Tu Lin Jiang
Tu Lin Jiang
  • 信息
4 年
经验
0
产品
0
演示版
0
工作
0
信号
0
订阅者
共享作者MetaQuotes文章
预测金融时间序列
预测金融时间序列

预测金融时间序列是任何投资活动的必备元素。投资本身的概念是投入现有的资金以在未来获利,而这个概念又基于预测未来的概念。因此,预测金融时间序列是整个投资行业(包括所有有组织的交易所和其他证券交易系统)的投资活动的基础。

共享作者Genkov文章
考虑 T. Demark 方法的趋势线指标
考虑 T. Demark 方法的趋势线指标

指标反映了显示市场近期事件的趋势线。该指标的开发考虑了 Thomas Demark 有关技术分析的建议和方法。指标显示了趋势的最后方向和趋势的倒数第二个相反方向。

共享作者Julien文章
FANN2MQL 神经网络教学
FANN2MQL 神经网络教学

本文将利用一个简单的例子为你演示如何通过 FANN2MQL 来使用神经网络:教给神经网络一个简单的模式,然后测试它是否能够识别从未见过的模式。

共享作者Andrey Emelyanov文章
MеtaTrader 4 和 MATLAB Engine 的交互(虚拟 MATLAB 机)
MеtaTrader 4 和 MATLAB Engine 的交互(虚拟 MATLAB 机)

本文探讨了 DLL 库 - 包装程序的创建,它能使 MetaTrader 4 和 MATLAB 数学桌面包进行交互。 文章对其中的“陷阱”以及克服的方法进行了介绍。 本文面向的读者是使用 Borland C++ Builder 6 编译器且具有 C/C++ 基础的程序员。

共享作者Ivan Morozov文章
Thomas DeMark 对于技术分析做出的贡献
Thomas DeMark 对于技术分析做出的贡献

本文详细描述了由 Thomas DeMark 发现的 TD 点和 TD 线。揭示了它们的实际实现。除此之外, 还展示了使用 Thomas DeMark 的概念编写三款指标, 两款智能交易程序的过程。

共享作者Vladimir Perervenko文章
采用栈式 RBM 的深度神经网络。自训练, 自控制
采用栈式 RBM 的深度神经网络。自训练, 自控制

本文是有关深度神经网络和预测器选择的前文之续篇。在此我们将涵盖由栈式 RBM 初始化的深度神经网络特性, 以及它在 "darch" 软件包里的实现。

共享作者Mariusz Woloszyn文章
在 MetaTrader 中使用神经网络
在 MetaTrader 中使用神经网络

本文介绍如何轻松在你的 MQL4 代码中使用神经网络,利用最佳的免费人工神经网络库 (FANN),并在 MQL4 代码中采用多个神经网络。

Tu Lin Jiang
已在MQL5.community注册
12