|
5+ 年
经验
|
10
产品
|
27
演示版
|
|
0
工作
|
3
信号
|
0
订阅者
|
在本文中，我将试图详细解释什么是网格和马丁格尔，以及它们的共同点。此外，我将试着分析这些策略到底有多可行。这篇文章同时包含了数学和实践部分。
本文介绍了应用于网格和马丁格尔交易的机器学习技术。 令人惊讶的是，这种方法在全球网络中难觅踪迹。 阅读过本文之后，您将能够创建自己的交易机器人。
本文介绍了一种基于粒子群算法的快速优化方法。本文还介绍了MQL中的方法实现，它既可以在EA交易内部的单线程模式下使用，也可以作为在本地测试人员代理上运行的附加组件在并行多线程模式下使用。
本文提出了一种技术, 通过汇集一套独立的指标, 以及开发定制的入场信号, 帮助每个人创建定制的交易策略。
本文详细阐述了运用若干种可能选项开发选择最佳优化递次的应用程序。 该应用程序能够通过各种因素来筛选优化结果。 优化递次始终写入数据库，因此您总能无需重新优化即可选择新的机器人参数。 此外，您可在单个图表上查看所有优化递次，计算参数 VaR 比率，并构建递次与特定比率集和的交易结果的正态分布图。 以及，自优化伊始（或从选定日期到另一个选定日期）开始动态构建一些计算比率的图形。
本文将介绍创建自定义策略测试器和自定义优化通关分析器的方法。阅读之后, 您将了解数学计算模式, 和所谓分帧机制如何工作, 如何准备和加载用于计算的自定义数据, 以及如何使用有效的算法将它们压缩。对于那些打算在智能系统中存储自定义信息感兴趣的人来说, 这篇文章会很有趣。
在本文中, 我们研究另一种基于分析余额图来优化自定义交易策略的准则。线性回归使用 ALGLIB 函数库中的函数进行计算。
检测行情是否处于横盘对于许多策略来说是至关必要的。我们使用高知名度的 ADX 来展示如何利用策略测试器, 不但可以根据我们的特殊目的来优化指标, 而且我们也能判断指标是否符合我们的需要, 得到横盘和趋势行情的均值, 这对于判断行情的止损和目标是十分重要的。
A cross - track indicator that visually shows the current bullish/bearish trend of the market through the midline (mid track), main line (upper track), and sub-lines (lower track). Intersections or upper rail turns can be used as buying and selling positions. Parameter description: period：10 price： WEIGHTED //HIGH //LOW //OPEN //CLOSE //MEDIAN //TYPICAL //AVERAGE //WEIGHTED method：Linear weighted //Simple //Exponential //Smoothed // Linear weighted main offset：1.5 sub offset：1 base：2 counts add
根据高开低收价格确定反转点位，画出的极点折线。 The pole polyline is drawn according to the high opening and low closing price to determine the reversal point. 参数(Args)： 1.周期数(Period)。参与界限计算的K柱数量。 2.界限(Divide)。计算方式包括： t1,顺高低价 (Buy min H,Sell max L) t2,逆高低价 (Buy min L,Sell max H) t3,收盘价 (Buy min C,Sell max C) t4,开盘价 (Buy min O,Sell max O) t5,高开低收价的一半