Micheal Ekon Uduak / 个人资料

本文介绍轴心均值振荡器（PMO），它是累积移动平均线（CMA）的一种实现，作为一款 MetaTrader 平台的交易指标。 特别是，我们首先引入数据轴心均值（PM）作为时间序列的常规化指数，该指数计算任意数据点位和 CMA 之间的分值。 然后，我们依据两个 PM 信号均值之间的差值构建 PMO。 报告还针对 EURUSD 品种还进行了一些初步实验，测试拟议指标的有效性，从而为将来的研究和改进留出了足够的空间。

本文论述了形态分析器（Pattern Analyzer）应用程序的新版本。 此版本修复了已发现错误并提供了一些新功能，还改进了用户界面。 在新版本的开发过程中参考了上一篇文章中的意见和建议。 最终的应用程序会在本文中进行说明。

有关金融数据分形行为的研究表明，在经济时间序列看似混乱的行为背后，存在着参与者集体行为的隐性稳定机制。这些机制可以导致交易所出现价格动态，从而定义和描述价格序列的具体属性。应用于交易中，能够有效、可靠地估计尺度和时间框架内的分形参数的指标，具有一定的实用价值。

这是专门讨论逆转交易策略系列文章的最后一篇。 在此我们将尝试解决导致之前文章中测试结果不稳定的问题。 我们还将开发和测试可在任何市场中运用的逆转策略手动交易算法。

本文探讨运用经验分解模式（EMD）预测时间序列的理论和实际应用。 它提议以 MQL 实现此方法，并出示了测试指标和智能交易系统。

本文探讨了开发交易算法的方法，即使用一致的科学方法来分析可能的价格模式，并基于这些模式构建交易算法。开发的理念是通过实例来展示的。

大程序都是从小文件开始，然后随着您不断添加更多的函数和对象而增长。 大多数的机器人开发人员都采用包含文件来应对此问题。 然而，有一个更好的解决方案：在一个项目中开始开发任意交易应用程序。 这样做的原因有很多。

本文旨在尽可能简单、快速地描述外汇交易的主要特点，并与初学者分享一些基本的想法。它还试图回答交易界最诱人的问题，同时展示一个简单指标的开发。

在本文中，我们将继续研讨在交易中运用 OLAP 技术。 我们会扩展前两篇文章中表述的功能。 这次我们将研究报价的操盘分析。 我们还将基于所汇集的历史数据，推导并检验交易策略的设想。 本文推介了基于柱线形态研究和自适应交易的智能交易系统。

在前两篇文章之中，我们讨论了 Merrill （美林）形态针对各种数据类型的应用。 并开发了一款应用程序来测试提出的思路。 在本文中，我们将继续策略构建器的工作，来提高其效率，并实现新的功能。

行情在一个月内下跌了 30％ 以上。 这似乎是测试基于网格和马丁格尔的智能交易系统的最佳时间。 本文是“创建跨平台网格 EA”系列的计划外延续。 当前行情为安排网格 EA 提供了疏解压力的机会。 因此，我们要把握这次机会，并测试我们的智能交易系统。

本文通过一个具体的例子提供了机器学习过程的主要阶段的代码和描述。您不需要 Python 或 R 语言知识就能够获得模型。此外，基本的MQL5知识已经足够了- 这正是我的水平。因此，我希望这篇文章能为广大读者提供一个很好的指导，帮助那些对评估机器学习能力感兴趣的人，并在他们的课程中实现这些能力。

本文描述了一种可能的数据转换方法，旨在提高模型的通用性，并讨论了 CatBoost 模型的采样和选择。

在本文中，笔者将讨论利用亲自开发的遗传算法进行的进化计算。笔者将通过示例说明算法的功能，并为算法的使用提供实用性的建议。