新文章 学习如何基于 MACD 设计交易系统 已发布： 在本文中，将从我们的系列文章中挖掘一个新工具：我们将学习如何基于最流行的技术指标之一“移动平均收敛/发散（MACD）”设计交易系统。 编写代码并测试完毕后，下图示意它如何根据 MACD 主线和零轴之间的交叉生成设置： 看涨设置信号： 作者： Mohamed Abdelmaaboud
新文章 开发回放系统（第 43 部分）：Chart Trade 项目（II） 已发布： 大多数想要或梦想学习编程的人实际上并不知道自己在做什么。他们的活动包括试图以某种方式创造事物。然而，编程并不是为了定制合适的解决方案。这样做会产生更多的问题而不是解决方案。在这里，我们将做一些更高级、更与众不同的事情。 在上一篇文章 开发回放系统（第 42 部分）：Chart Trader 项目 (I) 中，我展示了如何安排鼠标指标与其他指标之间的互动。 在这里，我们将做一些更高级因而也不同的事情。但无论如何，结果都与视频 01
新文章 学习如何基于 ATR 设计交易系统 已发布： 在本文中，我们将学习一款可在交易中运用的新技术工具，作为我们学习如何设计简单交易系统系列的延续。 这次我们将选取另一个流行的技术指标：平均真实范围（ATR）。 正如我之前提到的那样，ATR 衡量波动性。 据此，分析 ATR 窗口中的数值：ATR 值越低，金融产品的波动性越低。 反之亦然，ATR 值越高，金融产品的波动性越高。 下图是关于如何解读： 那么，当 ATR 记录的数值较低时，这表示波动性较低；反之亦然，当 ATR 指标记录的数值较高时，这表明波动性较高。 根据 ATR 指标的计算，我们已经知道，ATR 指标不能准确地生成交易信号。
新文章 改编版 MQL5 网格对冲 EA（第 II 部分）：制作一款简单的网格 EA 已发布： 在本文中，我们探讨了经典的网格策略，详解 MQL5 的智能交易系统的自动化，并初步分析回测结果。我们强调了该策略对高持有能力的需求，并概括了在未来分期分批优化距离、止盈和手数等关键参数的计划。该系列旨在提高交易策略效率，以及针对不同市场条件的适配性。 欢迎来到我们系列文章的第二批次，“改编版 MQL5 网格对冲 EA”。我们首先回顾一下我们在第一部分涵盖的内容。在第 I
吸收 (Absorption): EA 依据吸收形态进行交易。 操作是以 Buy Stop 和 Sell Stop 挂单进行。 作者： Vladimir Karputov
新文章 交易者基于角度的操作 已发布： 本文将介绍基于角度的操作。我们将研究构建角度和在交易中使用角度的方法。 基于角度的操作在交易中应用已久。这些操作的主要优点是构造角度的简单性和清晰度。 江恩工具 就是基于角度操作的一个明显示例。 关于角度的一切似乎都已众所周知，不过，我会尝试从不同的角度看问题。让我们试着记住那些被遗忘的旧事物，以便获得全新的东西。 作者： Aleksej Poljakov
新文章 您应当知道的 MQL5 向导技术（第 10 部分）：非常规 RBM 已发布： 限制性玻尔兹曼（Boltzmann）机处于基本等级，是一个两层神经网络，擅长通过降维进行无监督分类。我们取其基本原理，并检验如果我们重新设计和训练它，我们是否可以得到一个实用的信号滤波器。 限制性玻尔兹曼机（RBM）是一种神经网络形式，其结构非常简单，在特定圈子中，它们颇受推崇，在于它们能揭示数据集中隐藏的属性和特征。它们从较大维度的输入数据中通过学习，完成较小维度的权重，这些权重通常作为参考概率分布。如常，可从 此处 阅读更多内容，但通常它们的结构可以用下图来描绘： [картинка] 典型情况，RBM
新文章 MQL5 简介（第 4 部分）：掌握结构、类和时间函数 已发布： 在我们的最新文章中揭开 MQL5 编程的秘密！深入了解结构、类和时间函数的基本要素，为您的编码之旅赋能。无论您是初学者还是经验丰富的开发人员，我们的指南都简化了复杂的概念，为掌握 MQL5 提供了宝贵的见解。提升你的编程技能，在算法交易领域保持领先！ 欢迎来到我们 MQL5 之旅的第四部分！当我们深入研究结构、类和时间函数的简单性时，我们的重点是使复杂的概念更易于理解。 我们的目标始终如一：创造一个包容的空间，让所有人都能使用 MQL5 语言。
新文章 制作仪表板以显示指标和EA中的数据 已发布： 在本文中，我们将创建一个用于指标和EA的仪表板类。这是一个小系列文章中的介绍性文章，其中包含模板以在EA交易中包含和使用标准指标。我将首先创建一个类似于MetaTrader 5数据窗口的面板。 在本文中，我将创建一个可以显示开发人员指定的数据的仪表板。这样的面板将便于在图表上直观地显示数据和进行可视化调试，因为在面板上查看必要的值比在调试器中跟踪它们更方便。我指的是根据某些数据值调试策略的情况。 我将以终端数据窗口原型的形式制作面板，并用相同的数据填充： 图1数据窗口和仪表板
新文章 如何准备迁移至虚拟主机的交易账户已发布：
MetaTrader 客户端完美支持自动交易策略。它有交易机器人开发者所需的所有工具 ‒ 强劲的，基于 C++ 的 MQL4/MQL5 编程语言，便利的 MetaEditor 开发环境，以及支持在 MQL5 云网络中进行分布式计算的多线程策略测试器。在本文中, 您将发现如何将您的客户端连同所有定制元素一并移至虚拟环境。
如何让终端提供可靠的不间断运作？
一个交易员可能需要在下述三种情况时，每天 24 小时保持终端运行:
交易员有自行努力开发的或 从其他程序员定购 的交易机器人;交易员有 购自市场 的 EA;交易员...
新文章 开发多币种 EA 交易（第 3 部分）：架构修改 已发布： 我们在开发多币种 EA 方面已经取得了一些进展，该 EA 有几个并行工作的策略。考虑到所积累的经验，让我们回顾一下我们解决方案的架构，并尝试在我们走得太远之前对其进行改进吧。 我们分配了一个 EA 对象（ CAdvisor 类或其子类），它是交易策略对象（ CStrategy 类或其子类）的聚合器。在 EA 运行开始时， OnInit() 处理函数中会发生以下情况： 创建 EA 对象。 创建交易策略对象并将其添加到 EA 的交易策略数组中。 在 OnTick() 事件处理函数中会发生以下情况： 为 EA 对象调用
新文章 数据科学和机器学习（第 18 部分）：掌握市场复杂性博弈，截断型 SVD 对比 NMF 已发布： 截断型奇异值分解（SVD）和非负矩阵分解（NMF）都是降维技术。它们在制定数据驱动的交易策略方面都发挥着重要作用。探索降维的艺术，揭示洞察和优化定量分析，以明智的方式航行在错综复杂的金融市场。 我们现实一点，在大多数现实世界的应用程序中，许多构建机器学习模型的数据集具有非常多的特征或变量（维度）。高维数据可能会引发各式各样的挑战，例如增加计算复杂性、过度拟合的风险、和可视化困难。您通常用到的的数据集拥有 5 个自变量！这不是 AI 算法交易中的大佬所做的。 假设您收集了 所有
Ravi+AO:
一个在工作中使用两个指标的简单EA交易, 使用的指标是 AO 和 RAVI (在附件中). 没有经过优化!!!在 EUR/USD - H1 上的优秀表现.
作者： shevss
从底层开始 - GBP100 开始的 RabbitM2:
使用组合指标, MA用于趋势判断, 而威廉姆斯%R和CCI指标用来产生信号, 使用Dochian带退出, RabbitM2 EA用于从零开始的成功. 欢迎大家进行测试并给我反馈.
作者： Peter
新文章 种群优化算法：微人工免疫系统（Micro-AIS） 已发布： 本文研究一种基于人体免疫系统原理的优化方法 — 微人工免疫系统（Micro-AIS） - AIS 的修订版。Micro-AIS 使用更简单的免疫系统模型，和更简单的免疫信息处理操作。本文还讨论了 Micro-AIS 与传统 AIS 相比的优缺点。 AIS 算法针对这些过程运用抗原（输入）、抗体（溶液）和杀伤细胞（优化过程）的概念进行建模，从而以最优方式解决问题。抗原代表需要优化的输入。抗体代表了这个问题的潜在解。杀手细胞是寻找优化问题的最佳解的优化过程。 人工免疫系统（AIS）优化方法于 1990
新文章 同时交易多种工具时平衡风险 已发布： 本文将帮助初学者从头开始编写一个脚本的实现，用于在同时交易多种工具时平衡风险。此外，它还可以为有经验的用户提供新的思路，使他们可以根据本文提出的方案来实现自己的解决方案。 本文将讨论在日内同时交易多种工具时如何平衡风险的话题。本文的目的是让用户能够从头开始编写平衡工具的代码，并向有经验的用户介绍其他可能以前未使用过的旧想法的实现方法。为此，我们将探讨风险概念的定义，选择优化的标准，重点关注实现解决方案的技术方面，分析此类实现的标准终端能力集，并探讨将此算法集成到软件基础设施中的其他可能方法。
新文章 种群优化算法：细菌觅食优化 — 遗传算法（BFO-GA） 已发布： 本文释义了一种解决优化问题的新方式，即把细菌觅食优化（BFO）算法和遗传算法（GA）中所用的技术结合到混合型 BFO-GA 算法当中。它用细菌群落来全局搜索最优解，并用遗传运算器来优调局部最优值。与原始的 BFO 不同，细菌现在可以突变，并继承基因。 BFO（细菌觅食优化） 是一种受到细菌觅食行为启发的优化算法。它是由 Rahul K. Kujur 于 2002 年提出的。BFO
新文章 使用优化算法即时配置 EA 参数 已发布： 文章讨论了使用优化算法即时查找最佳 EA 参数，以及交易操作和 EA 逻辑虚拟化的实际问题。这篇文章可作为在 EA 中实现优化算法的指导。 我经常被问到，如何在使用 EA 和策略时应用优化算法。在本文中，我想谈谈使用优化算法的实际问题。 在当今的金融世界里，每一毫秒都可能产生巨大的变化，因此算法交易变得越来越有必要。而优化算法在创建高效交易策略方面发挥着关键作用。也许有些怀疑者认为，优化算法和交易没有共同点。然而，在本文中，我将展示这两个领域如何相互作用，以及从这种相互作用中可以获得什么好处。
新文章 构建和测试肯特纳通道交易系统 已发布： 在本文中，我们将尝试使用金融市场中一个非常重要的概念 - 波动性 - 来构建交易系统。我们将在了解肯特纳通道（Keltner Channel）指标后提供一个基于该指标的交易系统，并介绍如何对其进行编码，以及如何根据简单的交易策略创建一个交易系统，然后在不同的资产上进行测试。 切斯特.肯特纳（Chester Keltner）于 20 世纪 60 年代在其《如何在商品中赚钱》一书中首次提出了肯特纳通道指标。它在计算中使用简单移动平均线和高/低范围，但后来演变成今天常用的形式，在计算中使用平均真实范围 (ATR)。移动平均线的典型设置是 20
新文章 神经网络变得简单（第 71 部分）：目标条件预测编码（GCPC） 已发布： 在之前的文章中，我们讨论了决策转换器方法，以及从其衍生的若干种算法。我们测验了不同的目标设定方法。在测验期间，我们依据各种设定目标的方式进行操作。然而，该模型早期研究时验算过的轨迹，始终处于我们的关注范围之外。在这篇文章中。我想向您介绍一种填补此空白的方法。 行为克隆（BC）是解决各种离线强化学习问题的一种很有前途的方式。替代针对状态和操作估值，BC
新文章 在 MQL5 中实现广义赫斯特指数和方差比检验 已发布： 在本文中，我们将研究如何利用广义赫斯特指数（Generalized Hurst Exponent）和方差比检验（Variance Ratio Test）来分析 MQL5 中价格序列的行为。 为了测试我们的 GHE 功能，我们准备了作为 EA 交易实现的应用程序 GHE.ex5。通过它，人们可以直观地看到具有预定特征的随机序列，并观察 GHE 是如何工作的。通过完全交互式操作，可以调整 GHE 的所有参数，并在一定范围内调整序列的长度。一个有趣的功能是，在应用 GHE
新文章 开发多币种 EA 交易（第 2 部分）：过渡到交易策略的虚拟仓位 已发布： 让我们继续开发多币种 EA，让多个策略并行工作。让我们尝试将与市场开仓相关的所有工作从策略级转移到管理策略的 EA 级。这些策略本身只进行虚拟交易，并不建立市场仓位。 在上一篇 文章 中，我们开始开发一种可同时使用多种交易策略的多币种 EA。在第一阶段，只有两种不同的策略。它们代表了相同交易理念的实现，在相同的交易工具（交易品种）和图表时段（时间框架）上运行。它们之间的区别仅在于参数的数值不同。 我们还根据所需的最大回撤水平（存款的
新文章 GIT：它是什么？ 已发布： 在本文中，我将为开发人员介绍一个非常重要的工具。如果您不熟悉 GIT，请阅读本文，以了解它是什么以及如何在 MQL5 中使用它。 在本文中，我们将稍稍偏离我们的主题。让我们从回放/模拟器系统的主题稍作休息，了解一下所有程序员都必须使用的工具。如果您对它不熟悉，一定要阅读本文并采用这一工具，因为它确实能让任何程序员更轻松、更快速地解决问题。 我们将主要关注那些努力成为合格专业人士的初学者。不幸的是，我要向您展示的工具在 Windows 11 上并不像在 Windows 10 上那样易于使用，所以如果您是 Windows
新文章 神经网络变得简单（第 70 部分）：封闭式政策改进运算器（CFPI） 已发布： 在本文中，我们将领略一种算法，其使用封闭式政策改进运算器来优化离线模式下的智能体动作。 约束智能体行为的情况下优化其政策的方式，事实证明，在解决离线强化学习问题方面很有前景。通过利用历史过渡，智能体政策经过训练，可以最大化所学习的数值函数。 行为约束政策有助于避免与智能体动作相关的重大分布偏移，这为评估动作成本提供了足够的信心。在上一篇文章中，我们领略了 SPOT 方法，它利用了这种方式。作为该主题的延续，我建议领略封闭式政策改进（CFPI）算法，其在论文 《依据封闭式政策改进运算器的离线强化学习》
Moving Average-RMA 相对移动平均线 : Relative Moving Average (RMA) is a variant of EMA the factor is 1/period 作者： Mage He
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