文章，程序库评论 - 页 8

新文章 视频：如何为简单自动交易设置 MetaTrader 5 和 MQL5 已发布： 在这个小视频课程中，您将学习如何下载、安装和设置 MetaTrader 5，并实现自动交易。 您还将学习如何调整图表设置，和自动交易选项。 您将完成第一次回溯测试，在本课程结束时，您就会知道如何导入一个可以全天候自动交易的智能交易系统，而无需呆坐在屏幕前。 在使用 MetaTrader 5 或 MQL5 之前，我们显然需要先下载软件。 这可以在这个网站上完成。 它被称为 MetaTrader5.com。 该软件是免费的。 这意味着您可以在网站上下载它，并立即将其安装到您的 Windows 电脑上。

新文章 交易中的神经网络：面向准确分类的有效特征提取（最终部分） 已发布： Mantis框架将复杂时间序列转换为富含信息的token，可作为智能交易代理的可靠基座，支持实时运行。 第一阶段： 编码器 的对比学习训练。训练使用 欧元兑美元 （EURUSD） M1 周期过去五年的历史数据。如此的数据量级与细节粒度，让 编码器 能够学习出高质量、信息丰富的市场状态隐特征表征，作为整个系统后续运行的底层基础。 第二阶段：系统核心组件的离线训练，包括 Actor 、 Director 和 Critic 。该阶段使用2024年采集的数据集，保留全部前期设定参数。训练引入 近最优轨迹

新文章 从基础到中级：对象事件（四） 已发布： 在本文中，我们将完成上一篇文章中已经开始的内容：一种直接在图表上以完全交互的方式调整对象大小的方法。尽管许多人认为创建这样的功能需要对 MQL5 有更深入的了解，但您将看到，只需运用简单的概念和基础知识，我们就可以实现一种直接在图表上操作对象的方法。这样最终会得到一个既有趣又相当吸引人的结果。 我们在上一篇文章中看到的远未达到完全合乎逻辑的程度，至少如果我们只查看附件中现有的代码，就可以发现这一点。你可以研究、练习并使用这些代码来了解如何用极少量的代码创建这样的交互。

第二栏 : 该指标在图表上任意绘制第二个时间框架。 Author: Aleksandr Slavskii

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 神经网络变得轻松（第四部分）：循环网络 已发布： 我们继续研究神经网络的世界。 在本文中，我们将研究另一种类型的神经网络，循环网络。 此类型建议与时间序列配合使用，其在 MetaTrader 5 交易平台中由价格图表呈现。 当然，在每个 LSTM 模块中使用 4 个内部神经层，以及算法本身的复杂性都会影响性能，因此，这种神经网络的速度比之前所研究的卷积网络要低一些。 然而，循环网络的均方根误差要小得多。 在循环神经网络训练过程中，目标命中准确性图形具有明显的、几乎笔直的上升趋势。 作者： Dmitriy Gizlyk

新文章 交易中的神经网络：用于精确分类的高效特征提取（构建对象） 已发布： Mantis 是一款用于深度时序分析的多功能工具，可灵活扩展，适配任意金融场景。了解分块处理、局部卷积与交叉注意力相结合，如何实现对市场形态的高精度解读。 当接收多通道输入时， Mantis 真正价值便得以充分显现。同步变化的 RSI 指标、成交量、移动平均线以及货币对相关性共同构成了复杂的行情图景。直接拼接上述信号会造成参数量爆炸，而分开处理各通道又会丢失通道间的交叉关联。 Mantis

新文章 交易中的神经网络：面向准确分类的有效特征提取（Mantis） 已发布： 认识Mantis —— 一款基于 Transformer 架构的轻量级时间序列分类基础模型，采用对比预训练与混合注意力机制，实现创纪录的精度，并具备出色的可扩展性。 Mantis 框架证明，精巧的架构设计与完备的训练流程，可以将一系列算法构想转化为一套可靠工具。该框架作者提出的 基础 方法建立在四大核心支柱之上：时间序列令牌化、混合注意力、多维适配模块，以及自监督对比预训练，再加上后续概率校准。

新文章 市场模拟（第 23 部分）：仓位视图（一） 已发布： 接下来我们将要介绍的内容，在理论和概念方面要复杂得多。我会让这些材料尽可能简单易懂。编程部分本身相当简单明了。但是，如果你不了解背后的理论，那么在将回放模拟系统改进或调整以适应不同于我将要展示的任务时，你就几乎没有任何可用于进一步改进或适配系统的实际依据。我不希望你只是编译和使用我提供的代码。我希望你能学习、理解，并且如果可能的话，能够创造出更好的东西。 回放/模拟系统包含多个独立的应用程序。然而，当这些应用程序组合在一起时，它们几乎可以让您像连接到模拟账户或真实账户一样与 MetaTrader 5

新文章 交易机器人风险管理器（第一部分）：EA风控头文件 已发布： 交易对风控纪律有着极高的要求。本文分析了交易者亏损的主要原因，并针对MQL5平台提出一套技术方案 —— CEnhancedRiskManager（增强型风险管理器）类，并在激进网格EA上完成了实操测试。 经验表明，缺少完善风控体系的交易账户，其生命周期往往十分短暂。

新文章 交易中的神经网络：不依赖特定数据的时间序列泛化（核心模型模块） 已发布： 我们继续介绍Mamba4Cast框架。今天，我们将深入探讨该方案的实现。Mamba4Cast的设计目标并非对每一条全新时间序列都进行冗长的预热，而是支持直接部署上线。依托零样本预测理念，该模型无需额外训练、也无需调优超参数，就可以在真实业务数据上输出高质量预测结果。 模型极高的运算速度来源于 SSM 模块的线性计算复杂度。Transformer架构的计算开销会随序列长度呈二次方增长，与之不同， Mamba4Cast

Inside Bar : 自动检测“内部K线”形态、绘制投影矩形并接收实时警报——这一切都集成于一个功能强大的指标中。 波段交易者和全额保证金交易者 Author: Reza Rahmad

Momentum and news impact candles : 一种根据价格动量方向和新闻影响对OHLC蜡烛图进行颜色标注的K线图 Author: Conor Mcnamara

新文章 从基础到中级：对象事件（三） 已发布： 在本文中，我们将为下一篇文章所涵盖的内容奠定基础。我们还将探讨如何使 OBJ_LABEL 对象完全可交互，以便进行编辑和移动。换句话说，我们无需打开“对象属性”对话框，即可更改 OBJ_LABEL 对象的文本和位置。 在上一篇文章中，我们了解到，实现以下动画中展示的效果是可行的。 动画 01 这使得我们能够实现一种机制，直接编辑图表上 OBJ_LABEL 对象所包含的文本。然而，如果我们尝试手动添加一个新的 OBJ_LABEL，我们会发现动画 01

新文章 从 MQL4 迁移到 MQL5 已发布： 很多开发人员已经累积了很多用 MQL4 编写的指标和交易策略。要在 Metatrader 5 中使用它们，应将它们转换为 MQL5。用 MQL5 重写所有程序并不是如此容易。如果有转换参考，则进行转换会容易得多，最好以例子说明。 本文是 MQL4 语言函数的快速指南，帮助您将您的程序从 MQL4 迁移到 MQL5。介绍了每个 MQL4 函数（交易函数除外）的说明和 MQL5 实施，从而让您显著减少转换时间。出于方便起见，MQL4 函数被分为组，类似于 MQL4 参考。 作者： Sergey Pavlov

新文章 开发多币种 EA（第 28 部分）：添加平仓管理器 已发布： 在并行运行多个策略时，您可能希望定期关闭所有持仓，并重新启动策略。现有代码仅允许通过手动操作来实现这一行为。让我们尝试将这一部分自动化。 在 第 12 部分 中，我们在多币种 EA 中增加了一个风险管理模块，以限制每日和总体回撤。它不会增加利润，但对于在不利条件下保护资金至关重要。它基于自营交易规则，设置灵活：资金回撤可以按账户货币金额、按余额百分比，或按日初基准来计算。 该模块以 CVirtualRiskManager

新文章 利用深度强化学习优化Ilan智能交易系统 已发布： 本研究对经典Ilan网格交易策略进行改进，通过在MQL5中集成Q-learning算法，构建出适用于MetaTrader 5平台的自适应版本。本文展示如何定义状态特征、将连续状态空间映射为Q-table可处理的离散值、使用ε-贪婪算法选择操作，以及针对平均持仓收益与平仓事件设计奖励机制。您将实现Q-table的存储与加载功能、通过参数调优优化学习效率，并在策略测试器中对EURUSD（欧元兑美元）/AUDUSD（澳元兑美元）进行测试，以评估稳定性和回撤风险。

新文章 价格行为分析工具包开发（第三十六部分）：实现Python直接读取MetaTrader 5行情数据流 已发布：

多币种交易程序架构设计-Multi currency transaction program architecture design : 可以用多个品种在一个图表上交易 作者： Yong Biao Zou

IncOsMAOnArray : 类COsMAOnArray用来计算指标数据的 OsMA (Moving Average of Oscillator)值。该类的例子已经提供。 作者： Dmitry Fedoseev

新文章 MQL5自动化交易策略（第二十六部分）：构建针形K线均价加仓的多持仓交易系统 已发布： 在本文中，我们将在MQL5中开发一套针形K线（Pin Bar）均价加仓系统：识别针形K线形态作为开仓触发信号，采用均价加仓策略实现多持仓管理，并搭配移动止损与盈亏平衡调整功能增强策略。系统内置可自定义参数，同时配备信息面板，可对持仓与盈利情况进行实时监控。 我们正在搭建一套自动化交易系统，利用 针形K线形态 进行交易。该形态由单根K线构成，特点是影线较长、实体很小，往往预示着价格在关键价位发生强势反转。针形K线策略在交易中很常见，它能够识别出价格被拒绝的市场节点，提供高概率的交易入场信号，配合

新文章 从基础到中级：对象事件（一） 已发布： 在本文中，我们将探讨当图表上的某个对象发生变化时，MetaTrader 5 可以生成的六个事件中的三个。从用户交互的角度来看，这些事件非常有用。这是因为，如果不了解这些事件，在尝试为特定目的管理对象时，我们将不得不付出更多的努力来维护特定的图表配置。 在上一篇文章“ 从基础到中级：对象（四） ”中，我们展示了如何修改MetaTrader

新文章 MQL5 自动化交易策略（第二十五部分）：基于最小二乘法拟合的趋势线交易 EA 与动态信号生成 已发布： 本文将开发一款趋势线交易程序，采用最小二乘法自动识别支撑、阻力趋势线，依据价格触碰趋势线生成多空动态交易信号，并根据信号自动开仓。 趋势线交易策略 是在价格图表绘制斜线，连接波段高点（阻力）与波段低点（支撑），以此判断市场主流趋势。交易者在上升趋势的上行支撑趋势线附近做多，在下降趋势的下行阻力趋势线附近做空，预期价格触线反弹。一旦趋势线被有效突破，往往代表行情反转或原有趋势走弱，交易者会选择平仓或反向开仓。下图为下降趋势线示意图：

新文章 量子储层计算（QRC）电路的实现 已发布： 借助量子计算实现交易领域机器学习的革命性方案。本文演示一套可实际落地的自适应量子储层计算（QRC）系统，该系统支持持续学习，用于实时预测市场行情走势。 现代交易者面临一个根本性困境：交易系统越复杂，就越容易发生过拟合。经典机器学习算法在历史回测数据上表现亮眼，但投入实盘交易后会彻底失效。在成千上万条样本上训练得到的神经网络，一旦市场环境发生微小改变就会变得毫无用处。支持向量机在回测中能够达到85%的准确率，但在实盘交易的第一周内就会开始亏损。

新文章 购买交易机器人前如何进行测试 已发布： 与别处相比，在 MQL5 应用商店购买交易机器人有一个明显的优势 - 其提供的自动化系统，可直接在 MetaTrader 5 终端内接受完整测试。购买前，EA 交易可以、也应该在内置的策略测试程序中，以所有不利的模式谨慎运行，从而对此系统有一个全面的认识。 作者： MetaQuotes Software Corp

新文章 市场模拟：MQL5 中的 SQL 入门（四） 已发布： 许多人往往低估了SQL，甚至根本不使用它，因为他们并不完全了解它的实际工作原理。在针对SQL数据库运行查询时，我们并不总是寻求一个通用的答案；在某些情况下，我们需要一个非常具体且实用的答案。如果数据库的结构和数据模型设计得当，几乎任何类型的信息都可以被整合到其中。 在上一篇文章“ 市场模拟：MQL5 中的 SQL 入门（三） ”中，我们展示了如何在 MQL5 创建的可执行文件中嵌入 SQL 脚本。然而，我们并没有就此止步。我们还对类代码进行了一些修改，使其使用起来更加简便，当然，也对代码的实现方式进行了小幅调整。

BestInterval : 这个开发库用于计算最佳的交易时间段。 作者： fxsaber

新文章 构建动态多品种EA（第四部分）：波动率与风险调节 已发布： 本阶段将对多品种 EA 进行精细化调优，依托 ATR 等波动率指标实时调整交易手数与风险敞口，提升不同市场环境下策略的稳定性、风控能力与整体绩效。 在多品种交易中，交易者面临一大难题：不同货币对波动率差异巨大，导致策略绩效参差不齐。正如 上一篇文章

新文章 走势延续模型 - 搜索图表和执行统计 已发布： 本文提供了一种走势延续模型的程序化定义。 主要思路是定义两个波浪 — 主浪和修正浪。 对于极值点，我应用分形以及“潜在”分形 - 尚未形成分形的极值点。 文章中所述的走势延续模型由两个波浪组成：主浪和修正浪。 图例 1 是该模型的示意性描述。 AB 是主浪，BC 是校正浪，而 CD 是走势主趋势的延续。 图例 1. 走势延续模型 在图表上，这看起来如下: 图例 2. AUDJPY H4 上的走势延续模型 在本文中，我们分析了以编程方式确定走势延续模型的方法之一。 该方法的关键思路是在不采用任何指标的情况下搜索修正走势高/低极值。

新文章 基于Mamba选择性状态空间模型的神经网络交易机器人开发 已发布： 本文探究可用于金融时间序列预测的创新性Mamba/SSM神经网络架构。我们将完整介绍该模型在MQL5平台下的实现方案，它是Transformer的现代替代方案，计算复杂度为线性O(N)，而非二次复杂度O(N²)。还会详细讲解选择性状态空间模型、硬件感知优化、分块处理，以及先进的AdamW训练算法。并附带实测结果：模型预测准确率由62%提升至71%，同时训练耗时从45分钟缩短至8分钟。本文提供一个现成的MetaTrader 5交易EA，具备自动训练与自适应风险管理能力。