MQL4和MQL5编程文章

自动收集利率数据以提高EA交易的效率。

在第一部分中，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。 我们创建了 COrder 抽象对象，它是一个基础对象，用于存储历史订单和成交的数据，以及市价订单和仓位。 现在，我们将开发在集合中存储帐户历史数据的所有必要对象。

本文的目的是创建一个自定义工具，令用户能够接收和使用前面所讨论形态的整体信息数组。 我们将创建一个形态相关的函数库，您可以在自己的指标、交易面板、智能交易系统等等应用中运用它们。

在分析海量交易策略，订购用于 MetaTrader 5 和 MetaTrader 4 终端以及各种 MetaTrader 网站的应用程序开发订单时，我得出了一个结论，就是所有这些貌似多样性，大多基于相同的基本函数，动作和数值有规律地出现在不同的程序当中。 在 DoEasy 跨平台函数库中的这一成效，可以轻松快捷地开发 МetaТrader 5 和 МetaТrader 4 应用程序。

本文介绍了一种使用 Visual Studio 创建图形窗口的简单而快速的方法，并随后将其集成到专家顾问的MQL代码中。本文面向非专业读者，不需要了解C#和.NET技术。

在本文中，我们将进行一个实验：我们将使用颜色优化结果。颜色由三个参数决定：红色、绿色和蓝色（RGB）的级别。还有其他的颜色编码方法，它们也使用三个参数。因此，可以将三个测试参数转换为一种颜色，它直观地表示值,阅读本文以了解这种表示是否有用。

全方位的数据处理需要大量工具，并且经常超出单一应用程序的功能沙箱。 专用编程语言正在用于处理和分析数据，统计和机器学习。 Python 是数据处理的主要编程语言之一。 本文介绍如何使用套接字连接 MetaTrader 5 和 Python，以及如何通过终端 API 接收报价。

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。

在前一篇文章中，我们分析了从多种现有烛条样式中选择出的 14 种形态。 由于不可能逐一分析所有形态，所以找到了另一种解决方案。 新系统根据已知的烛条类型搜索和测试新的烛条形态。

在本文的第一部分当中，我曾描述过一个修订的 ZigZag (之字折线) 指标和一个用于接收该类型指标数据的类。 在此，我将展示如何基于这些工具开发指标，并编写一款根据 ZigZag 指标形成的信号进行交易的 EA 来测试。 作为补充，本文将介绍一套开发图形用户界面的新版 EasyAndFast 函数库。

在本文中，我们将研讨流行的烛条形态，并尝试探索它们在当今市场中是否仍然相关和有效。 烛条分析出现在 20 多年前，从此后变得非常流行。 众多交易者认为日本烛条是最方便、易懂的资产价格可视化形式。

许多研究人员对于判定价格行为没有给予足够的重视。 与此同时，还使用各种复杂方法，而这些方法通常只是“黑盒子”，例如机器学习或神经网络。 在这种情况下显现出的最严重问题就是提交何种数据来训练特定模型。

在本文中，我们将分析变量之间相关性的概念，以及相关系数的计算方法及其在交易中的实际应用。相关性是两个或多个随机变量之间的统计关系（或可以被视为具有某种可接受精度的随机量）。一个或多个变量的变化导致其他相关变量的系统变化。

在本文中，我们将深入研究马丁格尔（翻倍加仓）系统。 我们将评测该系统是否可以用于实盘交易，以及在运用它时如何将风险减至最小。 这一简单系统的主要缺点在于很可能会将全部存款亏损。 如果您决定使用马丁格尔技术进行交易，则必须考虑这一事实。

水平示意图在终端图表上并不常见，但在很多任务中仍然会用到它们，例如在开发显示特定周期的交易量或价格分布的指标时，当创建各种版本的市场深度时。 本文研究构建和管理水平示意图作为图形基元的数组。

在本文中，我们将应用强化学习来开发可以自主学习的EA交易。在前一篇文章中，我们考虑了随机决策森林算法，并编写了一个简单的基于强化学习的自学习EA，概述了这种方法的主要优点（交易算法的开发简单和“培训”速度快）。强化学习（RL）可以很容易地融入到任何交易EA中，并加速其优化。

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。

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。

MetaTrader 5 平台具有保存交易报告，以及智能交易系统测试和优化报告的功能。 交易和测试报告可以按照两种格式保存：XLSX 和 HTML，而优化报告可以保存为 XML。 在本文中，我们将研究 HTML 测试报告，XML 优化报告和 HTML 交易历史报告。

本文探讨了在分离在不同市场条件下的优化方法,分离优化意味着分别为上涨趋势和下跌趋势分别定义交易系统的最佳参数. 为了减少错误信号的影响，提高盈利能力，系统变得灵活，这意味着它们有一些特定的设置或输入数据，这是合理的，因为市场行为不断变化。

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。

在本文中，我们打算扩展先前创建的实用程序功能，添加用于选择所需品种的选项卡。 我们还将学习如何保存我们在特定品种图表上创建的图形对象，这样我们就不必再次创建它们。 此外，我们将发掘如何仅使用已操控经指定网站初步遴选的品种。

本文介绍运用 MQL5 语言创建自定义兑换品种。 特别是，它研究使用来自流行的 Finam 网站的兑换报价。 本文中研究的另一个选项是在创建自定义品种时可以使用任意格式的文本文件。 这允许使用任何金融品种和数据源。 创建自定义品种之后，我们可以使用 MetaTrader 5 策略测试器的所有功能来测试兑换品种的交易算法。

在本文中，我们将应用概率论和数理统计方法来创建并测试交易策略。 我们还将利用价格和随机漫游之间的差值来寻找最佳交易风险。 事实证明，如果价格表现为零漂移随机漫游（没有方向趋势），那么盈利交易是不可能的。

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。

这篇文章描述了在"一分钟OHLC"模式下实现 OpenCL 烛形形态测试器的算法。我们还将把它的速度与内建的策略测试器在快速和慢速优化模式下做比较。

本文介绍了一个可以在 MQL5 中提高 HTTP 请求操作效率的开发库。它在另外的线程中实现 WebRequest 在非阻塞模式下的执行，并且可以用于辅助图表和EA交易，交换自定义事件以及读取共享资源。也提供了源代码。

这是专门讨论逆转交易策略系列文章的最后一篇。 在此我们将尝试解决导致之前文章中测试结果不稳定的问题。 我们还将开发和测试可在任何市场中运用的逆转策略手动交易算法。

本文是前一篇名为“逆转形态：测试双顶/双底形态”的后续文章。 现在我们将会看到另一个著名的逆转形态，称为头肩，比较两种形态的交易效率，并尝试将它们合并成为单一的交易系统。

在这篇文章中, 我们继续致力于反向交易技巧。我们将会尝试减少最大余额回撤，直到对之前探讨的交易工具可以接受的水平。我们将会看看这样是否将会减少利润，我们还将在其它市场中检验反转方法的运行，包括股票、商品、指数、ETF和农产品市场。注意，本文包含了很多图片!

交易者经常寻找趋势逆转点，因为在趋势新形成的最初阶段价格走势具有最大潜力。 因此，在技术分析中考虑了各种逆转形态。 双顶/双底是最著名和最常用的形态之一。 本文提出了程序检测形态的方法。 它还测试了形态在历史数据上的盈利能力。

这篇文章详细讨论了跳空缺口 — 前一时间段的收盘价和后一时间段的开盘价之间的较大差距, 以及对日柱方向的预测。还探讨了通过系统DLL使用 GetOpenFileName 函数的问题。

使用限价订单来替代传统的止盈是论坛讨论的长期话题。 这种方法的优点是什么？如何在您的交易中实施？ 在本文中，我将向您介绍我对此主题的看法。

本文提供了一种走势延续模型的程序化定义。 主要思路是定义两个波浪 — 主浪和修正浪。 对于极值点，我应用分形以及“潜在”分形 - 尚未形成分形的极值点。

交易机器人的主要优势在于能够在远程 VPS 服务器上每天 24 小时不间断工作。 但有时候有必要干预它们的工作，而此刻可能无法直接访问服务器。 是否可以遥控管理 EA？ 本文提出了一种通过外部命令控制 EA 的选项。

本文详细阐述了运用若干种可能选项开发选择最佳优化递次的应用程序。 该应用程序能够通过各种因素来筛选优化结果。 优化递次始终写入数据库，因此您总能无需重新优化即可选择新的机器人参数。 此外，您可在单个图表上查看所有优化递次，计算参数 VaR 比率，并构建递次与特定比率集和的交易结果的正态分布图。 以及，自优化伊始（或从选定日期到另一个选定日期）开始动态构建一些计算比率的图形。

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。

本文描述 MetaTrader 5 下自我优化机制的实现。

在这篇文章中，我们将会学习反向马丁格尔技术，并且将会了解是否值得使用它，以及它是否有助于提高您的交易策略。我们将会创建一个 EA 交易来在历史数据上运行， 检查哪个指标是最适合于反向交易技术的 。我们还将验证是否可以不使用任何指标，以独立的交易系统来使用它。另外，我们还将验证反向交易是否可以把一个亏损系统转变为盈利的系统。

任何交易机器人的效率均取决于正确选择（优化）其参数。 然而，在某个时间区间内被认为是最佳的参数可能无法在另一个交易历史区间保持其有效性。 此外，在测试期间表现良好的 EA 在实时状态下最终会亏损。 持续优化的问题就此凸显出来。 当面对大量重复性工作时，人类总会寻找自动化方法。 在本文中，我提出了一种解决此问题的非标准方法。