文章,程序库评论 - 页 83

RSI_Oscillator_Histo : RSI 柱形图振荡指标 作者: Scriptor
新文章 轻松快捷开发 MetaTrader 程序的函数库(第十部分):与 MQL4 的兼容性 - 开仓和激活挂单的事件 已发布: 在之前的文章中,我们已着手创建一个大型跨平台函数库,简化 MetaTrader 5 和 MetaTrader 4 平台程序的开发。 在第九部分中,我们开始改进 MQL4 的库类。 在此,我们将继续改进函数库,确保其与 MQL4 的完全兼容。 测试 我们来检查一下应用的变化。 编译 TestDoEasyPart10.mq4,在测试器中启动它,开仓并平仓,下挂单,等待其中之一被激活,并检查停止价位和尾随是否被激活(修改持仓和挂单)。 函数库能“见”到的所有 MQL4
  EA: CCI 和马丁  (42   1 2 3 4 5)
CCI 和马丁 : EA 基于 iCCI (商品通道指数,CCI) 指标并使用马丁格尔 (翻倍加仓) 管理仓量。 EA 使用最后四根柱线上的 iCCI (商品通道指数,CCI) 指标值和最后三根柱线上的开盘价/收盘价。 在当前柱线收盘之前还余 20 秒时,检查开仓信号 (这是非常罕见的解决方案),并且此刻应没有 EA 所开持仓。 开仓条件 //--- 买入 if (cci[ 1 ]< 5 && cci[ 2 ]<cci[ 3 ] && cci[ 1 ]<cci[ 2 ] && cci[ 0 ]>cci[ 1 ] && Open [ 2 ]> Close [ 2 ] &&
EMA_STD_VA : 自适应指数平滑移动平均, 基于StdDev指标. 作者: Dmitry Fedoseev
新文章 学习如何基于 VIDYA 设计交易系统 已发布: 欢迎阅读我们的关于学习如何依据最流行的技术指标设计交易系统系列的新篇章,在本文中,我们将学习一种新的技术工具,并学习如何依据可变指数动态平均线(VIDYA)设计交易系统。 策略一:VIDYA 趋势识别器 根据此策略,我们需要创建一个可生成趋势类型信号的交易系统。 我们需要交易系统检查两个值,即当期收盘价和当期 VIDYA 值,来判定趋势类型。 如果当期收盘价大于 VIDYA 值,则表明趋势上升。 故此,我们需要交易系统在图表上返回含有以下值的注释: 上行趋势, 当期收盘价, 当期 VIDYA 值 另一种场景是,如果当期收盘价低于当期
BBflat_sw : 布林线指标的简单解释,显示在分离窗口中 作者: Nikolay Kositsin
新文章 基于价格运动方向和速度的交易策略已发布: 本文提出一种基于价格运动方向和速度的分析方法。我们已经将此想法用MQL4语言实现了一个EA,来研究此策略的效果。我们也将通过测试、检验和优化本文的一个例子来确定最优的参数。 世界上的任何运动都可以被运动的方向,加速度和速度所表征。在金融市场中同样适用。这预示着一条重要的法则,那就是强烈的运动不会立即停止。就好比一列火车:当列车以全速运行时踩下刹车,那么此时的刹车距离可能长达1公里。 那么趋势何时开始呢?当绝大多数市场参与者由于某些原因转变他们的观点时,无论是涉及全球经济趋势的改变还是其他一些能影响市场走向的重要因素。群体性意见形成后...
新文章 DoEasy. 控件(第 16 部分):TabControl WinForms 对象 — 多行选项卡标题,拉伸标题适配容器 已发布: 在本文中,我将继续开发 TabControl,并针对设置标题大小的所有模式,实现选项卡标题在控件所有四个侧边的排列:正常、固定、和靠右填充。 编译 EA,并在图表上启动它: 如我们所见,左右选项卡标题的布局工作正常。 我们将在下一篇文章中讲述并修复这些缺点,但到目前为止,一切都很好。 作者: Artyom Trishkin
新文章 价格走势模型及其主要规定(第 1 部分):最简单的模型版本及其应用 已发布: 本文提供了数学上严格的价格运动和市场功能理论的基础。 到目前为止,我们还没有任何经过严格数学论证的价格走势理论。 取而代之的是,我们不得不基于经验假设进行处理,即价格在某种形态之后以某种方式移动。 当然,这些假设既没有得到统计数据的支持,也没有得到理论的支持。 利用方程式(4)预测价格变动会有问题,且并不可靠,因为难以识别其中存在的参数,参数中存在根本不可消除的不确定性,最重要的是,由于频繁的不可预测(根据最简单的模型)会强烈的随机跳跃。 幸运的是,振荡器能够对这些不可预测的大跳跃进行排序,并具有预测能力。
买入卖出交易量 : 买入卖出交易量 作者: Mladen Rakic
新文章 在 MQL5 中创建多色彩指标 已发布: 我们会于本文中研究如何创建多色彩指标或是将现在指标转换为多色彩指标。MQL5 允许以便利的方式呈现信息。如今已不再需要查看大量带有指标的图表来执行 RSI 或 Stochastic 指标分析了,只是根据指标值为烛形图涂不同的颜色会简单许多。 作者: Дмитрий Александрович
新文章 DIY 技术指标 已发布: 在本文中,我将研究允许您创建自己的技术指标的算法。 您将学到如何通过非常简单的初始假设,来获得非常复杂和有趣的结果。 各种数学序列均可用作指标比率。 以下是更多指标的示例。 其中之一基于斐波那契级数:34,21,13,8,5,3,2,1,1。 另一个指标也建立在斐波那契级数之上,但由它们构建了一个对称结构:1,1,2,3,5,3,2,1,1。 第三个指标基于帕斯卡三角形序列:1,8,28,56,70,56,28,8,1。 作者: Aleksej Poljakov
  EA: Cidomo  (30   1 2 3)
Cidomo : 智能交易系统使用突破买入 (Buy Stop) 和突破卖出 (Sell Stop) 挂单。 作者: Vladimir Karputov
Trend_Angle : 该指标计算移动平均线的最后一个线段的倾斜角度,并将其与均线和从均线末端延伸出的射线一起显示在图表中。 作者: Scriptor
Pearson 系数 : Pearson 系数 作者: Mladen Rakic
Wilson 相对价格通道 - 修改版 : Wilson 相对价格通道 - 修改版 作者: Mladen Rakic
新文章 一张图表上的多个指标(第 06 部分):将 MetaTrader 5 转变为 RAD 系统(II) 已发布: 在我的前一篇文章中,我向您展示了如何利用 MetaTrader 5 对象创建图表交易,从而将平台转变为 RAD 系统。 该系统运行良好,可以肯定的是,许多读者也许已经考虑过创建一个函数库,令其能够在拟议的系统中扩展功能。 有基于此,就有可能开发一款更直观的智能交易系统,其界面更友好、更易于使用。 我们的 IDE 变更如下图所示: 正如您所看到的,设计本身有一些小的变化。 添加了两个新区域:一个将接收资产名称;另一个将接收当天的累计值。
  EA: GreenTrade  (3)
GreenTrade : 智能交易系统基于 iMA 和 iRSI 信号进行交易。比较四根柱线的 iMA 值。这些柱线的索引可以优化。 作者: Vladimir Karputov
对数回归 : 对数回归通道. 作者: Scriptor
速度 - 已规范化 : 速度 - 已规范化 使用了 ATR,偏差或者未经规范化。 作者: Mladen Rakic
CheckHistory - 检查并加载历史功能 : 历史加载功能, 由 MetaQuotes 的版本稍加修改 作者: Andrey Khatimlianskii
真正随机的机器人 : 这个机器人使用随机数生成器模拟以投硬币的方式决定每个交易的方向. 它提供了一个使用面向对象方式编程的最简单EA交易的实例. 它也提供了使用替代入场方式的基础. 作者: Jim Hunt
  专家: Pipser  (24   1 2 3)
Pipser : 单击交易. 作者: Grigoriy Chaunin
Clipboard : 此脚本得到窗口剪贴板中的内容。 作者: o_O
新文章 从头开始开发智能交易系统(第 28 部分):面向未来((III) 已发布: 我们的订单系统有一项任务仍然尚未完成,但我们终将把它搞定。 MetaTrader 5 提供了一个允许创建和更正订单参数值的单据系统。 该思路是拥有一个智能系统,可令相同的票据系统更快、更高效。 最终,经历若干篇文章以来,我们达至高潮,现在我们拥有一个几乎完整的订单系统,并且能对各种情况和市场条件具备相当的适应性。 从现在开始,我们能够使用鼠标和键盘基于全图形系统进行交易,并可进行市场分析,以便入场交易或离场。 对于那些刚刚入行的人,他们若想看看当前开发阶段的系统行为或外观,请观看下面的视频。
CloseOrdersBySymbol : 本脚本程序关闭当前交易品种的所有挂单。 作者: Nikolay Kositsin
新文章 学习如何基于牛市力量设计交易系统 已发布: 欢迎来到我们的关于学习如何基于最流行的技术指标设计交易系统系列的新篇章,这一篇学习如何基于牛市力量技术指标设计交易系统。 策略一: 牛市力量走势 我们需要计算机检查每次跳价时的两个数值,这些值在创建之后就会确定,它们是当期牛市力量和前期牛市力量。 我们要求程序检查这些数值,来了解每一个的位置。 如果当期牛市力量值大于前期,我们要求程序或智能系统在图表上的注释里返回以下信号,每个值占据单独一行: 牛市力量正在上升, 牛市力量值, 牛市力量前期值 我们还需要考虑另一种场景。
合成 VIX : 合成 VIX 指示波动性的增加或减少,且应该仅用于此。 作者: Mladen Rakic
ATRStops_v1.1_Alert : 实现为 NRTR 的趋势指标,并且有功能可以生成提醒,发送电子邮件或者推送通知。 作者: Nikolay Kositsin
新文章 神经网络变得轻松(第十三部分):批次常规化 已发布: 在上一篇文章中,我们开始研究旨在提高神经网络训练品质的方法。 在本文中,我们将继续这个主题,并会研讨另一种方法 — 批次数据常规化。 在神经网络应用实践中运用了多种数据常规化方法。 然而,它们的作用均是为了令训练样本数据和神经网络隐藏层的输出保持在一定范围内,并具有某些样本统计特征,如方差和中位数。 这一点很重要,因为网络神经元在训练过程中利用线性变换将样本朝逆梯度偏移。 参考一个含有两个隐藏层的全连接感知器。 在前馈验算过程中,每一层都会生成一个特定的数据集,作为下一层的训练样本。 输出层的结果与参考数据进行比较。