![直推和主动机器学习中的梯度提升](https://c.mql5.com/2/49/gradient_boosting_catboost_ml_600x314.jpg)
直推和主动机器学习中的梯度提升
在本文中,我们将探讨利用真实数据的主动机器学习方法,并讨论它们的优缺点。也许你会发现这些方法很有用,并将它们包含在你的机器学习模型库中。直推是由支持向量机(SVM)的共同发明者弗拉基米尔·瓦普尼克(Vladimir Vapnik)提出的。
![在 MQL4 和 MQL5 框架下开发 OpenAI 的 ChatGPT 功能](https://c.mql5.com/2/55/mql5-openai_600x314.jpg)
在 MQL4 和 MQL5 框架下开发 OpenAI 的 ChatGPT 功能
在本文中,我们将尝鲜来自 OpenAI 的 ChatGPT,从而了解它在降低开发智能系统、指标、和脚本的时间和劳动强度方面的能力。我将引导您快速通览这项技术,并尝试向您展示如何正确地使用它在 MQL4 和 MQL5 中进行编程。
![MetaTrader 5 的 WebSocket — 使用 Windows API](https://c.mql5.com/2/49/websockets_mt5_winapi_600x314.jpg)
MetaTrader 5 的 WebSocket — 使用 Windows API
在本文中,我们将使用 WinHttp.dll 针对 MetaTrader 5 平台创建 WebSocket 客户端程序。 客户端最终将作为一个类实现,并借助 Binary.com 的 WebSocket API 进行测试。
![连续前行优化 (第八部分): 程序改进和修复](https://c.mql5.com/2/49/Continuous-Walk-Forward-Optimization_008_600x314.jpg)
连续前行优化 (第八部分): 程序改进和修复
根据本系列文章的用户和读者的评论和要求,程序已进行了修改。 本文包含一个自动优化器的新版本。 该版本实现了所需的功能,并提供了其他改进,这些是我运用该程序操作时发现的。
![神经网络变得轻松(第二十六部分):强化学习](https://c.mql5.com/2/49/Neural_Networks_Easy_018_600x314.jpg)
神经网络变得轻松(第二十六部分):强化学习
我们继续研究机器学习方法。 自本文,我们开始另一个大话题,强化学习。 这种方式允许为模型设置某些策略来解决问题。 我们可以预期,强化学习的这种特性将为构建交易策略开辟新的视野。
![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。
![MQL5 中的矩阵和向量操作](https://c.mql5.com/2/49/Anons_600x314.jpg)
MQL5 中的矩阵和向量操作
MQL5 中引入了矩阵和向量,用于实现数学解决方案的高效操作。 新类型提供了内置方法,能够创建接近数学标记符号的简洁易懂的代码。 数组提供了广泛的功能,但在很多情况下,矩阵的效率要高得多。
![神经网络变得轻松(第九部分):操作归档](https://c.mql5.com/2/49/Neural_networks_made_easy_008_600x314.jpg)
神经网络变得轻松(第九部分):操作归档
我们已经经历了很长一段路,并且函数库中的代码越来越庞大。 这令跟踪所有连接和依赖性变得难以维护。 因此,我建议为先前创建的代码创建文档,并保持伴随每个新步骤进行更新。 正确准备的文档将有助我们看到操作的完整性。
![在 MQL5 中使用 AutoIt](https://c.mql5.com/2/49/autoit_mql5_600x314.jpg)
在 MQL5 中使用 AutoIt
简述。 在本文中,我们将探索采用 MetraTrader 5 终端里以集成的 MQL5 编写 AutoIt 脚本。 在其中,我们将覆盖如何操纵终端的用户界面来自动完成各种任务,并介绍一个采用 AutoItX 库的类。
![从头开始开发智能交易系统(第 15 部分):访问 web 上的数据(I)](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_from_scratch_006_600x314.jpg)
从头开始开发智能交易系统(第 15 部分):访问 web 上的数据(I)
如何通过 MetaTrader 5 访问在线数据? 互联网上有很多网站,提供海量信息。 您需要知道的是,在哪里查找、以及如何才能最好地利用这些信息。
![并行粒子群优化](https://c.mql5.com/2/49/Parallel-Particle-Swarm-Optimization_600x314.jpg)
并行粒子群优化
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。
![MQL5 酷宝书 — 宏观经济事件数据库](https://c.mql5.com/2/51/mql5-recepies-database_600x314.jpg)
MQL5 酷宝书 — 宏观经济事件数据库
本文讨论了基于 SQLite 引擎处理数据库的可能性。 形成的 CDatabase 类就是为了方便和有效地运用 OOP 原则。 随后它会参与宏观经济事件数据库的创建和管理。 本文提供了使用 CDatabase 类的多种方法的示例。
![从头开始开发智能交易系统(第 16 部分):访问 web 上的数据(II)](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_from_scratch_007_600x314.jpg)
从头开始开发智能交易系统(第 16 部分):访问 web 上的数据(II)
掌握如何从网络向智能交易系统输入数据并非那么轻而易举。 如果不了解 MetaTrader 5 提供的所有可能性,就很难做到这一点。
![神经网络变得轻松(第二十四部分):改进迁移学习工具](https://c.mql5.com/2/49/Neural_Networks_Easy_016_600x314.jpg)
神经网络变得轻松(第二十四部分):改进迁移学习工具
在上一篇文章中,我们创建了一款用于创建和编辑神经网络架构的工具。 今天我们将继续打造这款工具。 我们将努力令其对用户更加友好。 也许可以看到,我们的主题往上更进一步。 但是,您不认为规划良好的工作空间在实现结果方面起着重要作用吗?
![MQL5 中的范畴论 (第 7 部分):多域、相对域和索引域](https://c.mql5.com/2/54/Category-Theory-p7_600x314.jpg)
MQL5 中的范畴论 (第 7 部分):多域、相对域和索引域
范畴论是数学的一个多样化和不断扩展的分支,直到最近才在 MQL5 社区中得到一些报道。 这些系列文章旨在探索和验证一些概念和公理,其总体目标是建立一个开放的函数库,提供洞察力,同时也希望进一步在交易者的策略开发中运用这个非凡的领域。
![多层感知器和反向传播算法(第 3 部分):与策略测试器集成 - 概述(I)](https://c.mql5.com/2/51/Perceptron_Multicamadas_e_o_Algoritmo_Backpropagation_600x314.jpg)
多层感知器和反向传播算法(第 3 部分):与策略测试器集成 - 概述(I)
多层感知器是简单感知器的演变,可以解决非线性可分离问题。 结合反向传播算法,可以有效地训练该神经网络。 在多层感知器和反向传播系列的第 3 部分当中,我们将见识到如何将此技术集成到策略测试器之中。 这种集成将允许使用复杂的数据分析,旨在制定更好的决策,从而优化您的交易策略。 在本文中,我们将讨论这种技术的优点和问题。
![如何将 MetaTrader 5 与 PostgreSQL 连接](https://c.mql5.com/2/53/How_to_connect_MetaTrader_5_to_PostgreSQL_600x314.jpg)
如何将 MetaTrader 5 与 PostgreSQL 连接
本文讲述了将 MQL5 代码与 Postgres 数据库连接的四种方法,并提供了一个分步教程,指导如何使用 Windows 子系统 Linux (WSL) 为 REST API 设置一个开发环境。 所提供 API 的演示应用程序,配以插入数据并查询相应数据表的 MQL5 代码,以及消化此数据的演示智能系统。
![您应该知道的 MQL5 向导技术(第 04 部分):线性判别分析](https://c.mql5.com/2/50/linear_discriminant_analysis_600x314.jpg)
您应该知道的 MQL5 向导技术(第 04 部分):线性判别分析
今天的交易者都是哲学家,几乎总是在寻找新的想法,尝试提炼它们,选择修改或丢弃它们:一个探索性的过程,肯定会花费相当的勤奋程度。 这些系列文章将提出 MQL5 向导应该是交易者在此领域努力的中流砥柱。
![MQL5 中的范畴论 (第 1 部分)](https://c.mql5.com/2/50/Category-Theory-001_600x314.jpg)
MQL5 中的范畴论 (第 1 部分)
范畴论是数学的一个多样化和不断扩展的分支,到目前为止,在 MQL 社区中还相对难以发现。 这些系列文章旨在介绍和研究其一些概念,其总体目标是建立一个开放的函数库,吸引评论和研讨,同时希望在交易者的策略开发中进一步在运用这一非凡的领域。
![MQL5 中的范畴论 (第 2 部分)](https://c.mql5.com/2/51/Category-Theory-part-2_600x314.jpg)
MQL5 中的范畴论 (第 2 部分)
范畴论是数学的一个多样化和不断扩展的分支,到目前为止,在 MQL5 社区中还相对难以发现。 这些系列文章旨在介绍和研究其一些概念,其总体目标是建立一个开放的函数库,吸引评论和研讨,同时希望在交易者的策略开发中进一步在运用这一非凡的领域。
![神经网络变得轻松(第三十七部分):分散关注度](https://c.mql5.com/2/53/NN_part_37_Sparse_Attention_600x314.jpg)
神经网络变得轻松(第三十七部分):分散关注度
在上一篇文章中,我们讨论了在其架构中使用关注度机制的关系模型。 这些模型的具体特征之一是计算资源的密集功用。 在本文中,我们将研究于自我关注度模块内减少计算操作数量的机制之一。 这将提高模型的常规性能。
![MQL5 中的范畴论 (第 5 部分):均衡器](https://c.mql5.com/2/53/Category-Theory-p5_600x314.jpg)
MQL5 中的范畴论 (第 5 部分):均衡器
范畴论是数学的一个多样化和不断扩展的分支,直到最近才在 MQL5 社区中得到一些报道。 这些系列文章旨在探索和验证一些概念和公理,其总体目标是建立一个开放的函数库,提供洞察力,同时也希望进一步在交易者的策略开发中运用这个非凡的领域。
![将ML模型与策略测试器集成(结论):实现价格预测的回归模型](https://c.mql5.com/2/58/implementation_regression_model_600x314.jpg)
将ML模型与策略测试器集成(结论):实现价格预测的回归模型
本文描述了一个基于决策树的回归模型的实现。该模型应预测金融资产的价格。我们已经准备好了数据,对模型进行了训练和评估,并对其进行了调整和优化。然而,需要注意的是,该模型仅用于研究目的,不应用于实际交易。
![MQL5 中的范畴论 (第 2 部分)](https://c.mql5.com/2/52/Category-Theory-part-3_600x314.jpg)
MQL5 中的范畴论 (第 2 部分)
范畴论是数学的一个多样化和不断扩展的分支,到目前为止,在 MQL5 社区中还相对难以发现。 这些系列文章旨在介绍和研究其一些概念,其总体目标是建立一个开放的函数库,提供洞察力,同时希望在交易者的策略开发中进一步运用这一非凡的领域。
![利用 MQL5 的交互式 GUI 改进您的交易图表(第一部分):可移动 GUI(I)](https://c.mql5.com/2/55/Revolutionize_Your_Trading_Charts_Part_I_600x314.jpg)
利用 MQL5 的交互式 GUI 改进您的交易图表(第一部分):可移动 GUI(I)
凭借我们的利用 MQL5 创建可移动 GUI 的综合指南,令您的交易策略或实用程序焕发出呈现动态数据的力量。 深入了解图表事件的核心概念,并学习如何在同一图表上设计和实现简单、多个可移动的 GUI。 本文还探讨了往 GUI 上添加元素的过程,从而增强其功能和美观性。