![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。
![MQL5 中的范畴论 (第 6 部分):单态回拉和满态外推](https://c.mql5.com/2/53/Category-Theory-p6_600x314.jpg)
MQL5 中的范畴论 (第 6 部分):单态回拉和满态外推
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。
![利用 MQL5 实现 Janus 因子](https://c.mql5.com/2/53/Implementing_the_Janus_factor_in_MQL5_600x314__1.jpg)
利用 MQL5 实现 Janus 因子
加里·安德森(Gary Anderson)基于他称之为Janus因子的理论,开发了一套市场分析方法。 该理论描述了一套可揭示趋势和评估市场风险的指标。 在本文中,我们将利用 mql5 实现这些工具。
![种群优化算法:类电磁算法(EM - ElectroMagnetism)](https://c.mql5.com/2/52/ElectroMagnetism-like_algorithm_mx_600x314.jpg)
种群优化算法:类电磁算法(EM - ElectroMagnetism)
本文讲述在各种优化问题中采用电磁算法(EM - ElectroMagnetism)的原理、方法和可能性。 EM 算法是一种高效的优化工具,能够处理大量数据和多维函数。
![数据科学和机器学习(第 14 部分):运用 Kohonen 映射在市场中寻找出路](https://c.mql5.com/2/52/data_science_ml_kohonen_maps_014_600x314.jpg)
数据科学和机器学习(第 14 部分):运用 Kohonen 映射在市场中寻找出路
您是否正在寻找一种可以帮助您驾驭复杂且不断变化的市场的尖端交易方法? Kohonen 映射是一种创新的人工神经网络形式,可以帮助您发现市场数据中隐藏的形态和趋势。 在本文中,我们将探讨 Kohonen 映射的工作原理,以及如何运用它们来开发更智能、更有效的交易策略。 无论您是经验丰富的交易者,还是刚刚起步,您都不想错过这种令人兴奋的新交易方式。
![数据科学和机器学习(第 13 部分):配合主成分分析(PCA)改善您的金融市场分析](https://c.mql5.com/2/52/pca_600x314.jpg)
数据科学和机器学习(第 13 部分):配合主成分分析(PCA)改善您的金融市场分析
运用主成分分析(PCA)彻底革新您的金融市场分析! 发现这种强大的技术如何解锁数据中隐藏的形态,揭示潜在的市场趋势,并优化您的投资策略。 在本文中,我们将探讨 PCA 如何为分析复杂的金融数据提供新的视角,揭示传统方法会错过的见解。 发掘 PCA 应用于金融市场数据如何为您带来竞争优势,并帮助您保持领先地位。
![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。
![数据科学与机器学习(第 11 部分):朴素贝叶斯(Bayes),交易中的概率论](https://c.mql5.com/2/52/naive_bayes_600x314.jpg)
数据科学与机器学习(第 11 部分):朴素贝叶斯(Bayes),交易中的概率论
概率交易就像走钢丝一样 — 它需要精确、平衡和对风险的敏锐理解。 在交易世界中,概率就是一切。 这是成功与失败、盈利与亏损的区别。 通过利用概率的力量,交易者可以做出明智的决策,有效地管理风险,并实现他们的财务目标。 故此,无论您是经验丰富的投资者还是交易新手,了解概率都是解锁您的交易潜能的关键。 在本文中,我们将探索令人兴奋的概率交易世界,并向您展示如何将您的交易博弈提升到一个新的水平。
![种群优化算法:引力搜索算法(GSA)](https://c.mql5.com/2/0/Gravitational_Search_Algorithm_GSA_600x314.jpg)
种群优化算法:引力搜索算法(GSA)
GSA 是一种受无生命自然启发的种群优化算法。 万幸在算法中实现了牛顿的万有引力定律,对物理物体相互作用进行建模的高可靠性令我们能够观察到行星系统和星系团的迷人舞蹈。 在本文中,我将研究最有趣和最原始的优化算法之一。 还提供了空间物体运动的模拟器。
![艾伦·安德鲁斯和他的时间序列分析技术](https://c.mql5.com/2/0/Alan_Andrews_600x314.jpg)
艾伦·安德鲁斯和他的时间序列分析技术
艾伦·安德鲁斯(Alan Andrews)是现世代在交易领域最著名的“教育家”之一。 他的“草叉”几乎包含在所有现代报价分析程序当中。 但大多数交易者没机会用过此工具,甚至是其提供的一小部分。 此外,安德鲁斯最初的培训课程不仅包括对草叉的描述(尽管它仍然是主要工具),还包括其它一些有用的结构。 本文提供了对安德鲁斯在其原始课程中教授的奇妙图表分析方法的见解。 (流量焦虑用户)请当心,会有很多图像。
![衡量指标信息](https://c.mql5.com/2/51/Measuring_Indicator_Information_600x314.jpg)
衡量指标信息
机器学习已成为策略制定的流行方法。 虽然人们更强调最大化盈利能力和预测准确性,但处理用于构建预测模型的数据的重要性,仍未受到太多关注。 在本文中,我们研究依据熵的概念来评估预测模型构建的指标的适配性,如 Timothy Masters 的《测试和优调市场交易系统》一书中所述。
![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。
![您应该知道的 MQL5 向导技术(第 05 部分):马尔可夫(Markov)链](https://c.mql5.com/2/51/markov_chains_600x314.jpg)
您应该知道的 MQL5 向导技术(第 05 部分):马尔可夫(Markov)链
马尔可夫(Markov)链是一个强大的数学工具,能够针对包括金融在内的各个领域的时间序列数据进行建模和预测。 在金融时间序列建模和预测中,马尔可夫链通常用于模拟金融资产随时间的演变,例如股票价格或汇率。 马尔可夫链模型的主要优点之一是其简单性和易用性。
![矩阵实用工具,扩展矩阵和向量的标准库功能](https://c.mql5.com/2/50/Matrix-Utils_600x314.jpg)
矩阵实用工具,扩展矩阵和向量的标准库功能
矩阵作为机器学习算法和计算机的基础,因为它们能够有效地处理大型数学运算,标准库拥有所需的一切,但让我们看看如何在实用工具文件中引入若干个函数来扩展它,这些函数在标准库中尚未提供。
![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。
![种群优化算法:鱼群搜索(FSS)](https://c.mql5.com/2/50/Fish_School_cover_600x314.jpg)
种群优化算法:鱼群搜索(FSS)
鱼群搜索(FSS)是一种新的优化算法,其灵感来自鱼群中鱼的行为,其中大多数(高达 80%)游弋在有组织的亲属群落中。 经证明,鱼类的聚集在觅食效率和保护捕食者方面起着重要作用。
![种群优化算法:灰狼优化器(GWO)](https://c.mql5.com/2/50/grey_wolf_optimizer_600x314.jpg)
种群优化算法:灰狼优化器(GWO)
我们来研究一种最新的现代优化算法 — 灰狼优化。 测试函数的原始行为令该算法成为以前研究过的算法中最有趣的算法之一。 这是训练神经网络的顶级算法之一,具有许多变量的平滑函数。
![神经网络变得轻松(第三十四部分):全部参数化的分位数函数](https://c.mql5.com/2/50/Neural_Networks_Made_Easy_quantile-parameterized_600x314.jpg)
神经网络变得轻松(第三十四部分):全部参数化的分位数函数
我们继续研究分布式 Q-学习算法。 在之前的文章中,我们研究了分布式和分位数 Q-学习算法。 在第一种算法当中,我们训练了给定数值范围的概率。 在第二种算法中,我们用给定的概率训练了范围。 在这两个发行版中,我们采用了一个先验分布知识,并训练了另一个。 在本文中,我们将研究一种算法,其允许模型针对两种分布进行训练。
![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。
![数据科学与机器学习(第 09 部分):K-最近邻算法(KNN)](https://c.mql5.com/2/50/k_nearest_neighbors_algorithm_knn_600x314.jpg)
数据科学与机器学习(第 09 部分):K-最近邻算法(KNN)
这是一种惰性算法,它不是基于训练数据集学习,而是以存储数据集替代,并在给定新样本时立即采取行动。 尽管它很简单,但它能用于各种实际应用。
![群体优化算法:粒子群(PSO)](https://c.mql5.com/2/49/cover_PSO_600x314.jpg)
群体优化算法:粒子群(PSO)
在本文中,我将研究流行的粒子群优化(PSO)算法。 之前,我们曾讨论过优化算法的重要特征,如收敛性、收敛率、稳定性、可伸缩性,并开发了一个测试台,并研究了最简单的 RNG 算法。
![数据科学与机器学习(第 07 部分):多项式回归](https://c.mql5.com/2/49/Data_Science_and_Machine_Learning_Part_07_Polynomial_Regression_600x314.jpg)
数据科学与机器学习(第 07 部分):多项式回归
与线性回归不同,多项式回归是一种很灵活的模型,旨在更好地执行线性回归模型无法处理的任务,我们来找出如何在 MQL5 中制作多项式模型,并据其做出积极东西。