有关 MQL5 编程和自动交易使用的文章
自定义品种（符号）：实践基础
本文专门介绍了程序化生成自定义品种（符号），这些自定义品种可用来演示一些显示报价的流行方法。 它描述的是一种建议的微创智能交易系统改编方案，可用在派生的自定义品种图表上，如同真实品种一样。 MQL 源代码随附于文后。
神经网络变得轻松（第六部分）：神经网络学习率实验
我们之前已研究过各种类型的神经网络及其实现。 在所有情况下，训练神经网络时都使用梯度下降法，为此我们需要选择学习率。 在本文中，我打算通过示例展示正确选择学习率的重要性，及其对神经网络训练的影响。
统计分布在交易者工作中的作用
本文是我的《用 MQL5 表示统计概率分布》一文的续篇，该文介绍了处理某些理论统计分布的类。现在，我们已经有了理论基础，我建议我们应直接进入实际数据集，并尝试据此基础获得某些信息。
基于成交历史的交易播放器
交易播放器。仅仅五个字，无需解释。一个带有按钮的小对话框出现在您的脑海中。按一个按钮 - 它开始播放，移动控制杆 - 播放速度改变。事实上，它非常类似。在本文中，我想展示我编写的以几乎与实时交易完全相同的方式播放交易历史的程序。本文使用指标和管理图表来介绍 OOP 的某些细节。
神经网络变得轻松（第四十五部分）：训练状态探索技能
在没有明确奖励函数的情况下，实用的训练技能就是分层强化学习的主要挑战之一。 以前，我们已领略了解决此问题的两种算法。 但环境研究的完整性问题仍然悬而未决。 本文演示了一种不同的技能训练方式，其可取决于系统的当前状态直接使用。
关于策略优化的一些简单想法
即使你借助MQL5的云计算网络来进行优化工作，仍就需要消耗大量的计算机资源。本文由我对MetaTrader 5策略测试器一些简单的改进想所法组成。这些想法来自于MQL社区的相关技术文档、论坛和文章。
DoEasy 函数库中的价格（第六十二部分）：实时更新即时报价序列，为操控市场深度做准备
在本文中，我将实现即时报价数据的实时更新，并为操控市场深度的品种对象类（DOM 本身将在下一篇文章中实现）做准备。
开发自适应算法 (第二部分): 提高效率
在本文中，我将通过改进先前创建的算法的灵活性来继续本主题的开发。随着分析窗口中烛形数量的增加，或烛形超额阈值百分比的增加，算法变得更加稳定。我不得不做出妥协，并设置一个更大的样本量进行分析或更大的烛形超额百分比。
更好的程序员（第 02 部分）：停止做这 5 件事变为一名成功的 MQL5 程序员
对于任何想要提高编程职业生涯的人来说，这是一篇必读文章。 本系列文章旨在尽最大可能令您成为最佳程序员，无论您有多少经验。 研讨的思路适用于 MQL5 编程萌新和专业人士。
在算法交易中 KOHONEN 神经网络的实际应用 第二部分优化和预测
在设计使用 Kohonen 网络的通用工具的基础上，我们建立了优化EA参数的分析和选择系统，并探讨了时间序列的预测。在第一部分中，我们修正和改进了公开的神经网络类，增加了必要的算法。现在，是时候在实际应用中使用它们了。
MQL5 中的矩阵和向量
运用特殊的数据类型“矩阵”和“向量”，可以创建非常贴合数学符号本意的代码。 运用这些方法，您可以避免创建嵌套循环，或在计算中分心记忆正确的数组索引。 因此，矩阵和向量方法的运用能为开发复杂程序提高可靠性和速度。
学习如何基于交易量设计交易系统
这是我们系列文集中的新篇章，介绍如何基于最流行的技术指标设计交易系统。 本文将专门讨论交易量指标。 作为一个概念，交易量是金融市场交易中非常重要的因素之一，我们必须予以关注。 贯穿本文，我们将学习如何基于交易量指标设计一款简单的系统。
用 MQL5 创建“贪吃蛇”游戏
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。
学习如何基于 VIDYA 设计交易系统
欢迎阅读我们的关于学习如何依据最流行的技术指标设计交易系统系列的新篇章，在本文中，我们将学习一种新的技术工具，并学习如何依据可变指数动态平均线（VIDYA）设计交易系统。
学习如何基于 Williams PR 设计交易系统
本系列中的一篇新文章,介绍了如何依据 MQL5 最流行的技术指标为 MetaTrader 5 设计交易系统。 在本文中，我们将学习如何依据 Williams‘ %R 指标设计交易系统。
在交易中应用 OLAP（第四部分）：定量和可视化分析测试器报告
本文提供的的基本工具，可针对测试器报告的单次通关验证和优化结果进行 OLAP 分析。 该工具可以操控标准格式文件（tst 和 opt），并还提供了图形界面。 MQL 源代码附带于后。
神经网络变得轻松（第五部分）：OpenCL 中的多线程计算
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。
MQL5 细则手册：保存基于指定标准的“EA 交易”的优化结果
我们继续有关 MQL5 编程的系列文章。这一次，我们来看一看如何获得“EA 交易”参数优化期间传递的每个优化的结果。将完成实现，以确保如果外部参数中指定的条件得到满足，对应的传递值将被写入文件。除了测试值，我们还将保存带来这样的结果的参数。
依据价格相关性的统计数据过滤信号
在过去的价格行为和其将来的趋势之间是否有任何相关性？为什么今天的价格重复以前的每日运行特征呢？统计能用于预测价格动态吗？有一个答案，并且是积极的答案。如果您有任何疑问，则本文正好为您释疑解惑。我将告诉您如何用 MQL5 为一个交易系统创建一个有效的过滤器，展现价格变动中有趣的图形。
神经网络变得轻松（第四部分）：循环网络
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。
学习如何基于 ADX 设计交易系统
在本文中，我们将继续有关基于最流行指标设计交易系统的系列文章，这次我们将讨论平均方向指数（ADX）指标。 我们将详细学习该指标，从而能够更好地理解它，并将学习如何在简单策略里运用它。 通过深入学习，我们可以获得更多的认知，可以更好地运用它。
在算法交易中 Kohonen 神经网络的实际应用。 第 I 部分 工具
本文依据之前发表文献中所介绍的思路，开发在 MetaTrader 5 中运用 Kohonen 映像。 改进并强化的类提供了解决应用程序任务的工具。
处理 MQL5“EA 交易”的 GSM 调制解调器
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。
神经网络变得轻松（第十部分）：多目击者关注
我们以前曾研究过神经网络中的自关注机制。 在实践中，现代神经网络体系结构会采用多个并行的自关注线程来查找序列元素之间的各种依存关系。 我们来研究这种方法的实现，并评估其对整体网络性能的影响。
构建自动运行的 EA（第 06 部分）：账户类型（I）
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。
在 MQL5.com 上的自由职业者工作 - 开发者喜爱的位置
自动交易的开发者不再需要去市场中寻找需要 EA 的交易者 - 现在他们会来找你。目前，成千上万的交易者到 MQL5 上给自由开发人员下订单，并在 MQL5.com 上为任务支付报酬。4 年以来，这项服务促成了三千名交易员对超过 10,000 个任务进行了支付。并且交易员与开发者的行动正在持续增长！
一张图表上多个指标（第 04 部分）：晋升为一款智能交易系统
在我之前的文章里，我已经解释了如何创建拥有多个子窗口的指标，在使用自定义指标时如此这般会变得很有趣。 这次，我们将看到如何为智能交易系统添加多个窗口。
从头开始开发智能交易系统（第 9 部分）：概念上的飞跃 (II)
在本文中，我们将把 Chart Trade 这个应用程序放置在浮动窗口当中。 在前一篇中，我们创建了一个基本系统，该系统支持在浮动窗口中使用模板。
学习如何基于强力指数（Force Index）设计交易系统
欢迎阅读我们系列中的新篇章，有关如何基于最流行的技术指标设计交易系统。 在本文中，我们将学习一个新的技术指标，以及如何运用强力指数（Force Index）指标创建交易系统。
视频：简单自动交易 — 如何利用 MQL5 创建简单的智能交易系统
在我的课程中，大多数学生认为 MQL5 真的很难理解。 除此之外，他们还在寻找一种直接的方法来把一些过程自动化。 那么阅读本文中归纳的信息，就能立刻发现如何利用 MQL5 开始运作。 即使您以前从未接触过任何形式的编程。 即使您无法领会之前您所观察到的插图的情况下。