![市场及其全局模式中的物理学](https://c.mql5.com/2/40/5a55ed9f370f2c15608b457b.png)
![市场及其全局模式中的物理学](https://c.mql5.com/i/articles/overlay.png)
市场及其全局模式中的物理学
在本文中,我将尝试测试这样一个假设,即任何对市场了解甚微的系统都可以在全局范围内运行。我不会发明任何理论或模式,但我只会使用已知的事实,逐步将这些事实转化为数学分析的语言。
![无需 Python 或 R 语言知识的 Yandex CatBoost 机器学习算法](https://c.mql5.com/2/49/CatBoost-machine-learning-algorithm-from-Yandex-with-no-Python-or-R-knowledge-required_600x314.jpg)
无需 Python 或 R 语言知识的 Yandex CatBoost 机器学习算法
本文通过一个具体的例子提供了机器学习过程的主要阶段的代码和描述。您不需要 Python 或 R 语言知识就能够获得模型。此外,基本的MQL5知识已经足够了- 这正是我的水平。因此,我希望这篇文章能为广大读者提供一个很好的指导,帮助那些对评估机器学习能力感兴趣的人,并在他们的课程中实现这些能力。
![梯度提升(CatBoost)在交易系统开发中的应用. 初级的方法](https://c.mql5.com/2/49/finding_seasonal_patterns_catboost_600x314.jpg)
梯度提升(CatBoost)在交易系统开发中的应用. 初级的方法
在 Python 中训练 CatBoost 分类器,并将模型导出到mql5,以及解析模型参数和自定义策略测试程序。Python 语言和 MetaTrader 5 库用于准备数据和训练模型。
![使用 DeMark Sequential 和 Murray-Gann 水平分析图表](https://c.mql5.com/2/41/steps.png)
![使用 DeMark Sequential 和 Murray-Gann 水平分析图表](https://c.mql5.com/i/articles/overlay.png)
使用 DeMark Sequential 和 Murray-Gann 水平分析图表
Thomas DeMark Sequential (序列)擅长显示价格变动的平衡变化。如果我们把它的信号与水平指标例如 Murray 水平相结合,就更为明显。这篇文章主要是为初学者和那些仍然找不到他们的“圣杯”。我还将展示一些我在其他论坛上没有看到的构建水平的功能。因此,这篇文章可能对高级交易者也很有用。欢迎提出建议和合理批评。
![神经网络在交易中的实际应用 Python (第一部分)](https://c.mql5.com/2/49/Practical_application_of_neural_networks_in_trading_003_600x314.jpg)
神经网络在交易中的实际应用 Python (第一部分)
在本文中,我们将分析一个基于Python的深层神经网络编程的交易系统的分步实现。这将使用谷歌开发的 TensorFlow 机器学习库执行。我们还将使用 Keras 库来描述神经网络。
![手工图表和交易工具包(第二部分)。 图表图形绘图工具](https://c.mql5.com/2/49/7908_manual_charting_trading_toolkit_002_600x314.jpg)
手工图表和交易工具包(第二部分)。 图表图形绘图工具
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。
![DoEasy 函数库中的时间序列(第五十四部分):抽象基准指标类的衍生](https://c.mql5.com/2/49/doeasy_054_600x314.jpg)
DoEasy 函数库中的时间序列(第五十四部分):抽象基准指标类的衍生
本文研究基于基准抽象指标衍生对象类的创建。 这些对象所提供功能,可访问创建的指标 EA,收集和获取各种指标和价格数据的数值统计信息。 同样,创建指标对象集合,从中可以访问程序中创建的每个指标的属性和数据。
![神经网络变得轻松(第五部分):OpenCL 中的多线程计算](https://c.mql5.com/2/49/Neural_Networks_Easy_005_600x314.jpg)
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。
![DoEasy 函数库中的时间序列(第五十二部分):多周期、多品种单缓冲区标准指标的跨平台性质](https://c.mql5.com/2/49/doeasy_052_600x314.jpg)
DoEasy 函数库中的时间序列(第五十二部分):多周期、多品种单缓冲区标准指标的跨平台性质
在本文中,研究创建多品种、多周期标准指标的“建仓/派发”。 略微改进指标依托的函数库类,以便从老旧的 MetaTrader 4 平台切换到 MetaTrader 5 时,基于该函数库开发的程序均可正常运行。
![神经网络变得轻松(第四部分):循环网络](https://c.mql5.com/2/49/Neural_Networks_Easy_004_600x314.jpg)
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。
![DoEasy 函数库中的时间序列(第五十一部分):复合多周期、多品种标准指标](https://c.mql5.com/2/49/doeasy_051_600x314.jpg)
DoEasy 函数库中的时间序列(第五十一部分):复合多周期、多品种标准指标
在本文中,会完成多周期、多品种标准指标对象的开发。 以 Ichimoku Kinko Hyo 标准指标为例,分析复合自定义指标的创建,该指标含有辅助绘制缓冲区,可在图表上显示数据。
![神经网络变得轻松(第二部分):网络训练和测试](https://c.mql5.com/2/49/Neural_Networks_Easy_001_600x314.jpg)
神经网络变得轻松(第二部分):网络训练和测试
在第二篇文章中,我们将继续研究神经网络,并研究在智能交易系统当中调用我们所创建 CNet 类的示例。 我们将操控两个神经网络模型,它们在训练时间和预测准确性方面都表现出相似的结果。
![什么是趋势,行情结构是基于趋势还是横盘?](https://c.mql5.com/2/39/unnamed.png)
![什么是趋势,行情结构是基于趋势还是横盘?](https://c.mql5.com/i/articles/overlay.png)
什么是趋势,行情结构是基于趋势还是横盘?
交易者经常谈论趋势和横盘,但很少有人真正了解趋势/横盘是什么,甚至很少能够清楚地解释这些概念。 讨论这些基本术语通常会受到一系列顽固偏见和误解的困扰。 然而,如果我们想赚钱,就需要了解这些概念的数学和逻辑含义。 在本文中,我将仔细研究趋势和横盘的本质,并尝试定义行情结构是基于趋势/横盘,亦或其他。 我还将研究在趋势和横盘行情上获利的最佳策略。
![DoEasy 函数库中的时间序列(第四十七部分):多周期、多品种标准指标](https://c.mql5.com/2/39/MQL5-avatar-doeasy-library__4.png)
![DoEasy 函数库中的时间序列(第四十七部分):多周期、多品种标准指标](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的时间序列(第四十七部分):多周期、多品种标准指标
在本文中,我着手开发操控标准指标的方法,最终能够基于函数库类创建多品种、多周期的标准指标。 此外,我将在时间序列类中添加“跳过柱线”事件,并将函数库的预备函数移至 CEngine 类,从而消减主程序代码中的过多负载。
![DoEasy 函数库中的时间序列(第四十六部分):多周期、多品种指标缓冲区](https://c.mql5.com/2/39/MQL5-avatar-doeasy-library__2.png)
![DoEasy 函数库中的时间序列(第四十六部分):多周期、多品种指标缓冲区](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的时间序列(第四十六部分):多周期、多品种指标缓冲区
在本文中,我将继续改进指标缓冲区对象类,从而可在多品种模式下操作。 这为自定义程序中创建多品种、多周期指标提供了途径。 我会在计算缓冲区对象里添加缺失的功能,从而令我们可创建多品种、多周期的标准指标。
![DoEasy 函数库中的时间序列(第四十五部分):多周期指标缓冲区](https://c.mql5.com/2/39/MQL5-avatar-doeasy-library__1.png)
![DoEasy 函数库中的时间序列(第四十五部分):多周期指标缓冲区](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的时间序列(第四十五部分):多周期指标缓冲区
在本文中,我将着手改进指标缓冲区对象和集合类,从而可在多周期和多品种模式下操作。 我打算在当前品种图表上的任何时间帧内接收和显示数据缓冲区对象的操作。
![神经网络在交易中的实际应用。 是时候进行实践了](https://c.mql5.com/2/49/Practical_application_of_neural_networks_in_trading_002_600x314.jpg)
神经网络在交易中的实际应用。 是时候进行实践了
本文提供了在 Matlab 平台上实际运用神经网络模块的讲述和指南。 它还涵盖了运用神经网络模块创建交易系统的主要方面。 为了能够在一篇文章中厘清复杂内容,我必须对其进行修改,从而在一个程序中组合若干个神经网络模块函数。
![DoEasy 函数库中的时间序列(第四十二部分):抽象指标缓冲区对象类](https://c.mql5.com/2/38/MQL5-avatar-doeasy-library__7.png)
![DoEasy 函数库中的时间序列(第四十二部分):抽象指标缓冲区对象类](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的时间序列(第四十二部分):抽象指标缓冲区对象类
在本文中,我们开始为 DoEasy 库开发指标缓冲区类。 我们将创建抽象缓冲区的基类,该基类将作为开发不同类型指标缓冲区的基础。
![开发跨平台网格 EA:测试多币种 EA](https://c.mql5.com/2/38/mql5_ea_adviser_grid.png)
![开发跨平台网格 EA:测试多币种 EA](https://c.mql5.com/i/articles/overlay.png)
开发跨平台网格 EA:测试多币种 EA
行情在一个月内下跌了 30% 以上。 这似乎是测试基于网格和马丁格尔的智能交易系统的最佳时间。 本文是“创建跨平台网格 EA”系列的计划外延续。 当前行情为安排网格 EA 提供了疏解压力的机会。 因此,我们要把握这次机会,并测试我们的智能交易系统。
![DoEasy 函数库中的时间序列(第四十部分):基于函数库的指标 - 实时刷新数据](https://c.mql5.com/2/38/MQL5-avatar-doeasy-library__5.png)
![DoEasy 函数库中的时间序列(第四十部分):基于函数库的指标 - 实时刷新数据](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的时间序列(第四十部分):基于函数库的指标 - 实时刷新数据
本文研究开发基于 DoEasy 库的简单多周期指标。 我们来改进时间序列类,从而能接收来自任何时间帧的数据,并在当前图表周期内显示。
![DoEasy 函数库中的时间序列(第三十九部分):基于函数库的指标 - 准备数据和时间序列事件](https://c.mql5.com/2/38/MQL5-avatar-doeasy-library__4.png)
![DoEasy 函数库中的时间序列(第三十九部分):基于函数库的指标 - 准备数据和时间序列事件](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的时间序列(第三十九部分):基于函数库的指标 - 准备数据和时间序列事件
本文讨论如何应用 DoEasy 库来创建多品种、多周期指标。 我们准备在指标中操控函数库类,并创建时间序列作为指标的数据源进行测试。 我们还将实现时间序列事件的创建和发送。
![DoEasy 函数库中的时间序列(第三十八部分):时间序列集合 - 实时更新以及从程序访问数据](https://c.mql5.com/2/38/MQL5-avatar-doeasy-library__3.png)
![DoEasy 函数库中的时间序列(第三十八部分):时间序列集合 - 实时更新以及从程序访问数据](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的时间序列(第三十八部分):时间序列集合 - 实时更新以及从程序访问数据
本文研究实时更新时间序列数据,并从所有品种的所有时间序列里发送有关“新柱线”事件的消息至控制程序图表,从而能够在自定义程序中处理这些事件。 “新即时报价”类用于判断是否需要更新非当前图表品种和周期的时间序列。
![DoEasy 函数库中的时间序列(第三十七部分):时间序列集合 - 按品种和周期的时间序列数据库](https://c.mql5.com/2/38/MQL5-avatar-doeasy-library__2.png)
![DoEasy 函数库中的时间序列(第三十七部分):时间序列集合 - 按品种和周期的时间序列数据库](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的时间序列(第三十七部分):时间序列集合 - 按品种和周期的时间序列数据库
本文探讨开发针对程序中所有品种指定时间帧的时间序列集合。 我们将开发时间序列集合,为集合设置时间序列参数的方法,以及取用历史数据初始填充已开发的时间序列。
![预测时间序列(第 2 部分):最小二乘支持向量机(LS-SVM)](https://c.mql5.com/2/38/mql5-avatar-lssvm.png)
![预测时间序列(第 2 部分):最小二乘支持向量机(LS-SVM)](https://c.mql5.com/i/articles/overlay.png)
预测时间序列(第 2 部分):最小二乘支持向量机(LS-SVM)
本文交流的是基于支持向量法,预测时间序列算法的理论和实际应用。 它还提议采用 MQL 来实现,并提供了测试指标和智能交易系统。 该技术尚未在 MQL 中实现。 但是首先,我们必须了解相关的数学知识。
![项目可协助创建可盈利的交易机器人! 或至少,看似可以](https://c.mql5.com/2/39/mql5-avatar-thumbs_up.png)
![项目可协助创建可盈利的交易机器人! 或至少,看似可以](https://c.mql5.com/i/articles/overlay.png)
项目可协助创建可盈利的交易机器人! 或至少,看似可以
大程序都是从小文件开始,然后随着您不断添加更多的函数和对象而增长。 大多数的机器人开发人员都采用包含文件来应对此问题。 然而,有一个更好的解决方案:在一个项目中开始开发任意交易应用程序。 这样做的原因有很多。
![DoEasy 函数库中的时间序列(第三十五部分):柱线对象和品种时间序列列表](https://c.mql5.com/2/38/MQL5-avatar-doeasy-library.png)
![DoEasy 函数库中的时间序列(第三十五部分):柱线对象和品种时间序列列表](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的时间序列(第三十五部分):柱线对象和品种时间序列列表
本文开始 DoEasy 函数库的新系列,与创建相关,从而简化和快速进行程序开发。 在当前文章中,我们将为函数库实现访问和操控品种时间序列数据的功能。 我们计划创建柱线(Bar)对象,来存储时间序列的主要和扩展的柱线数据,并将柱线对象置于时间序列列表之中,从而便于对象的搜索和排序。
![DoEasy 函数库中的时间序列(第三十六部分):所有用到的品种周期的时间序列对象](https://c.mql5.com/2/38/MQL5-avatar-doeasy-library__1.png)
![DoEasy 函数库中的时间序列(第三十六部分):所有用到的品种周期的时间序列对象](https://c.mql5.com/i/articles/overlay.png)
DoEasy 函数库中的时间序列(第三十六部分):所有用到的品种周期的时间序列对象
在本文中我们将探讨,把每个用到的品种周期的柱形对象列表合并到单一品种时间序列对象之中。 因此,每个品种均含一个对象,存储所有已用到品种时间序列周期的列表。
![轻松快捷开发 MetaTrader 程序的函数库(第 三十四部分):延后交易请求 - 在特定条件下删除和修改订单与持仓](https://c.mql5.com/2/38/MQL5-avatar-doeasy__2.png)
![轻松快捷开发 MetaTrader 程序的函数库(第 三十四部分):延后交易请求 - 在特定条件下删除和修改订单与持仓](https://c.mql5.com/i/articles/overlay.png)
轻松快捷开发 MetaTrader 程序的函数库(第 三十四部分):延后交易请求 - 在特定条件下删除和修改订单与持仓
在本文中,我们将完成延后请求交易概念的论述,并创建删除挂单,以及在特定条件下修改挂单和持仓的功能。 由此,我们将拥有完整的功能,令我们能够开发简单的自定义策略,或者根据用户定义的条件激活 EA 行为逻辑。