MQL5.community的发展历史

在上一篇文章中，我们实现了软性扮演者-评论者算法，但未能训练出一个可盈利的模型。在此，我们将优化先前创建的模型，以期获得所需的结果。

在这篇文章中，我将展示一种完全不同的方式进行算法交易，我经历了很长一段时间后才最终遇到它。当然，这一切所作所为全靠我的暴力程序，其经历了许多更改，令其能够并发解决若干问题。尽管如此，这篇文章明面上仍然比较笼统和尽可能简单，这就是为什么它也适合那些对暴力一无所知的人。

本系列文章介绍了几种时间序列标记方法，这些方法可以创建符合大多数人工智能模型的数据，而根据需要进行有针对性的数据标记可以使训练后的人工智能模型更符合预期设计，提高我们模型的准确性，甚至帮助模型实现质的飞跃！

在这篇文章中，我们介绍了几种被称为夏普比率（Sharpe ratio）替代品的风险回报标准的实现，并检查了假设的权益曲线以分析其特征。

在这篇参考文章中，我们将研究趋势指标类别中的标准指标。我们将创建现成的模板，用于EA中的指标使用——声明和设置参数、指标初始化和析构，以及从EA中的指示符缓冲区接收数据和信号。

在作者基于概率论开发的工程方式框架内，找到了开立盈利仓位的条件，并计算了最优（利润最大化）止盈和止损值。

在这篇文章中，我们深入研究自举法技术的应用，作为评估自动化策略未来效能的一种手段。

DRAKON是一种可视化编程语言，旨在简化来自不同领域的专家（生物学家、物理学家、工程师…）与俄罗斯太空项目（例如，Buran可重复使用航天器项目）程序员之间的互动。在这篇文章中，我将讨论DRAKON如何使算法的创建变得容易和直观，即使你从未遇到过代码，以及客户在订购交易机器人时如何更容易解释他们的想法，以及程序员如何在复杂函数中减少错误。

本文的最初目标不是涵盖外汇交易的所有可能性，而更是出于适配系统，如此您就至少可以执行一次市场回放。我们把模拟留待其它时刻。不过，如果我们没有跳价而仅有柱线的话，稍加努力，我们就可以模拟外汇市场中可能发生的交易。直到我们研究如何适配模拟器之前，情况一直如此。不经修改就尝试在系统内处理外汇数据会导致一系列错误。