![从头开始开发智能交易系统(第 28 部分):面向未来((III)](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_007_600x314.jpg)
从头开始开发智能交易系统(第 28 部分):面向未来((III)
我们的订单系统有一项任务仍然尚未完成,但我们终将把它搞定。 MetaTrader 5 提供了一个允许创建和更正订单参数值的单据系统。 该思路是拥有一个智能系统,可令相同的票据系统更快、更高效。
![DoEasy 函数库中的其他类(第六十六部分):MQL5.com 信号集合类](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__4.png)
![DoEasy 函数库中的其他类(第六十六部分):MQL5.com 信号集合类](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的其他类(第六十六部分):MQL5.com 信号集合类
在本文中,我将针对 MQL5.com 信号服务创建信号集合类,拥有能够管理信号的函数。 此外,我将改进“市场深度”快照对象类,来显示 DOM 的总买卖量。
![在莫斯科交易所(MOEX)里使用破位挂单的自动兑换网格交易](https://c.mql5.com/2/54/moex-mesh-trading_600x314.jpg)
在莫斯科交易所(MOEX)里使用破位挂单的自动兑换网格交易
本文探讨在莫斯科交易所(MOEX)里基于破位挂单的网格交易方法如何在 MQL5 智能系统中实现。 在市场上进行交易时,最简单的策略之一是设计“捕捉”市场价格的订单网格。
![学习如何基于比尔·威廉姆斯(Bill Williams)的 MFI 设计交易系统](https://c.mql5.com/2/52/bw_mfi_600x314.jpg)
学习如何基于比尔·威廉姆斯(Bill Williams)的 MFI 设计交易系统
这是该系列中的一篇新文章,我们将学习如何根据流行的技术指标设计交易系统。 这次我们将涵盖比尔·威廉姆斯(Bill Williams)的市场促进指数(BW MFI)。
![DoEasy 函数库中的图形(第七十三部分):图形元素的交互窗对象](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library3-2.png)
![DoEasy 函数库中的图形(第七十三部分):图形元素的交互窗对象](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的图形(第七十三部分):图形元素的交互窗对象
这篇文章开辟了函数库一个新的操控图形的大章节。 在本文中,我将创建鼠标状态对象、所有图形元素的基准对象、以及函数库图形元素的交互窗对象类。
![如何在 MetaTrader 5 中创建并测试自定义 MOEX(莫斯科证券交易所) 品种](https://c.mql5.com/2/35/CustSymbols_MOEX.png)
![如何在 MetaTrader 5 中创建并测试自定义 MOEX(莫斯科证券交易所) 品种](https://c.mql5.com/i/articles/overlay.png)
如何在 MetaTrader 5 中创建并测试自定义 MOEX(莫斯科证券交易所) 品种
本文介绍运用 MQL5 语言创建自定义兑换品种。 特别是,它研究使用来自流行的 Finam 网站的兑换报价。 本文中研究的另一个选项是在创建自定义品种时可以使用任意格式的文本文件。 这允许使用任何金融品种和数据源。 创建自定义品种之后,我们可以使用 MetaTrader 5 策略测试器的所有功能来测试兑换品种的交易算法。
![让开发者为交易者进行服务?](https://c.mql5.com/2/10/MQL5_freelance_avatar.png)
![让开发者为交易者进行服务?](https://c.mql5.com/i/articles/overlay.png)
让开发者为交易者进行服务?
算法交易变得越来越流行并需求旺盛,这自然导致了对于精致算法以及不同寻常任务的需求。从某种程度上说,这些复杂的应用程序都已经在代码库或市场中提供。尽管交易者只需几次简单的点击就可以访问这些应用, 但是这些应用也许不能完全满足所有的需要。为此, 交易者可以在 MQL5 的自由职业者板块分派订单,并寻找开发者来为他们编写期望的应用。
![学习如何基于标准偏差设计交易系统](https://c.mql5.com/2/49/learnhow_standard_deviation_600x314.jpg)
学习如何基于标准偏差设计交易系统
此为我们该系列中的一篇新文章,介绍如何利用 MetaTrader 5 交易平台中最受欢迎的技术指标来设计交易系统。 在这篇新文章中,我们将学习如何运用标准偏差指标设计交易系统。
![数据科学和机器学习(第 12 部分):自训练神经网络能否帮助您跑赢股市?](https://c.mql5.com/2/52/Self-Training-Neural-Networks_600x314.jpg)
数据科学和机器学习(第 12 部分):自训练神经网络能否帮助您跑赢股市?
您是否厌倦了持续尝试预测股市? 您是否希望有一个水晶球来帮助您做出更明智的投资决策? 自训练神经网络可能是您一直在寻找的解决方案。 在本文中,我们将探讨这些强大的算法是否可以帮助您“乘风破浪”,并跑赢股市。 通过分析大量数据和识别形态,自训练神经网络通常可以做出比人类交易者更准确的预测。 发现如何使用这项尖端技术来最大化您的盈利,并制定更明智的投资决策。
![神经网络变得轻松(第三十五部分):内在好奇心模块](https://c.mql5.com/2/50/Neural_Networks_Made_035_600x314.jpg)
神经网络变得轻松(第三十五部分):内在好奇心模块
我们继续研究强化学习算法。 到目前为止,我们所研究的所有算法都需要创建一个奖励政策,从而令代理者能够每次从一个系统状态过渡到另一个系统状态的转换中估算其每个动作。 然而,这种方式人为因素相当大。 在实践中,动作和奖励之间存在一些时间滞后。 在本文中,我们将领略一种模型训练算法,该算法可以操控从动作到奖励的各种时间延迟。
![DoEasy 函数库中的图形(第七十六部分):会话窗对象和预定义的颜色主题](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library3-2__3.png)
![DoEasy 函数库中的图形(第七十六部分):会话窗对象和预定义的颜色主题](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的图形(第七十六部分):会话窗对象和预定义的颜色主题
在本文中,我所述的概念将涵盖构建各种函数库 GUI 设计主题,创建会话窗对象,它是图形元素类对象的衍生后代,并为创建函数库图形对象的阴影准备数据,以及进一步开发功能。
![构建自动运行的 EA(第 11 部分):自动化(III)](https://c.mql5.com/2/50/aprendendo_construindo_011_600x314.jpg)
构建自动运行的 EA(第 11 部分):自动化(III)
如果没有健全的安全性,自动化系统就不会成功。 但是,如果不对某些事情有很好的理解,就无法确保安全性。 在本文中,我们将探讨为什么在自动化系统中实现最大安全性是一项挑战。
![利用智能系统进行风险和资本管理](https://c.mql5.com/2/49/risk_and_capital_management_using_exper_advisor_600x314.jpg)
利用智能系统进行风险和资本管理
本文是有关您在回测报告中看不到的内容,使用自动交易软件时您应该期望什么;如果您正在使用智能系统,该如何管理您的资金;以及如果您正在使用自动化过程,如何弥补重大亏损从而坚持交易活动。
![神经网络变得轻松(第三十二部分):分布式 Q-学习](https://c.mql5.com/2/50/Neural_networks_are_simple-32_600x314.jpg)
神经网络变得轻松(第三十二部分):分布式 Q-学习
我们在本系列的早期文章中领略了 Q-学习方法。 此方法均化每次操作的奖励。 2017 年出现了两篇论文,在研究奖励分配函数时展现出了极大的成功。 我们来研究运用这种技术解决我们问题的可能性。
![数据科学与机器学习 — 神经网络(第 01 部分):前馈神经网络解密](https://c.mql5.com/2/49/feed_forward_nn_600x314.jpg)
数据科学与机器学习 — 神经网络(第 01 部分):前馈神经网络解密
许多人喜欢它们,但却只有少数人理解神经网络背后的整个操作。 在本文中,我尝试用淳朴的语言来解释前馈多层感知,解密其封闭大门背后的一切。
![构建自动运行的 EA(第 09 部分):自动化(II)](https://c.mql5.com/2/50/aprendendo_construindo_010_600x314.jpg)
构建自动运行的 EA(第 09 部分):自动化(II)
如果您无法控制其调度表,则自动化就意味着毫无意义。 没有工人能够一天 24 小时高效工作。 然而,许多人认为自动化系统理所当然地每天 24 小时运行。 但为 EA 设置工作时间范围总是有好处的。 在本文中,我们将研究如何正确设置这样的时间范围。
![DoEasy 库中的其他类(第六十九部分):图表对象集合类](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__7.png)
![DoEasy 库中的其他类(第六十九部分):图表对象集合类](https://c.mql5.com/i/articles/overlay.png)
DoEasy 库中的其他类(第六十九部分):图表对象集合类
在本文里,我启动图表对象集合类的开发。 该类存储图表对象及其子窗口和指标的集合列表,从而提供操控任何选定图表及其子窗口的能力,亦或同时处理多个图表列表。
![您应该知道的 MQL5 向导技术(第 01 部分):回归分析](https://c.mql5.com/2/49/regression_analysis_600x314.jpg)
您应该知道的 MQL5 向导技术(第 01 部分):回归分析
今天的交易者都是一位哲学家,他几乎总是(有意识地或无意识地)寻找新的思路,尝试它们,选择修改或抛弃它们;这是一个需要付出相当勤奋程度的探索过程。 这显然会花费交易者高昂的时间,且需要避免错误。 本系列文章将提出,MQL5 向导应该是交易者的支柱。 为什么呢? 因为交易者不仅经由 MQL5 向导组装他的新想法来节省时间,而且大大减少了重复编码的错误;他最终会把精力集中在交易哲学的几个关键领域。
![神经网络变得轻松(第四十四部分):动态学习技能](https://c.mql5.com/2/55/Neural_Networks_are_Just_a_Part_600x314.jpg)
神经网络变得轻松(第四十四部分):动态学习技能
在上一篇文章中,我们讲解了 DIAYN 方法,它提供了学习各种技能的算法。 获得的技能可用在各种任务。 但这些技能可能非常难以预测,而这可能令它们难以运用。 在本文中,我们要研究一种针对学习可预测技能的算法。
![DoEasy 函数库中的图形(第七十四部分):由 CCanvas 类提供强力支持的基本图形元素](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library3-2__1.png)
![DoEasy 函数库中的图形(第七十四部分):由 CCanvas 类提供强力支持的基本图形元素](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的图形(第七十四部分):由 CCanvas 类提供强力支持的基本图形元素
在本文中,我将重修上一篇文章中构建的图形对象概念,并准备由标准库 CCanvas 类提供强力支持的函数库所有图形对象的基类。
![DoEasy 库中的其他类(第七十二部分):跟踪并记录集合中的图表对象参数](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__10.png)
![DoEasy 库中的其他类(第七十二部分):跟踪并记录集合中的图表对象参数](https://c.mql5.com/i/articles/overlay.png)
DoEasy 库中的其他类(第七十二部分):跟踪并记录集合中的图表对象参数
在本文中,我将完成图表对象类及其集合的操控。 我还将实现图表属性及其窗口变化的自动跟踪,以及把新参数保存到对象属性。 如此修订允许在未来实现整个图表集合的事件功能。
![构建自动运行的 EA(第 07 部分):账户类型(II)](https://c.mql5.com/2/50/aprendendo_construindo_007_600x314.jpg)
构建自动运行的 EA(第 07 部分):账户类型(II)
今天,我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。 交易者应当始终明白自动 EA 正在做什么,以便若它“偏离轨道”,交易者可以尽早将其从图表中删除,并控制事态。
![从头开始开发智能交易系统(第 21 部分):新订单系统 (IV)](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_from_scratch_21_New_order_system_IV_600x314.jpg)
从头开始开发智能交易系统(第 21 部分):新订单系统 (IV)
最后,视觉系统将开始工作,尽管它尚未完工。 在此,我们将完成主要更改。 这只是它们当中很少一部份,但都是必要的。 嗯,整个工作将非常有趣。
![神经网络变得轻松(第十四部分):数据聚类](https://c.mql5.com/2/49/Neural_networks_made_easy_004_600x314.jpg)
神经网络变得轻松(第十四部分):数据聚类
我的上一篇文章已经发表一年多了。 这令我有了大量时间考虑修改思路和发展新方法。 在这篇新文章中,我想转移一下以前使用的监督学习方法。 这次我们将深入研究无监督学习算法。 特别是,我们将考虑一种聚类算法 — k-均值。
![神经网络变得轻松(第十九部分):使用 MQL5 的关联规则](https://c.mql5.com/2/49/Neural_Networks_Easy_011_600x314.jpg)
神经网络变得轻松(第十九部分):使用 MQL5 的关联规则
我们继续研究关联规则。 在前一篇文章中,我们讨论了这种类型问题的理论层面。 在本文中,我将展示利用 MQL5 实现 FP-Growth 方法。 我们还将采用真实数据测试所实现的解决方案。
![学习如何基于柴金(Chaikin)振荡器设计交易系统](https://c.mql5.com/2/49/learnhow_chaikin_oscillator_600x314.jpg)
学习如何基于柴金(Chaikin)振荡器设计交易系统
欢迎阅读我们系列的新篇章,学习如何基于最流行的技术指标设计交易系统。 通读这篇新文章,我们将学习如何基于柴金(Chaikin)振荡器指标设计交易系统。
![神经网络变得轻松(第三十六部分):关系强化学习](https://c.mql5.com/2/52/Neural_Networks_Made_036_600x314.jpg)
神经网络变得轻松(第三十六部分):关系强化学习
在上一篇文章中讨论的强化学习模型中,我们用到了卷积网络的各种变体,这些变体能够识别原始数据中的各种对象。 卷积网络的主要优点是能够识别对象,无关它们的位置。 与此同时,当物体存在各种变形和噪声时,卷积网络并不能始终表现良好。 这些是关系模型可以解决的问题。