留的信息素浓度越高，蚂蚁选择这条路径的可能性就越大。 与此同时，信息素的浓度随着时间的推移而减弱。 因此，由于蚁群的行为，蚂蚁通过反馈机制不断学习和优化，从而判定最短的觅食路径。 ACO 算法广泛用于路径规划。 ACO 基于 Skin 测试函数 ACO 基于 Forest 测试函数 ACO 基于 Megacity 测试函数
MT5二元期权模拟交易(练习指标) : 这是一款基于MT5客户端二元期权模拟交易的指标小程序，可供新手交易者练习自己的交易策略，程序界面包含了简体中文和英文两种语言。 作者： Leon Lam
交易信号模块，基于 3LineBreak 指标 : 交易信号模块用于 MQL5 向导。这一时刻, 当 3LineBreak 形成的柱线改变了它的颜色, 表明这是入场时间。 作者： Nikolay Kositsin
新文章 如何安装并使用 OpenCL 计算 已发布： MQL5 为 OpenCL 提供原生支持已逾一年。但是，见证到并行计算在其 EA 交易、指标或脚本中使用的真正价值的用户并不是很多。本文旨在帮助您安装并在自己的计算机上设置 OpenCL，让您能够在 MetaTrader 5 交易终端中尝试使用此技术。 什么是 OpenCL? OpenCL 是由 Khronos Group 集团于 2008 年开发的并行编程开放标准。这一标准允许您利用异构系统中的不同架构，开发可以在 GPU 或 CPU 上并行运行的应用程序。 换而言之，OpenCL 使得计算某任务时运用所有 CPU 核心或 GPU
TTF_Plus_MW : 箭头信号指标。当出现交易机会时指标会在图表上绘制彩色的圆点。 作者： Nikolay Kositsin
深度缩水均线 : EA 在快速 iMA 和缓慢 iMA (移动平均，MA) 交叉时开仓。 它具有冲抵亏损的特性。 它捕获 OnTradeTransaction 中的仓位类型。 作者： Vladimir Karputov
新文章 DoEasy. 控件 (第 24 部分): 提示（Hint）辅助 WinForms 对象 已发布： 在本文中，我将修改为所有 WinForms 函数库对象指定基准对象和主对象的逻辑，并开发一个新的提示（Hint）基准对象，及其若干个派生类，用以示意移动隔板的可能方向。 为了执行测试， 我将采用上一篇文章中的 EA ，并将其保存在 \MQL5\Experts\TestDoEasy\ Part124\ 中，命名为 TestDoEasy124.mq5 。 而 EA 不会有任何变化。 我们在图表上编译，并启动它： 实现的功能均工作正常。 作者： Artyom Trishkin
HullTrendSign : 此信号量指标显示 Hull 均线 和它的均值之间的差异改变方向的时刻。 作者： Nikolay Kositsin
Fluctuate : 基于摇摆的EA交易： EA交易设置在相反方向上的，增加手数的止损挂单。 作者： Vladimir Karputov
新文章 神经网络实验（第 2 部分）：智能神经网络优化 已发布： 在本文中，我将利用实验和非标准方法开发一个可盈利的交易系统，并验证神经网络是否对交易者有任何帮助。 若在交易中运用神经网络的话， MetaTrader 5 完全可作为一款自给自足的工具。 针对获得的结果进行前向验证测试，以便找到最好的三个。 在我的情况下，选择判则是最大盈利因子和交易数量超过 100： 测试间隔: 从 2021.07.12 至 2022.07.12, 模式: (基于真实跳价的每次跳价), 初始资金: 10,000, 时间帧: H1, 固定手数 0.01, Angle EA 4-4-3. 测试 1: 测试 2
新文章 机器学习模型的变量评估和选择 已发布： 本文重点介绍机器学习模型中输入变量（预测因子）的选择，预处理以及评估的相关细节。多种规范化的方法以及它们的特点都将在此被讨论。在处理过程中 将极大影响模型训练最终结果的环节也将在此探讨。我们将仔细看看，并评估新的及鲜为人知的用于确定输入数据信息量和可视化的方法。 我们将使用“RandomUniformForests”包，计算并分析变量不同值和各种组合的重要概念，预测因子和目标的对应关系，预测因子之间的相互作用，以及将所有重要的方面都考虑在内后预测因子集的最优选取。
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