![暴力方式搜素形态(第 V 部分):全新视角](https://c.mql5.com/2/57/The_Bruteforce_Approach_Part_5_600x314.jpg)
暴力方式搜素形态(第 V 部分):全新视角
在这篇文章中,我将展示一种完全不同的方式进行算法交易,我经历了很长一段时间后才最终遇到它。当然,这一切所作所为全靠我的暴力程序,其经历了许多更改,令其能够并发解决若干问题。尽管如此,这篇文章明面上仍然比较笼统和尽可能简单,这就是为什么它也适合那些对暴力一无所知的人。
![时间序列挖掘的数据标签(第3部分):使用标签数据的示例](https://c.mql5.com/2/58/Data_label_for_time_series_mining_V4_Impr_600x314.jpg)
时间序列挖掘的数据标签(第3部分):使用标签数据的示例
本系列文章介绍了几种时间序列标记方法,这些方法可以创建符合大多数人工智能模型的数据,而根据需要进行有针对性的数据标记可以使训练后的人工智能模型更符合预期设计,提高我们模型的准确性,甚至帮助模型实现质的飞跃!
![开发回放系统 — 市场模拟(第 20 部分):外汇(I)](https://c.mql5.com/2/56/replay_p20_600x314.jpg)
开发回放系统 — 市场模拟(第 20 部分):外汇(I)
本文的最初目标不是涵盖外汇交易的所有可能性,而更是出于适配系统,如此您就至少可以执行一次市场回放。我们把模拟留待其它时刻。不过,如果我们没有跳价而仅有柱线的话,稍加努力,我们就可以模拟外汇市场中可能发生的交易。直到我们研究如何适配模拟器之前,情况一直如此。不经修改就尝试在系统内处理外汇数据会导致一系列错误。
![MQL5 中的范畴论 (第 13 部分):数据库制程的日历事件](https://c.mql5.com/2/56/Category-Theory-p13_600x314.jpg)
MQL5 中的范畴论 (第 13 部分):数据库制程的日历事件
本文在 MQL5 中遵循范畴论实现秩序,研究如何在 MQL5 中结合数据库制程进行分类。我们介绍了当辨别交易相关的文本(字符串)信息时,如何把数据库制程概念与范畴论相结合。日历事件是焦点。
![开发回放系统 — 市场模拟(第 19 部分):必要的调整](https://c.mql5.com/2/56/replay_p19_600x314.jpg)
开发回放系统 — 市场模拟(第 19 部分):必要的调整
在此,我们要做好准备,如此当我们需要往代码里添加新函数时,就能顺滑轻松地发生。当前代码还不能涵盖或处理那些显著推进过程所必需的事情。我们需要将所有东西都结构化,以便能够以最小的工作量实现某些事情。如果我们正确地做好所有事情,我们就能得到一个真正通用的系统,可以轻松地适应任何需要处理的状况。
![时间序列挖掘的数据标签(第2部分):使用Python制作带有趋势标记的数据集](https://c.mql5.com/2/58/Make_datasets_with_trend_markers_using_Python_600x314.jpg)
时间序列挖掘的数据标签(第2部分):使用Python制作带有趋势标记的数据集
本系列文章介绍了几种时间序列标记方法,这些方法可以创建符合大多数人工智能模型的数据,而根据需要进行有针对性的数据标记可以使训练后的人工智能模型更符合预期设计,提高我们模型的准确性,甚至帮助模型实现质的飞跃!
![时间序列挖掘的数据标签(第1部分):通过EA操作图制作具有趋势标记的数据集](https://c.mql5.com/2/57/data-label-for-time-series-mining_600x314.jpg)
时间序列挖掘的数据标签(第1部分):通过EA操作图制作具有趋势标记的数据集
本系列文章介绍了几种时间序列标记方法,这些方法可以创建符合大多数人工智能模型的数据,而根据需要进行有针对性的数据标记可以使训练后的人工智能模型更符合预期设计,提高我们模型的准确性,甚至帮助模型实现质的飞跃!
![模式搜索的暴力方法(第六部分):循环优化](https://c.mql5.com/2/57/bruteforce_approach_cyclic_optimization_600x314.jpg)
模式搜索的暴力方法(第六部分):循环优化
在这篇文章中,我将展示改进的第一部分,这些改进不仅使我能够使MetaTrader 4和5交易的整个自动化链闭环,而且还可以做一些更有趣的事情。从现在起,这个解决方案使我能够完全自动化创建EA和优化,并最大限度地降低寻找有效交易配置的劳动力成本。
![开发回放系统 — 市场模拟(第 18 部分):跳价和更多跳价(II)](https://c.mql5.com/2/56/replay-p18_600x314.jpg)
开发回放系统 — 市场模拟(第 18 部分):跳价和更多跳价(II)
显然,目前的衡量度与创建 1-分钟柱线的理想时间相距甚远。这是我们要率先解决的一件事。解决同步问题并不困难。也许这看起来很难,但实际上却很简单。在上一篇文章中,我们没有进行所需的调整,因为它的目的是解释如何把图表上创建 1-分钟柱线的跳价数据转移至市场观察窗口。
![MQL5 中的范畴论 (第 12 部分):秩序(Orders)](https://c.mql5.com/2/56/Category-Theory-p12_600x314.jpg)
MQL5 中的范畴论 (第 12 部分):秩序(Orders)
本文是范畴论系列文章之以 MQL5 实现图论的部分,深入研讨秩序(Orders)。我们通过研究两种主要的秩序类型,实测秩序论的概念如何支持幺半群集合,从而为交易决策提供信息。
![开发回放系统 — 市场模拟(第 17 部分):跳价和更多跳价(I)](https://c.mql5.com/2/55/replay-p17_600x314.jpg)
开发回放系统 — 市场模拟(第 17 部分):跳价和更多跳价(I)
于此,我们将见识到如何实现一些非常有趣的东西,但同时也会因某些可能十分令人困惑的关键点而极其困难。可能发生的最糟糕的事情是,一些自诩专业人士的交易者却对这些概念在资本市场中的重要性一无所知。好吧,尽管我们在这里专注于编程,但理解市场交易中涉及的一些问题,对于我们将要实现的内容至关重要。
![离散哈特莱变换](https://c.mql5.com/2/57/discrete_hartley_transform_600x314.jpg)
离散哈特莱变换
在本文中,我们将探讨频谱分析和信号处理的方法之一——离散哈特莱变换(discrete Hartley transform,DHT)。它可以过滤信号,分析它们的频谱等等。DHT的性能不亚于离散傅立叶变换(discrete Fourier transform,DFT)。然而,与DFT不同的是,DHT只使用实数,这使得它在实践中更方便实现,并且它的应用结果更直观。
![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。
![开发回放系统 — 市场模拟(第 16 部分):新的类系统](https://c.mql5.com/2/55/replay-p16_600x314.jpg)
开发回放系统 — 市场模拟(第 16 部分):新的类系统
我们需要更好地组织我们的工作。 代码正在快速增长,如果现在不做,那么以后就变得更不可能了。 我们分而治之。 MQL5 支持类,可协助实现此任务,但为此,我们需要对类有一定的了解。 大概最让初学者困惑的是继承。 在本文中,我们将看到如何以实用和简单的方式来运用这些机制。
![开发回放系统 — 市场模拟(第 15 部分):模拟器的诞生(V)- 随机游走](https://c.mql5.com/2/55/Desenvolvendo_um_sistema_de_Replay_Parte_15_600x314.jpg)
开发回放系统 — 市场模拟(第 15 部分):模拟器的诞生(V)- 随机游走
在本文中,我们将完成自有系统模拟器的开发。 于此的主要目标是就上一篇文章中讨论的算法进项配置。 该算法旨在创建随机游走走势。 因此,为了明白今天的讲义,有必要了解以前文章的内容。 如果您尚未跟踪模拟器的开发,我建议您从头开始阅读本系列文章。 否则,您也许对此处将要讲解的内容不明所以。
![开发回放系统 — 市场模拟(第 14 部分):模拟器的诞生(IV)](https://c.mql5.com/2/55/Desenvolvendo_um_sistema_de_Replay_Parte_14_600x314.jpg)
开发回放系统 — 市场模拟(第 14 部分):模拟器的诞生(IV)
在本文中,我们将继续探讨模拟器开发的新阶段。 这次,我们会见到如何有效地创建随机游走类型的走势。 这种类型的走势非常引人入胜,因为它是构成资本市场上所发生一切的基础。 此外,我们将开始了解一些对于进行市场分析至关重要的概念。
![MQL5 中的范畴论 (第 9 部分):幺半群(Monoid)— 动作](https://c.mql5.com/2/55/Category-Theory-p9_600x314.jpg)
MQL5 中的范畴论 (第 9 部分):幺半群(Monoid)— 动作
本文是以 MQL5 实现范畴论系列的延续。 在这里,我们继续将“幺半群 — 动作”当为幺半群变换的一种手段,如上一篇文章所涵盖的内容,从而增加了应用。
![时间序列的频域表示:功率谱](https://c.mql5.com/2/54/power_spectrumn_600x314.jpg)
时间序列的频域表示:功率谱
在本文中,我们将讨论在频域中分析时间序列的相关方法。 构建预测模型时,强调检验时间序列功率谱的效用 在本文中,我们将讨论运用离散傅里叶变换(dft)在频域中分析时间序列获得的一些实用观点。
![神经网络变得轻松(第三十九部分):Go-Explore,一种不同的探索方式](https://c.mql5.com/2/54/NN_39_Go_Explore_600x314.jpg)
神经网络变得轻松(第三十九部分):Go-Explore,一种不同的探索方式
我们继续在强化学习模型中研究环境。 在本文中,我们将见识到另一种算法 — Go-Explore,它允许您在模型训练阶段有效地探索环境。
![MQL5 中的范畴论 (第 8 部分):幺半群(Monoids)](https://c.mql5.com/2/54/Category-Theory-p8_600x314.jpg)
MQL5 中的范畴论 (第 8 部分):幺半群(Monoids)
本文是以 MQL5 实现范畴论系列的延续。 本期,我们引入幺半群作为域(集合),通过包含规则和幺元,将范畴论自其它数据分类方法分离开来。
![您应该知道的 MQL5 向导技术(第 06 部分):傅里叶(Fourier)变换](https://c.mql5.com/2/54/fourier_transform_600x314.jpg)
您应该知道的 MQL5 向导技术(第 06 部分):傅里叶(Fourier)变换
约瑟夫·傅里叶(Joseph Fourier)引入的傅里叶变换是将复杂的数据波分解构为简单分量波的一种方法。 此功能对交易者来说可能更机敏,本文将对此进行关注。
![以 MQL5 实现 ARIMA 训练算法](https://c.mql5.com/2/54/Implementing_an_ARIMA_training_algorithm_in_MQL5_600x314.jpg)
以 MQL5 实现 ARIMA 训练算法
在本文中,我们将实现一种算法,该算法应用了 Box 和 Jenkins 的自回归集成移动平均模型,并采用了函数最小化的 Powells 方法。 Box 和 Jenkins 表示,大多数时间序列可以由两个框架中之一个或两个来建模。