Expert_RSI_Stochastic_MA:
此 EA 使用三款指标: MA(150), RSI(3) 级别为 80 和 20, 随机振荡(6, 3, 3) 级别为 70 和 30。开单方向基于 MA。入场取决于 RSI 和随机振荡。离场取决于随机振荡。
作者： Oksana Berenko
新文章 神经网络变得轻松（第五十部分）：软性扮演者-评价者（模型优化） 已发布： 在上一篇文章中，我们实现了软性扮演者-评论者算法，但未能训练出一个可盈利的模型。在此，我们将优化先前创建的模型，以期获得所需的结果。 我们继续研究软性扮演者-评论者算法。在 上一篇文章 中，我们实现了该算法，但未能训练出一个可盈利的模型。今天，我们将研究可能的解决方案。在“ 模型拖延症，原因和解决方案 ”一文中已经提过类似的问题。我建议扩展我们在这一领域的知识，并以我们的软性扮演者-评论者模型为例研究新方式。
新文章 暴力方式搜素形态（第 V 部分）：全新视角 已发布： 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。 我开始思考，当人们试图运用算法交易赚钱时，引导人们走向成功、或将人们带进死胡同的各种途径。理论上，已明示的就有若干路径： 正面交锋。 美丽画面。 现成的交易系统。 现代化和混合化的公开可用算法。 团队作战。
新文章 时间序列挖掘的数据标签（第3部分）：使用标签数据的示例 已发布： 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！ 本文介绍了如何通过MetaTrader5交易平台使用PyTorch Lightning和PyTorch Forecasting框架来实现基于神经网络的金融时间序列预测。 在本文中，我们还将解释选择这两个框架的原因以及我们使用的数据格式。
MACD 清洁工: 一款基于 iMACD（移动平均线收敛/发散，MACD）指标的智能交易系统 作者： Vladimir Karputov
Hans123_Trader v2: Buy Stop 和 Sell Stop 的挂单。 EA 在指定的时间段内进行交易。 确定指定范围内的最高和最低价格。 持仓尾随。 作者： Vladimir Karputov
新文章 MQL5中的替代风险回报标准 已发布： 在这篇文章中，我们介绍了几种被称为夏普比率（Sharpe ratio）替代品的风险回报标准的实现，并检查了假设的权益曲线以分析其特征。 下图显示了一个Metatrader 5（MT5）应用程序，该应用程序被实现为专家顾问（EA 交易），显示了三条权益曲线。红色权益曲线是衍生蓝色和绿色权益曲线的基准。可以通过配置初始资本来更改基准。可根据应用进行调整。
新文章 价格走势模型及其主要规定。（第 3 部分）：计算股票证券博弈的最优参数 已发布： 在作者基于概率论开发的工程方式框架内，找到了开立盈利仓位的条件，并计算了最优（利润最大化）止盈和止损值。 在之前的文章（ 第 1 部分 和 第 2 部分
新文章 用置信区间估计未来效能 已发布： 在这篇文章中，我们深入研究自举法技术的应用，作为评估自动化策略未来效能的一种手段。 当我们测试一个候选交易系统时，我们自然会得到各种效能指标的集合。这些数据会直观地告诉我们系统的利润潜力，但这种直觉可能还不够。一种在测试中产生大量利润的策略，在现场交易时获得的回报可能不太高。有没有办法更好地了解测试期间观察到的效能是否会继续保持在同一水平？如果没有，效能会有多差 这就是标准统计方法可以提供帮助的地方。需要注意的是，我们将要讨论的技术并不意味着它们的估计是准确的，它们永远不会是准确的。它们所做的是提供方法来识别产生很高或可接受利润的高概率策略
新文章 DRAKON可视化编程语言 - 面向MQL开发人员和客户的通信工具 已发布： DRAKON是一种可视化编程语言，旨在简化来自不同领域的专家（生物学家、物理学家、工程师…）与俄罗斯太空项目（例如，Buran可重复使用航天器项目）程序员之间的互动。在这篇文章中，我将讨论DRAKON如何使算法的创建变得容易和直观，即使你从未遇到过代码，以及客户在订购交易机器人时如何更容易解释他们的想法，以及程序员如何在复杂函数中减少错误。 这不会减少程序员的技术工作负荷，但至少他们会更好地理解你的想法，并且在第一个版本中出错的可能性更小。这些错误最终必须得到纠正，这可能需要额外的时间（和/或金钱）。
新文章 开发回放系统 — 市场模拟（第 20 部分）：外汇（I） 已发布： 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。 在上一篇文章“ 开发回放系统 — 市场模拟（第 19 部分）：必要的调整
ZigZagEvgeTrofi ver. 1:
使用指标 ZigZag。
Author: Evgeniy Trofimov
新文章 MQL5 中的范畴论 (第 13 部分)：数据库制程的日历事件 已发布： 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。 日历事件几乎每天都会生成，其中大多数提前几个月就已预先标记。它们源自 MetaTrader 财经日历
新文章 创建一个人工交易助手已发布：
近来，货币市场上的交易机器人已经大幅增加，它们执行着各种各样的策略和概念，然而，它们还都没有能够成功创造人工智能双赢、多赢的实例，所以，很多交易者还是进行人工交易。但是，即使对于这样的专家，还是可以为他们创建被称为机器人助手的交易面板。本文就是从头开始创建交易面板的一个实例。
让我们使用一个新的页面，并在其中绘制我们未来的面板，把所有所需软件放置其中。
当进行交易面板的设计开发时，应该考虑实现的可行性。首先，交易面板应该包含足够的信息，容易阅读并不包括多余的元件，我们应该永远记住它不只是屏幕上一幅好看的图片，而是交易者的基本工具，
这是我的版...
新文章 配对交易 已发布： 在这篇文章中，我们将探讨配对交易（pair trading），即它的原理是什么，以及它的实际应用是否有前景。我们还将尝试创建一个配对交易策略。 配对交易是 Jerry Bamberger 在20世纪80年代首次提出的 统计套利 的一种变体。这种交易策略是市场中性的，允许交易员在几乎任何市场条件下获利。配对交易是基于这样一种假设，即相互关联的金融工具的特征在暂时偏离后将恢复到其历史平均值。因此，配对交易可以归结为几个简单的操作： 查明两种金融工具之间统计关系的差异； 在它们中开启仓位； 当这两种金融工具的特性恢复到平均值时，关闭仓位。
新文章 为EA交易提供指标的现成模板（第2部分）：交易量和比尔威廉姆斯指标 已发布： 在本文中，我们将研究交易量和比尔威廉姆斯指标类别的标准指标。我们将创建现成的模板，用于EA中的指标使用——声明和设置参数、指标初始化和析构，以及从EA中的指示符缓冲区接收数据和信号。 本文继续讨论在EA中使用指标的现成模板的主题。在这里，我们将研究与EA的关联以及使用交易量和比尔威廉姆斯的指标。我们将在 本系列的第一篇文章中 创建的仪表板上显示从指标接收的数据。面板也得到了改进。在文章的最后，我们将简要介绍它的变化和改进。 对于所探讨的每个指标，本文将提供现成的模板，供自定义程序使用： 输入变量和全局变量，
新文章 神经网络变得轻松（第四十九部分）：软性扮演者-评价者 已发布： 我们继续讨论解决连续动作空间问题的强化学习算法。在本文中，我将讲演软性扮演者-评论者（SAC）算法。SAC 的主要优点是拥有查找最佳策略的能力，不仅令预期回报最大化，而且拥有最大化的动作熵（多样性）。 在本文中，我们将把注意力集中在另一种算法上 — 软性扮演者-评论者（SAC）。它首次出现在 2018 年 1 月 发表的文献 “ 软性扮演者-评论者：随机扮演者异政策最大熵值深度强化学习 ” 之中。该方法几乎与 TD3 同步提出。它们有一些相似之处，但在算法上也存在差异。SAC
新文章 开发回放系统 — 市场模拟（第 19 部分）：必要的调整 已发布： 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。 我认为从本系列的前几篇文章中可以清楚地看出，我们需要实现一些额外的要点。更好地组织工作是绝对必要的，尤其是一些深入的改进。如果您计划仅用回放/模拟系统来操控一种资产，那么您就不需要我们将要实现的许多东西。您可以把它们放在一边 —
MT4持仓助手 辅助性EA 订单半自动管理 大量快捷键 : MT4持仓助手 辅助性EA 订单半自动管理 自动设置止盈止损移动止损 分批平仓 划线模式 横线模式 布林带平仓 定时器追踪止盈止损等 同时有大量快捷键处理下单 改止盈止损 挂单等 省时省力。 使用前请先打印EA快捷键说明文件 作者： xyz0217
新文章 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 已发布： 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！ 目前，我们已经做了基础性的工作，但如果我们想获得更精确的数据，我们需要进一步的人为干预，我们在这里只指出几个方向，而不会进行详细的论证。 1.数据完整性检查
三條平均移動線交叉顯示 Tri MA Corss : 三條平均線完全按照高低排列後 可視為趨勢成形 在形態被破壞後 不再繪出影線 在沒有影線的條件下 視為不確定期間 作者： Hung Wen Lin
新文章 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 已发布： 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！ 当我们设计人工智能模型时，我们通常需要首先准备数据。良好的数据质量将使我们在模型训练和验证方面事半功倍。但我们的外汇或股票数据是特殊的，其中包含复杂的市场信息和时间信息，数据标注很困难，但我们可以很容易地在图表上分析历史数据的趋势。
新文章 模式搜索的暴力方法（第六部分）：循环优化 已发布： 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。 整个想法中最重要的元素是终端和我的程序之间的交互系统。事实上，它是一个具有高级优化标准的循环优化器。上一节介绍了最重要的问题。为了使整个系统正常工作，我们首先需要一个报价来源，这是MetaTrader
新文章 利用 MQL5 的交互式 GUI 改进您的交易图表（第 II 部分）：可移动 GUI（II） 已发布： 依靠我们的以 MQL5 创建可移动 GUI 的深度指南，在您的交易策略和实用程序中解锁动态数据表达的潜力。深入研究面向对象编程的基本原理，并探索如何在同一图表上轻松高效地设计和实现单个或多个可移动 GUI。 我们开启旅程，从头开始创建类似的仪表板，但这次用的是 .mqh 文件。如有必要，我们将借用之前的代码片段。为了有效地组织我们的代码文件，我们将创建一个新文件夹，恰如其分地命名为 “Movable Dashboard MQL5”。
新文章 MQL5中使用坐标下降法的弹性网络回归 已发布： 在这篇文章中，我们探索了弹性网络回归的实际实现，以最大限度地减少过拟合，同时自动将有用的预测因子与那些预测能力很小的预测因子区分开来。 坐标下降是一种非常适合于多变量优化的优化方法。将复杂的多维优化问题简化为一维问题的集合。通过迭代最小化函数的每个单独维度，同时保持其他维度中函数的值不变来实现。互联网上有许多资源可以为感兴趣的人提供更详细的解释。在这里，我们感兴趣的是它在策略开发中的应用
新文章 为 MetaTrader 5 开发一款 MQTT 客户端：TDD 方式 已发布： 本文汇报为 MQL5 开发原生 MQTT 客户端的首次尝试。MQTT 是一种客户端-服务器之间发布/订阅消息的传输协议。它轻巧、开放、简单，并且易于实施。这些特性令其非常适合在多种情况下使用。 尽管事实上由于技术堆栈的限制和昂贵的网络成本，它被设计为强大、快速和廉价，但它需要提供具有持续 会话感知 的数据交付 服务品质 ，这令其能够应对不可靠，甚至间断性的互联网连接。 作为一种 二进制协议 ，MQTT 在内存和处理需求方面非常高效。更令人惊奇的是，最小的 MQTT 数据包只有两个字节！ 鉴于 MQTT
新文章 用于在EA交易中包含指标的现成模板（第一部分）：振荡指标 已发布： 本文从振荡指标类开始研究标准指标，我们将创建现成的模板，用于EA中——声明和设置参数、指标初始化和去初始化，以及从EA中的指标缓冲区接收数据和信号。 将指标包括到EA中并在EA中使用指标缓冲区中的数据是一项相当简单的任务，尽管这需要不断浏览参考资料。我们需要记住传递给指标创建函数的所有参数，将其中一些参数形式化为EA输入，引入有效性检查等。为了获得数据，我们需要编写函数，从所需的柱形中返回必要的数据。所有这些都涉及到花费时间访问帮助、将所需变量输入EA、编写用于接收和监控数据以确定信号的函数等。
您错过了交易机会：
- 免费交易应用程序
- 8,000+信号可供复制
- 探索金融市场的经济新闻
注册
登录