有关MQL5数据分析和统计的文章

在本文中，我将向您展示如何计算任何交易的总盈利或亏损，包括佣金和掉期利息。 我会提供最精准的数学模型，并依据它来编写代码，之后将其与标准进行比较。 此外，我还将尝试进入主要 MQL5 函数的内部来计算利润，并从规则中获取所有必要值的根底。

本文介绍了使用电子表格（Excel、Calc、Google）分析任何策略的基本原则和方法。所得结果与 MetaTrader 5 测试器进行了比较。

分数型差分的应用范围足够广泛。 例如，差分序列通常作为机器学习算法的输入。 问题是，必须在机器学习模型可识别的前提下，显示相应历史阶段的新数据。 在本文中，我们将研究时间序列差分的原始方法。 本文还包含基于所接收差分序列的交易系统自我优化示例。

在之前的文章中，我们已着手创建一个大型跨平台函数库，简化 MetaTrader 5 和 MetaTrader 4 平台上的程序开发。 在第四部分中，我们测试了在帐户上跟踪交易事件。 在本文中，我们将开发交易事件类，并将它们置于事件集合当中。 从那里，它们将被发送到 Engine （引擎）库的基准对象，并控制程序图表。

在第一部分中，我们曾创建了一个大型跨平台函数库，简化 MetaTrader 5 和 MetaTrader 4 平台程序的开发。 再者，我们实现了历史订单和成交的集合。 我们的下一步是创建一个类，用来针对订单、成交和仓位的集合进行选择和排序。 我们将实现名为引擎（Engine）的基准函数库对象，并向函数库中添加市价订单和仓位的集合。

在接下来的系列文章中，我将演示探讨大多数市场因素的自适应算法的开发，以及如何将这些情况系统化，用逻辑描述它们，并在您的交易活动中应用它们。我将从一个非常简单的算法开始，这个算法将逐渐获得理论，并发展成一个非常复杂的项目。

大多数订阅者是通过优美的余额曲线和订阅用户数量来选择交易信号。 这就是为什么如今许多提供者只在乎漂亮的统计数据而非信号的真实质量，经常玩弄手数把戏并人为地将余额曲线整理到理想的外观。 本文论述了可靠性准则，以及提供者可用于提高其信号质量的方法。 展现特定信号历史的示例性分析，以及有助于提供者提升盈利并降低风险的方法。

对某个序列的统计参数进行估计非常重要，因为大多数数学模型和方法均基于不同的假设。例如，正态分布规律或离差值（或其他参数）就是这样。因此，在分析和预测时间序列时，我们需要一个简单方便的工具，用于快速清晰地估计主要统计参数。本文简要说明了一个随机序列的最简单统计参数，以及其可视分析的几种方法。本文还说明了如何在 MQL5 中实现这些方法，以及使用 Gnuplot 应用程序对计算结果进行可视化的方法。

本文力求升级此前创建的指标，并简要讲述了利用自助法与分位数评估预测置信区间的一种方法。如此一来，我们便会获得将用于评估预测准确性的预测指标和脚本。

上篇文章中，我们在函数库中为 MQL4 定义了平仓事件，并删除了若干未使用的订单属性。 在此，我们将研究创建 Account 对象，开发帐户对象的集合，并筹备跟踪帐户事件的功能。

本文概述终端创建和运用自定义品种的能力，提供了使用自定义品种模拟交易历史、趋势和各种图表形态的选项。

如果采用基于历史数据的优化方法来选择参数，就不可能得到真正稳定的算法。一个稳定的算法应该知道在任何时候操作任何交易工具时需要哪些参数。它不应该预测或猜测，它应该确定知道。

找到交易系统的规则，再于“EA 交易”中进行编程，任务就完成一半了。随着交易结果的累积，您需要通过某种方式纠正“EA 交易”的操作。本文讲述一种方法，通过创建平衡曲线斜率的测量反馈，改善“EA 交易”的性能。

本文描述了一种通用的基于CSS选择器的HTML文档数据分析和转换方法。交易报告、测试报告、您最喜欢的经济日历、公共信号、账户监控和其他在线报价源将直接从MQL获得。

本文介绍使用 MQL 中实现的内置测试器和辅助函数库来准确模拟前瞻优化的方法。

经验丰富的交易者非常清楚交易中最劳神的事情并非开单和跟踪持仓，而是选择交易品种并寻找入场点。 在本文中，我们将开发一款 EA，可为您简化依据经纪商所提供交易产品搜索入场点的任务。

也许，GPT-3 是目前已有语言类神经网络中最先进的模型之一，它的最大变体可包含 1750 亿个参数。 当然，我们不打算在家用 PC 上创建如此庞然之物。 然而，我们可以看看在我们的操作中能够采用哪种体系解决方案，以及如何从中受益。

本文探讨了开发交易算法的方法，即使用一致的科学方法来分析可能的价格模式，并基于这些模式构建交易算法。开发的理念是通过实例来展示的。

在这篇文章中，我将展示在选择一个系统或信号来投资你的资金时所使用的标准，以及描述开发交易系统的最佳方法，并强调这个问题在外汇交易中的重要性。

我将继续采用最少的必要功能来充实算法，并测试结果。 其获利能力十分低下，但文章展示的全自动盈利交易的模型，是在不同的行情基本面及完全不同的金融产品上进行。

MetaTrader 5 客户端提供了各种机会来优化 EA 交易的参数。除了策略测试程序中包含的优化标准以外，开发人员还有机会创建自己的标准。这样一来，EA 交易的测试和优化便具有了无限的可能性。本文介绍了创建此类标准的实用方法，既适用于复杂标准，也适用于简单标准。

在之前的文章中，我们已着手创建一个大型跨平台函数库，简化 MetaTrader 5 和 MetaTrader 4 平台程序的开发。 在本系列文章的第五部分中，我们创建了交易事件类和事件集合，从中将事件发送到 Engine 函数库的基础对象和控制程序图表。 在这部分中，我们将让函数工作在净结算账户上。

本文提供一种在信号服务中搜寻交易信号的系统性方法，寻找能够平衡获利、风险、交易欲望，并且能适用于各类交易帐户及交易对象的交易信号。

在下文中，我将基于 Z.G.Silagadze 的论文《移动极小化极大：技术分析的新指标》说明移动极小化极大指标的实施过程。指标的理念基于对量子隧穿现象的模拟，量子隧穿现象由 G. Gamov 在 α-衰变理论中提出。

在这篇文章中，我们继续开发用于操作优化结果的 MQL 应用程序，这一次，我们将会展示如何在通过图形界面指定了其它标准、在优化参数之后生成最佳结果的表格。

本文描述了用于解析基于MQL的源代码的预处理器、扫描器和解析器，MQL 的实现在附件中。

在本文中，我们将着手开函数发库基准交易类，并在其第一个版本中加入进行交易操作的权限初始验证。 此外，我们还将略微扩展基准交易类的功能和内容。

在本文中，我们将在订单和仓位的魔幻数字中存储一些数据，并开始实现延后请求。 为了验证这一概念，我们在收到服务器错误并需要等待与重复发送请求时，创建第一个测试延后请求来开仓。

我们通常使用烛条或条形图来分析行情，将价格序列切分成规则间隔。 这样的离散化方法不会扭曲行情走势的真实结构吗？ 将音频信号离散化为规则间隔是可以接受的解决方案，因为音频信号是随时间变化的函数。 信号本身是取决于时间的幅度。 该信号属性是基本的。

自推出以来，MetaTrader 5提供了多货币测试选项,也许交易者经常使用这个功能。然而，这种功能并不是万能的。本文介绍了几种基于HTML和CSV交易历史报告的图表图形绘制程序，多货币交易可以在多个子窗口以及使用动态切换命令的一个窗口中并行分析。

在之前的文章里，我们检验了延后交易请求的概念。 实际上，延后请求是由特定条件执行的正常交易订单。 在本文中，我们会创建完整的延后请求对象类 — 基准请求对象及其后代。

在2015年升级了 MATLAB 包之后，有必要考虑一种现代的创建 DLL 库的方法。本文利用样本预测指标，说明了在目前使用的64位平台上关联 MetaTrader 5 和 MATLAB 的特点。通过探讨连接 MATLAB 的整个过程，MQL5 开发人员将能够更快地创建具有高级计算能力的应用程序，从而避免“陷阱”。

我们知道一个市场周期的概率密度函数 (PDF) 并不会让我们想到高斯分布，而是一种正弦波的概率密度函数，并且大多数指标假定市场周期的概率密度函数为高斯分布，我们需要一种方式来纠正。解决方法是使用费歇尔变换。费歇尔变换将任何波形的概率密度函数转换为近似的高斯分布。本文介绍费歇尔变换和逆费歇尔变换的算法以及它们在交易中的应用。介绍和评估了一个基于逆费歇尔变换的专有交易模块。

我们继续大型跨平台函数库的开发，简化 MetaTrader 5 和 MetaTrader 4 平台程序的开发。 在第十部分中，我们重启与 MQL4 函数库兼容性的工作，并定义了开仓和激活挂单的事件。 在本文中，我们将定义平仓事件，并剔除未使用的订单属性。

作为神经网络主题的延续，我建议研究卷积神经网络。 这种类型的神经网络通常用来分析视觉成像。 在本文中，我们将研究这种网络在金融市场中的应用。

这是该系列的下一篇文章，在其中我展示了如何创建一个函数库来，从而看便利地用键盘快捷键手动绘制图表图形。 所用工具包括直线及其组合。 在这一部分中，我们将查看如何在绘图工具里应用第一部分中讲述的函数。 该函数库可连接到任何 EA 或指标，这将大大简化绘图任务。 此方案未使用外部 dll，而所有命令都是由内置 MQL 工具实现的。

在本文中, 我们继续扩展用于收集和在交易品种之间导航工具的功能。这一次，我们将创建新的选项卡，只显示满足一些必需参数的交易品种，并且研究如何根据所需的挑选规则简单添加自定义选项卡。