MQL5.community的发展历史

在本文中，我们介绍下个版本的简单快速开发库(版本 3)，它修改了一些缺陷，并且加入了新的功能，文章中有更加详细的内容。

自从之前的系列文章发布以后，简单快速开发库(Easy And Fast library)又增加了一些新的功能。库的结构和代码经过部分优化后部分减少了CPU的负载，很多控件类中的一些重复方法被转移到 CElement 基类中。

是否有可能开发一款能够根据代码命令, 定期优化开仓和平仓条件的智能交易系统？如果我们以模块化的形式实现一个神经网络 (多层感知器) 来分析历史并提供策略, 会发生什么？我们可以做到 EA 每月(每周, 每天或每小时) 进行神经网络优化, 然后继续其工作。因此, 我们可以开发一款自我优化 EA。

第九部份的第二章致力于开发进度条和线形图表控件。与以往一样，会提供详细的实例展示如何在自定义的MQL应用程序中使用这些控件。

本文讨论使用 R 语言实现的处理基本统计分布的函数。这些包括柯西, 威布尔, 正态, 对数正态, 逻辑斯谛, 指数, 均匀, γ 分布, 中心和非中心 β, 卡方, 费舍尔 F-分布, 学生 t-分布, 以及离散二项式和负二项式分布, 几何, 超几何和泊松分布。这些函数还用于计算理论分布力矩, 可评估真实分布到建模的一致性程度。

订阅者经常通过分析信号在提供者账户里的总增长来搜索适当的信号, 这不是个坏主意。然而, 分析特定交易策略的潜在风险也很重要。在本文中, 我们将展示一种基于其绩效值来评估交易信号的简单有效方法。

从本文开始，我们来到了致力于在 MetaTrader 交易终端中创建图形界面系列文章的第九部份。它有两章，包含了新的控件和接口，例如颜色选择器，颜色按钮，进度条和线性图表等。

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。