有颜色参数的自定义移动平均 : 对"自定义移动平均"指标的修改: 现在，线的颜色可以通过输入参数来传入了， 作者： Vladimir Karputov
Exp_JBrainSig1_UltraRSI : 此 Exp_JBrainSig1_UltraRSI 自动交易程序使用 JBrainTrend1Sig 和 UltraRSI 指标的数值来分析市场状态 作者： Nikolay Kositsin
Shadow_True_Strength_Index : 影子真实强弱指数 作者： Scriptor
新文章 作为技术分析工具的 MTF 指标 已发布： 大多数交易者都同意，当前的市场状态分析从评估更高的图表时间框架开始。该分析向下执行，以缩短执行交易的时间范围。这种分析方法似乎是成功交易的专业方法的强制性部分。在本文中，我们将讨论多时间段指标及其创建方法，并提供MQL5代码示例。除了对优缺点进行综合评价外，我们还将提出一种采用MTF模式的新指标方法。 多时间段指标分类 这些指标在所有标准类中都有介绍，而大多数是复杂的类型，即结合计算和图形元素。指标组如下所示： 1. 信息类：此类指标显示数据和附加信息，无信号或图形。典型的例子是 MultiTimeFrame
各位先進大大好 : OnCalculate() 與 OnTick() 不能同時使用???? 目前我有自行研究出了 #property indicator_chart_window 可以繪出2條不同週期的AMA， 目前想要用計算出的最新的 AMA週期9的與週期12的進行交叉比對再OnTick() 判斷線型趨勢再開單， 但是 我只要用了 OnCalculate() 再執行時候都會變成 這個模式(只有顯示自訂指標)只有指標顯示無法進行演算法交易??? 再而不是這個 模式可以同時顯示跟交易，請問大大有甚麼樣的解決方式
新文章 开发回放系统 — 市场模拟（第 08 部分）：锁定指标 已发布： 在本文中，我们将亲眼见证如何在简单地利用 MQL5 语言锁定指标，我们将以一种非常有趣和迷人的方式做到这一点。 正如我早前提及的，我可以跳过这些信息，当有人问我为什么他们不能让系统工作时，我可以装作自己是一个更好的程序员。 但我不喜欢吹牛。 我希望人们学习、理解、并有动力去寻找解决方案。 只要有可能，分享您的知识，因为这就是我们为如何进化做出贡献。 隐瞒知识不是优越感的标志，而是恐惧或缺乏信心的标志。 我已经克服了这个阶段。 这就是我解释如何工作的原因。 我希望更多人能受到启发，去做同样的事情。 拥抱大家，下一篇文章见。
新文章 MQL5 Cookbook: 处理 TradeTransaction 事件 已发布： 在本文中，我打算介绍一种使用 MQL5 的手段来控制交易事件的方法。我要指出的是，有些文章已经专门讨论过这个话题。 "EA 交易中采用 OnTrade() 函数处理交易事件" 即是其一。我不想重复其他作者，并将使用另一个处理器 - OnTradeTransaction ()。 我想提请读者注意以下几点。在 MQL5 语言的当前版本，客户终端里包含 14 个正式的事件处理器。此外，程序员有可能利用 EventChartCustom () 创建自定义事件，并利用 OnChartEvent ()
新文章 峰谷指标：新鲜的方法、新颖的解决方案 已发布： 本文会验证创建一种高级峰谷指标的可能性。识别节点的概念是以使用轨道线指标为基础的。我们假设可以找到一系列轨道线输入参数的一种特定组合，所有峰谷节点均可借此处于轨道线带的界限之中。因此，我们可以尝试预测新节点的坐标。 当然，每位交易者都清楚，峰谷指标旨在对给定或更大幅度的价格波动进行分析。峰谷线是一条折线，节点分别位于价格图表的最高价和最低价处。 该指标有许多变体。然而，也有大量的 MQL5 程序开发者热衷于创建自己的“理想”峰谷。 我们将设定一个目标：找到两个节点的坐标 - 当前与预测节点（图
新文章 数据科学与机器学习（第 09 部分）：K-最近邻算法（KNN） 已发布： 这是一种惰性算法，它不是基于训练数据集学习，而是以存储数据集替代，并在给定新样本时立即采取行动。 尽管它很简单，但它能用于各种实际应用。 K-最近邻算法是一种非参数监督学习分类器，它运用邻近度对单个数据点的分组进行分类或预测。 虽然此算法主要用于分类问题，但它也可解决回归问题。 它通常作为分类算法，由于它假设数据集中的相似点可以在彼此的附近找到。 k-最近邻算法是监督机器学习中最简单的算法之一。 我们将在本文中构筑我们的算法作为分类器。 作者： Omega J Msigwa
新文章 开发回放系统 — 市场模拟（第 07 部分）：首次改进（II） 已发布： 在上一篇文章中，我们针对复现系统进行了一些修复并加入了测试，以确保可能的最佳稳定性。 我们还着手为这个系统创建和使用配置文件。 这里的问题是读取和写入变量之间会有很小的时差。 尽管它很短暂，但若服务在指标之前将数值写入全局终端变量时，它就存在。 发生此类事件时，服务在访问全局终端变量时所期望的值将与变量中的实际值不同。 有很多方法可以绕过这个缺陷，但在这个与市场回放配套工作的系统中，这并不重要。 故此，我们可以忽略此缺陷。
MQL5向导 - 基于价格交叉移动平均线并由ADX确认的交易信号 : 基于价格交叉移动平均线指标并由ADX确认的交易信号(CSignalADX_MA来自MQL5标准库)被考虑. 基于该策略的EA交易的代码可以被MQL5向导自动生成 作者： MetaQuotes Software Corp
Waddah Attar Win : 限价买入 (BuyLimit) 和限价卖出 (SellLimit) 订单。使用 OnTradeTransaction()。 作者： Vladimir Karputov
新文章 神经网络变得轻松（第三十八部分）：凭借分歧进行自我监督探索 已发布： 强化学习中的一个关键问题是环境探索。 之前，我们已经见识到基于内在好奇心的研究方法。 今天我提议看看另一种算法：凭借分歧进行探索。 基于分歧的探索是一种强化学习方法，允许代理者在不依赖外部奖励的情况下探索环境，但更倾向于使用模型融汇寻找新的、未探索的区域。 在“ 凭借分歧进行自我监督探索 ”一文中，作者讲述了这种方式，并提出了一个简单的方法：训练前向动态模型的融汇，并鼓励代理者探索动作空间，其在融汇当中模型预测之间存在最大不一致或方差。
新文章 价格直方图（市场概况）及其在 MQL5 中的实施 已发布： “市场概况”由真正才华横溢的思想家 Peter Steidlmayer 所提出。他建议使用有关“水平”和“垂直”市场动态信息的替代表示法，从而给出一套完全不同的模型。他认为存在市场深层次的摆动或称之为平衡和失衡周期的基本模式。在本文中，我将会探讨价格直方图（市场概况的一种简化模型）以及它在 MQL5 中的实施。 作者： Dmitry
显示当前K线剩余时间 : 个指标的作用是显示当前K线剩余时间，以时分秒的方式显示数据，数据的位置可以跟随K线，也可以固定在图表任意位置（双击后任意移动它）。 作者： Ziheng Zhuang
TrendSignal 专业版 : 最终版本的 TrendSignal 指标。它不会重绘, 也适用于模板。 作者： malharonaldo
固定保证金资金 : 用于计算在固定保证金水平的条件下手数值的实例。也就是说，如果您指定 10%, 保证金为可用保证金10%的仓位就会建立。 作者： Vladimir Karputov
新文章 开发回放系统 — 市场模拟（第 06 部分）：首次改进（I） 已发布： 在本文中，我们将开始稳固整个系统，若无，则我们可能无法进行后续步骤。 如果仔细观察，您能看到系统中存在一个1错误。 我们将在下一篇文章中修复此错误，我们将进一步改进我们的市场回放，令其用起来更加稳定和直观。 附件包括视频中使用的源代码和文件。 借助它们来更好地理解和练习配置文件的创建。 从现在开始研究这个阶段很重要，因为配置文件会随着时间的推移而发生积极的变化，从而增加其功能。 因此，我们现在需要从一开始就理解这一点。 作者： Daniel Jose
新文章 神经网络变得轻松（第三十二部分）：分布式 Q-学习 已发布： 我们在本系列的早期文章中领略了 Q-学习方法。 此方法均化每次操作的奖励。 2017 年出现了两篇论文，在研究奖励分配函数时展现出了极大的成功。 我们来研究运用这种技术解决我们问题的可能性。 当测试 EA 在 MetaTrader 5 策略测试器中取两周区间数据运行时，基于模型信号进行交易，它产生了约 20 美元的利润。 所有操作都是最低手数。 下图展示出余额值有明显上升趋势。 交易操作统计数据显示，近 56% 的操作是盈利的。 然而，请注意，EA 仅在策略测试器中测试了模型，尚不适合金融市场的真实交易。 作者：
Previous Candle Breakdown 3 : "Previous Candle Breakdown" EA 交易。 作者： Vladimir Karputov
OptimReport v2.15 : 如果你想使用自己的特征值来优化你的智能交易系统，你可以通过OnTester()函数使用"Custom max"模式。本程序为您提供了众多特征值，可以用于优化你的EA。它也允许你将最优的特征值保存在HTML文件中。 作者： Александр
新文章 神经网络变得轻松（第三十七部分）：分散关注度 已发布： 在上一篇文章中，我们讨论了在其架构中使用关注度机制的关系模型。 这些模型的具体特征之一是计算资源的密集功用。 在本文中，我们将研究于自我关注度模块内减少计算操作数量的机制之一。 这将提高模型的常规性能。 我们采用 2023 年 3 月的 EURUSD H1 历史数据训练模型，并测试 EA。 在学习过程中，EA 在测试期间展示出盈利。 然而，获得的利润是因为平均盈利交易的规模大于平均亏损交易的规模。 但输赢仓位的数量大致相同。 结果就是，盈利因子为 1.12，恢复因子为 1.01。 作者： Dmitriy Gizlyk
RL 算法 : 基于文章 "Random decision forest in reinforcement learning （强化学习中的随机决策森林）"的开发库。 作者： Maxim Dmitrievsky
RSI 蜡烛 - 平滑的 : 将 4 个 RSI 数值 (RSI 为最高价，最低价，开盘价和收盘价) 合并显示为蜡烛，并在计算中附加选项使用价格预平滑，这使其成为 RSI-与-MA 组合。 作者： Mladen Rakic
新文章 复购算法：提高效率的数学模型 已发布： 在本文中，我们将使用复购算法来更深入地了解交易系统的效率，并开始研究使用数学和逻辑提高交易效率的一般原则，以及在使用任意交易系统方面应用更能提高效率的非标准方法。 这种交易方法在各类智能系统中被广泛且积极地运用。 甚至，它还有许多变体和混合体。 此外，从对此类系统的引用数量来看，很明显，该主题不仅在本站点上非常受欢迎，而且在任何其它网络资源上也如此。 所有方法变体都有一个 共同的概念 ，涉及 逆市场走势 进行交易。 换言之，EA 采用复购来尽可能地低买，并尽可能地高卖。 这是一个古老到自商品出现就有的经典交易形式。
Chart Save Template : 这个脚本程序可以使用指定的名称来把图表设置保存到模板中。 作者： Vladimir Karputov
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