MQL5 开发的自动交易示例的文章

本文描述一个“贪吃蛇”游戏编程的例子。在 MQL5 中，游戏编程变为可能主要是因为事件处理功能。面向对象编程大大简化了这个过程。在本文中，您将学习事件处理功能，标准 MQL5 库类的使用例子以及定期函数调用的详细信息。

之前的文章中包含了用于创建主菜单构成部分类的实现. 现在, 是时候在主基础类和创建控件的类中关注事件处理函数了. 我们将特别关注根据鼠标光标的位置来管理图表的状态.

我们早前已经讨论过某些类型的神经网络实现。 在所研究的网络中，每个神经元都重复相同的操作。 逻辑上进一步应利用现代技术提供的多线程计算功能来加快神经网络学习过程。 本文介绍了一种可能的实现方式。

我们继续研究神经网络的世界。 在本文中，我们将研究另一种类型的神经网络，循环网络。 此类型建议与时间序列配合使用，其在 MetaTrader 5 交易平台中由价格图表呈现。

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。 当前状态下，我们的 EA 已能在任何状况下工作，但尚未准备好自动化。 我们仍然需要在几点上努力。

当前，有相当数量的方式可以对交易账户进行轻松的远程监视：移动终端、推送通知、ICQ 。但都需要互联网连接。本文描述了“EA 交易”的创建程序，即使在移动互联网不可用的情况下，其也允许您通过电话或短信与交易终端保持联系。

本文中我们将讨论创建一个应用来展现RSS订阅的可能性。本文将介绍如何使用MetaTrader 5的标准类库来创建交互应用。

部分交易人员选择自动执行所有交易，而另外一些交易人员基于多个指标的输出混合使用自动和手动交易。作为后者中的一员，我需要一个互动式工具以直接从图表动态地评估风险和回报价格水平。本文将介绍通过预定义的资产净值风险和风险/回报比实施互动式半自动“EA 交易”的方法。“EA 交易”风险、风险/回报和手数参数可于运行时期间在 EA 面板上更改。

尽管创建自动 EA 并非一项非常困难的任务，但在缺乏必要知识的情况下可能会犯许多错误。 在本文中，我们将研究如何构建初级自动化，其中包括创建一个触发器来激活盈亏平衡和尾随停止价位。

这些来自专业程序员关于方法、技术和辅助工具的一些提示，可令编程变得更轻松。 我们将讨论终端重启（关闭）后如何恢复参数。 所有示例都是来自我的 Cayman 项目的真实工作代码片段。

如果您认为自动化系统很简单，那么您可能并未完全理解创建它们需要什么。 在本文中，我们将谈谈杀死大量智能系统的问题。 不分青红皂白地触发订单是解决这个问题的可能方法。

在本文中，我们将目睹如何利用事件处理系统快速有效地处理与订单系统相关的问题。 配合这个系统，EA 就能更快地工作，如此它就不必持续不断地搜索所需的数据。

许多工作站包含一些代表性的图片用以显示用户的一些信息。 这些图片令工作环境更加优美和令人兴奋。 我们来看看如何通过添加背景令图表更有趣。

本文研究针对 MetaTrader 5 平台开发 MQL5 智能交易系统（EA），旨在能在 MOEX 上操作。 该 EA 采用网格策略，面向 MetaTrader 5 终端，并在 MOEX 上进行交易。 EA 包括了依据止损和止盈平仓，以及在某些市场条件下取消挂单。

在之前的文章中，我们利用随机梯度下降法针对网络中的所有神经元按照相同的学习率训练神经网络。 在本文中，我提议着眼于自适应学习方法，该方法能够改变每个神经元的学习率。 我们还将研究这种方法的利弊。

均值回归是一种逆势交易，交易者预估价格将返回到某种形式的均衡点位，通常依据均值或其它向心趋势统计值来衡量。

鉴于程序在其运行时可能会用到不同的品种，因此应为每个品种创建一个单独的列表。 在本文中，我将把这些列表合并到一个即时报价数据集合。 实际上，这将是一个常规列表，基于指向标准库 CObject 类及其衍生类实例指针的动态数组。

无论您使用何种交易策略，总会有一个问题：怎样选择参数以保证未来的利润。本文提供了一个EA交易的实例，使您可以同时优化多个交易品种的参数，这种方法是未了减少参数的过度配合以及处理在研究中来自单个交易品种的数据不足的问题。

在上一篇文章中，我们已熟悉了自动编码器算法。 像其它任何算法一样，它也有其优点和缺点。 在其原始实现中，自动编码器会尽可能多地将对象与训练样本分开。 这次我们将讨论如何应对它的一些缺点。

在本文中，我将继续开发图表对象类。 我将添加含有可用指标列表的图表窗口对象列表。

在本文中，我们将把本系列中的所有知识付诸实践。 我们最终将建立一个 100% 自动化和功能性的系统。 但在此之前，我们仍然需要学习最后一个细节。