文章,程序库评论 - 页 8

新文章 数据科学和机器学习(第 35 部分):MQL5 中的 NumPy — 用更少代码制作复杂算法的艺术 已发布: NumPy 库几乎为所有 Python 语言编程的机器学习算法提供核心动力,在本文中我们即将实现一个类似的模块,其收集了所有复杂的代码,辅助我们构建各种类的复杂模型和算法。 对于我们能想到的每一项代码创建任务,没有编程语言能完全自给自足,每种编程语言都依赖于精心设计的工具,这些工具可以是函数库、框架、和模块,帮助解决某些问题,并把思路转化为现实。 MQL5 也不例外。它主要为算法交易而设计,其早期功能大多限于交易操作。不同于其前身 MQL4 — 被认为是较弱的语言 — MQL5
我注册后提示不通过。也不告诉原因。填写的资料都对。。
用于创建图形界面的 EasyAndFastGUI 开发库 : EasyAndFastGUI 开发库可以为自定义 MQL 程序创建图形界面。 作者: Anatoli Kazharski
新文章 解密开盘区间突破(ORB)日内交易策略 已发布: 开盘区间突破(ORB)策略基于这样一种理念:市场开盘后不久确立的初始交易区间,反映了买卖双方就价格价值达成共识的重要水平。通过识别突破某一特定区间上方或下方的走势,交易者可以把握随之而来的市场契机——当市场方向愈发明朗时,这种契机往往会进一步显现。本文将探讨三种源自康克瑞图姆集团(Concretum Group)改良的ORB策略。
新文章 斐波那契(Fibonacci)数列在外汇交易中的应用(第一部分):探究价格与时间的关系 已发布: 市场如何遵循基于斐波那契数列的关系?在斐波那契数列中,每个后续数字都等于前两个数字之和(1, 1, 2, 3, 5, 8, 13, 21……),该数列不仅描述了兔子种群的增长情况。我们将考虑毕达哥拉斯的假设,即世间万物都遵循某种数字关系…… 在斐波那契数列中,每个后续数字都等于前两个数字之和(1, 1, 2, 3, 5, 8, 13
新文章 市场模拟(第八部分):套接字(二) 已发布: 用套接字实现一些实用功能怎么样?在今天的文章中,我们将开始创建一个迷你聊天室。让我们一起来看看这是怎么做到的 —— 这会非常有趣。请注意,此处提供的代码仅用于教育目的。它不应用于商业目的或现成的应用程序,因为它不提供数据传输安全性,并且可以访问通过套接字传输的内容。 在上一篇文章, 市场模拟(第七部分):套接字(一) 中,我向你演示了学习套接字的第一步。然而,那里显示的应用程序可能并不特别令人兴奋。说实话,它更像是一个 “HELLO WORLD” 程序 —— 这是我们在学习编程新知识时通常尝试的第一个程序。这是漫长旅程的第一步。
新文章 利用 MQL5 经济日历进行交易(第 8 部分):通过智能事件过滤和定向日志优化新闻驱动策略的回测 已发布: 在本文中,我们利用智能事件过滤和定向日志来优化我们的经济日历,以便在实时和离线模式下实现更快、更清晰的回测。我们简化了事件处理程序,并将日志集中在关键交易和仪表盘事件上,从而增强了策略的可视化效果。这些改进能够实现新闻驱动交易策略的无缝测试和完善。
新文章 价格行为分析工具包开发(第 22 部分):相关性仪表盘 已发布: 该工具是一个相关性仪表盘,用于计算并显示多个货币对之间的实时相关系数。通过可视化货币对之间的相互走势,它为您的价格行为分析增加了宝贵的背景信息,并帮助您预测跨市场动态。继续阅读以探索其功能和应用。 相关性是衡量两个变量如何相对变动的统计量。金融市场反映了两种工具一起上涨或下跌的程度(正相关)或朝相反方向运动(负相关)。要的是,相关性描述的是关系,而非因果关系。 在我之前的 文章 中,我展示了如何使用Python库绘制 EURUSD–GBPUSD
方向有效性比率 : 有效性比率 (Efficiency Ratio,ER) 首先是由 Perry Kaufman 在他 1995 年的 "更聪明地交易(Smarter Trading)" 一书中提出的,它是把一段时间的价格变化除以价格变化的绝对值的和来进行计算的。结果是0到1之间的一个比率,更高的数值表示效率越高,或者越有趋势的市场。 作者: Mladen Rakic
新文章 您应当知道的 MQL5 向导技术(第 57 部分):搭配移动平均和随机振荡器的监督训练 已发布: 移动平均线和随机振荡器是十分常用的指标,因其滞后性质,一些交易者或许较少使用。在一个三部分的“迷你序列”中,研究机器学习的三大主要形式,我们会考证对这些指标的偏见是否合理,或者它们可能占据优势。我们经由向导汇编的智能系统来进行实证。 我们 继续 考察经由 MQL 向导汇编的智能系统实现的简单形态。其主要目的始终是试点或测试创意。手工汇编的智能系统必须要经历长时间测试后,才能最终在实盘账户里部署并运行,但由向导汇编的智能系统允许快速测试运行,且预需代码更少。
新文章 MQL5交易策略自动化(第十七部分):借助动态仪表盘精通网格马丁格尔(Grid-Mart)短线交易策略 已发布: 在本文中,我们将探讨网格马丁格尔(Grid-Mart)短线交易策略,并阐述如何在MQL5中实现该策略的自动化,同时配备一个动态仪表盘以提供实时交易分析。我们将详细介绍该策略基于网格的马丁格尔逻辑以及风险管理功能。此外,我们还将指导如何进行回测和部署,以确保策略的稳健表现。
  EA: Renko 2.0 Offline  (69   1 2 3 4 5 6 7)
Renko 2.0 Offline : 这个EA交易并不进行交易,它会在1M图表上生成自定义的交易品种信息。 作者: Guilherme Santos
新文章 外汇套利交易:分析合成货币的走势及其均值回归 已发布: 在本文中,我们将使用Python和MQL5来分析合成货币的走势,并探讨当今外汇套利的可行性。我们还会考虑现成的用于分析合成货币的Python代码,并分享更多关于外汇中合成货币是什么的细节。 当数学遇上真实市场时会发生什么?异常现象出现了——微小、几乎看不见,但对于那些知道在哪里寻找的人来说却价值连城。这类异常很少被主要参与者注意到,他们的算法被设计用于大规模变动和宏观经济事件。他们忙于追逐大猎物,而无暇注意到就在他们脚下的金块。
ZigZagColor : 这是一个ZigZag指标的改进版本,它根据价格变动方向而画出不同颜色的线条。 作者: MetaQuotes Software Corp
新文章 外汇套利交易:一款轻松上手的简单合成做市商机器人 已发布: 今天,来了解一下我的首个套利机器人——一款针对合成资产的流动性提供者(如果这么称呼它也算恰当的话)。目前,该机器人作为一个模块,在一套大型机器学习系统中成功运行,但我从云端调出了一个旧版的外汇套利EA,让我们一起来看一下,并思考如今能用它做些什么。 2017年,我的思维发生了革命性的转变。在一系列惨痛的亏损之后,我开始研究大机构实际的交易方式。我所说的并非那些在YouTube上大谈“百万美元收益”的人,而是真正的机构——银行、对冲基金和自营交易公司。
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:使用 MQL5 制作动画新闻标题(四) — 本地托管 AI 模型市场洞察 已发布: 在今天的讨论中,我们将探讨如何自行托管开源 AI 模型,并使用它们来生成市场洞察。这是我们持续扩展 News Headline EA 的一部分努力,引入了 AI 洞察通道,将其转变为多集成辅助工具。升级后的 EA 旨在通过日历事件、财经突发新闻、技术指标以及现在的 AI 生成的市场观点,让交易者随时了解最新动态,从而为交易决策提供及时、多样化和智能的支持。加入我们的讨论,我们将探讨实用的集成策略,以及 MQL5 如何与外部资源协作,构建强大而智能的交易工作终端。
新文章 神经类群优化算法 (NOA) 已发布: 一种新的生物启发的优化元启发式算法——NOA(Neuroboids Optimization Algorithm,神经类群优化算法),结合了集体智能和神经网络的原理。与传统方法不同,该算法使用了一个由具备自学习能力的“神经类群(neuroboids)”组成的群体,每个神经类群都拥有自己的神经网络,能够实时调整其搜索策略。本文揭示了该算法的架构、代理的自学习机制,以及这种混合方法在解决复杂优化问题方面的应用前景。
新文章 基于Python与MQL5的特征工程(第三部分):价格角度(2)——极坐标(Polar Coordinates)法 已发布: 在本文中,我们将第二次尝试将任意市场的价格水平变化转化为对应的角度变化。此次,我们选择了比首次尝试更具数学复杂性的方法,而获得的结果表明,这一调整或许是正确的决策。今天,让我们共同探讨如何通过极坐标以有意义的方式计算价格水平变化所形成的角度,无论您分析的是何种市场。 将价格变化转化为角度变化的探索热情未减。正如本系列前文所述,要成功将价格水平变化转化为能代表该变化的角度值,仍需克服诸多挑战。
Smart_Money_Pressure_Oscillator : 智能资金压力振荡器 作者: Scriptor
新文章 从新手到专家:使用 MQL5 制作动画新闻标题 (三) — 指标洞察 已发布: 在本文中,我们将通过引入专门的指标洞察通道来推进新闻标题EA —— 一个紧凑的图表显示,显示由RSI、MACD、随机震荡指标和 CCI 等流行指标生成的关键技术信号。这种方法消除了 MetaTrader 5 终端上多个指标子窗口的需要,使您的工作空间保持干净高效。通过利用 MQL5 API 在后台访问指标数据,我们可以使用自定义逻辑实时处理和可视化市场洞察。加入我们,探索如何在 MQL5 中操纵指标数据,以创建一个智能且节省空间的滚动洞察系统,所有这些都在您的交易图表上的一个水平通道内。
新文章 数据科学和机器学习(第 34 部分):时间序列分解,剖析股票市场的核心 已发布: 在一个充斥着杂乱且不可预测数据的世界里,识别有意义的形态可能颇具挑战性。在本文中,我们将探讨季节性分解,这是一种强力分析技术,有助于把数据拆分为关键成分:趋势、季节性形态、和噪声。以该途径拆解数据,我们能够揭示隐藏的洞见,并配以更清晰、更易解读的信息工作。 趋势 时间序列数据中的趋势成分指的是随时间观察到的长期变化或形态。 它表示数据的大致移动方向。例如,如果数据随时间增加,趋势成分将呈上坡;如果数据随时间递减,趋势成分将呈下坡。 这对几乎所有交易者来说都很熟悉,只需查看图表就能轻松注意到行情中的趋势。
新文章 使用命名管道与 MetaTrader 5 进行无 DLL 通信 已发布: 许多开发人员面临同样的问题 - 如何在不使用不安全 DLL 的情况下到达交易端沙箱。 一种最简单和最安全的方法是使用作为普通文件操作的标准命名管道。它们允许您组织程序之间的处理器间客户端-服务器通信。虽然 《一个使用命名管道在 MetaTrader 5 客户端之间进行通信的无 DLL 解决方案》 一文已经就此主题说明了对 DLL 访问的启用,我们将使用客户端的标准和安全的功能。 您可以在 MSDN 库中找到有关命名管道的更多信息,但我们将着手处理 C++ 和 MQL5
新文章 如何很快地制作一个交易机器人 已发布: 于金融市场中交易存在许多风险,其中就包括最为严重的一种 - 做出错误交易决策的风险。每一位交易者都梦寐以求有一个交易机器人,它能始终保持良好状态,而且不会受制于人类的诸多弱点 - 恐惧、贪婪和没耐心。
交易者的MQL5编程(MQL5 Programming for Traders) - 源代码第一部分 : 本书第一章介绍了MQL5语言和开发环境。与MQL4(MetaTrader 4 语言)相比,MQL5语言其中一项新功能就是支持面向对象编程(OOP),这使其类似于C++。 作者: MetaQuotes
新文章 从 MQL5 向 Discord 发送消息,创建 Discord-MetaTrader 5 机器人 已发布: 与 Telegram 类似,Discord 可以使用其通信 API 以 JSON 格式接收信息和消息。在本文中,我们将探讨如何使用 Discord API 将 MetaTrader 5 的交易信号和更新发送到您的 Discord 交易社区。 我们不再生活在互联网和原始数字时代的早期阶段;如今,几乎所有东西都可以与互联网上的任何东西连接;这只取决于一个人是否愿意做所需的工作。
新文章 成功餐饮经营者算法(SRA) 已发布: 成功餐饮经营者算法(SRA)是一种受餐饮业管理原则启发的创新优化方法。与传统方法不同,SRA不会直接淘汰劣质解,而是通过融合优质解的元素对其进行改进。该算法在优化问题中展现出极具竞争力的表现,并为平衡探索与利用提供了全新视角。 想象一位餐厅经营者,始终致力于优化菜单以提升人气、吸引新客。他并未彻底淘汰冷门菜品,而是采取更微妙的方式:找出最不受欢迎的菜品,再将其与最畅销菜品的元素巧妙融合。有时仅做保守调整,有时则大胆引入全新食材。目标始终如一:让最弱势的菜品蜕变为顾客的新宠。
新文章 交易中的资本管理和带有数据库的交易者家庭会计程序 已发布: 交易者如何管理资金?交易者和投资者如何跟踪支出、收入、资产和负债?我不仅要向你介绍会计软件;我将向您展示一个工具,它可能会成为您在波涛汹涌的交易海洋中可靠的金融导航器。 “我记得我所有的交易”,“记账太费时间”,“最重要的是好的策略,数字可以等等再说”……我几乎每天都能从新手交易者那里听到类似的话。几个月后,这些交易者惊讶地发现,他们的账户正在无情地融化,原因仍然是个谜。
新文章 从新手到专家:使用 MQL5 制作动画新闻标题(二) 已发布: 今天,我们又向前迈进了一步,整合了一个外部新闻 API 作为我们的 News Headline EA 的头条新闻来源。在这个阶段,我们将探索各种新闻来源 —— 包括成熟的和新兴的 —— 并学习如何有效地访问它们的 API。我们还将介绍如何将检索到的数据解析成适合在我们的 EA 交易中显示的格式。加入讨论,我们将探索直接在图表上访问新闻标题和经济日历的好处,所有这些都在一个紧凑、不干扰用户的界面中。 在本次讨论中,我们将 以上一篇文章
新文章 交易中的神经网络:二维连接空间模型(Chimera) 已发布: 本文将探讨创新的 Chimera 框架:利用神经网络分析多元时间序列的二维状态空间模型。该方法具有高精度和低计算成本,优于传统方式和变换器架构。 经典统计方法需要大量原产数据的预处理,且往往难以充分捕捉复杂的非线性依赖关系。深度神经网络架构已展现出高度的表现力,但基于 变换器 的模型具有二次方计算复杂度,令其难以应用在拥有大量特征的多变量时间序列。进而,这样的模型往往难以区分季节性和长期分量,或依赖僵化的先验假设,限制了它们在各种实践场景下的适应性。 针对这些问题在论文