新文章 MetaTrader 移动终端中的 MetaQuotes ID已发布：
Android 和 iOS 设备为我们提供了许多功能，有一些甚至连我们自己都不知道。这些功能的其中之一就是推送通知，这允许我们接收个人消息，而不会拘于我们的电话号码或移动网络运营商。MetaTrader 移动终端已经能够从您的自动交易接收这样的消息。您只需要知道设备的 MetaQuotes ID。超过 200 000 台移动终端已经收到它。
作者：MetaQuotes Software Corp.
新文章 开发回放系统 — 市场模拟（第 02 部分）：首次实验（II） 已发布： 这一次，我们尝试换一种不同的方式来实现 1 分钟的目标。 然而，这项任务并非如人们想象的那么简单。 如果您注意到，我们现在得到一个外循环来做这个 1 毫秒的测试。 由于很难在系统内进行正确的调整，如此我们利用这一毫秒的优势，也许最好将其从播放中取出。 我们只做了一处修改。 您可以在下面的视频中看到结果。 作者： Daniel Jose
新文章 数据科学和机器学习（第 12 部分）：自训练神经网络能否帮助您跑赢股市？ 已发布： 您是否厌倦了持续尝试预测股市？ 您是否希望有一个水晶球来帮助您做出更明智的投资决策？ 自训练神经网络可能是您一直在寻找的解决方案。 在本文中，我们将探讨这些强大的算法是否可以帮助您“乘风破浪”，并跑赢股市。 通过分析大量数据和识别形态，自训练神经网络通常可以做出比人类交易者更准确的预测。 发现如何使用这项尖端技术来最大化您的盈利，并制定更明智的投资决策。 我运行了一个简短的优化，并挑选出以下值。 copy_rates_x : COPY_RATES_LOW, n_samples : 2950
新文章 神经网络实验（第 4 部分）：模板 已发布： 在本文中，我将利用实验和非标准方法开发一个可盈利的交易系统，并验证神经网络是否对交易者有任何帮助。 若在交易中运用神经网络的话， MetaTrader 5 完全可作为一款自给自足的工具。 简单的解释。 模板是一种类似于“浮动形态”的结构。 它的值会根据市场情况不断变化，但每个值都在一定的范围内，而这恰是我们实验所需要的。 由于我们已知我们传输到神经网络的数据应该在一定范围内，因此模板中的数值会被四舍五入为整数，以便感知器和神经网络能更好地理解。 因此，我们得到了更多的触发条件，并大幅降低了感知器和神经网络上的负载。
新文章 神经网络变得轻松（第三十六部分）：关系强化学习 已发布： 在上一篇文章中讨论的强化学习模型中，我们用到了卷积网络的各种变体，这些变体能够识别原始数据中的各种对象。 卷积网络的主要优点是能够识别对象，无关它们的位置。 与此同时，当物体存在各种变形和噪声时，卷积网络并不能始终表现良好。 这些是关系模型可以解决的问题。 关系模型的主要优点是能够在对象之间构建依赖关系。 这样就可以构建源数据。 关系模型可以用示图的形式表示，其中对象和事件表示为节点，而关系代表对象和事件之间的依赖关系。 通过使用示图，我们可以直观地构建对象之间的依赖关系结构。
包围圈大师: 智能交易系统使用突破买入 (Buy Stop) 和突破卖出 (Sell Stop) 挂单。 马丁格尔。 作者： Vladimir Karputov
新文章 种群优化算法：猴子算法（MA） 已发布： 在本文中，我将研究猴子优化算法（MA）。 这些动物克服困难障碍，并到达最难以接近的树顶的能力构成了 MA 算法思想的基础。 猴子探索的区域是适应度函数地域，因此最高的山对应于问题的解（我们考虑全局最大化问题）。 从当前位置开始，每只猴子都会向上移动，直至抵达山顶。 攀爬过程旨在逐步提高目标函数的值。 然后，猴子向随机方向进行一系列局部跳跃，希望找到更高的山峰，并重复向上的运动。 在进行了一定次数的攀爬和局部跳跃后，猴子认为它已经充分探索了初始位置附近的地域。 为了探索搜索新的空间区域，猴子进行了一次长距离跳跃。
新文章 学习如何基于比尔·威廉姆斯（Bill Williams）的 MFI 设计交易系统 已发布： 这是该系列中的一篇新文章，我们将学习如何根据流行的技术指标设计交易系统。 这次我们将涵盖比尔·威廉姆斯（Bill Williams）的市场促进指数（BW MFI）。 策略一: BW MFI - 走势状态 根据此策略，我们需要创建一个交易系统，可根据指标柱线的颜色获取 BW MFI 指标的走势信号，该信号将根据指标的性质判定，方法是比较每次跳价的四个值，从而判定每个数值的位置。 这四个数值是当期 BW MFI、前期 BW MFI、当期交易量和前期交易量。
MT4 One Key Trading: MT4 One Key Trader：一键交易，双击脚本即可自动完成：买入，卖出，平仓，删除挂单，删除物体。 作者： Nvjan Inc.
Harmonic Pattern Finder V3: 用于显示已经存在和正在出现的 harmonic 图表形态的指标。 作者： Andre Enger
新文章 开发回放系统 — 市场模拟（第 01 部分）：首次实验（I） 已发布： 如何创建一个系统，让我们在闭市后也能研究市场，甚至模拟市场情况？ 在此，我们将开始一系列新的文章，在其中我们将应对这个主题。 此段代码将创建周期为 1 分钟的柱线，这是平台创建任何其它周期图表的最低要求。 高亮显示的部分并非代码本身的一部分，但对于分析 1 分钟柱线很有用。 我们需要检查它是否真的在此时间帧内创建。 因为如果创建时间超过 1 分钟，我们就不得不对此做点什么。 如果在不到一分钟的时间内创建它，这可能表明该系统立即可用。 执行此系统后，我们会得到以下视频中显示的结果： 作者： Daniel Jose
新文章 将 ML 模型与策略测试器集成（第 3 部分）：CSV（II）文件管理 已发布： 这篇资料提供了以 MQL5 创建类，从而高效管理 CSV 文件的完整指南。 我们将看到打开、写入、读取、和转换数据等方法的实现。 我们还将研究如何使用它们来存储和访问信息。 此外，我们将讨论使用该类的限制和最重要的方面。 本文对于那些想要学习如何在 MQL5 中处理 CSV 文件的人来说是一个宝贵的资源。 CSV 格式出现在 1970 年代初期，首先用在大型机系统。 CSV 无法追溯到特定的创建者，因为它是一种广泛使用的文件类型。
新文章 MQL5 中的范畴论 (第 2 部分) 已发布： 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。 在本文中，我们将观察一种乘积，其范畴论中是一种枚举域元素配对方式，且不丢失先前成分信息。 在 MQL5 向导信号文件中使用它，我们就能创建一个智能系统。 故此，我们的乘积将介于 2 个域之间，即 De-Marker 指标和威廉姆斯百分比范围指标的数值。
新文章 构建自动运行的 EA（第 15 部分）：自动化（VII） 已发布： 我们将继续讨论上一篇文章的主题，以便完成有关自动化的这一系列文章。 我们将看到所有内容如何搭配到一起，令 EA 像钟表一样运行。 我所展示出的主要故障、问题和困难，均涉及一名程序员在创建自动运行 EA 时的管辖工作。 但我也为您展示出，这可以带来很多知识，改变您实际观察市场的方式。 我尝试以这样一种方式呈现事物，即您可以实际创建一个安全，可靠和强大的系统。 与此同时，它应该是模块化的、紧凑的和非常轻巧的。 您应该能够将其与许多其它事物结合运用。 拥有一个不允许您同时操作各种事物的系统是没有用处的。
新文章 构建自动运行的 EA（第 01 部分）：概念和结构 已发布： 今天，我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。 在我们开始任何与编写代码直接相关的事情之前，我们需要让每位阅读这篇简短文章的人都清楚。 如果您已经知道自动 EA 的实际工作原理，那么该系列很可能不会增加您的知识点。 但如果您尚不明白它是如何工作的，或者为了让 EA 工作需要什么，那么跟随这些文章至少可以获取基础知识。 因为没有这些知识，您就会完全迷失。 如果您想迈出第一步，或掌握要学习和分析的内容，那么请与我一起阅读本系列。 为了开始解释，我们来看一看下面的图例 01 作者： Daniel Jose
新文章 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 已发布： 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。 朴素贝叶斯分类器是一种概率算法，用于机器学习中的分类任务。
数据获取EA(非交易) : 目的： 统计分钟数据，并自动生成iINSERT文，配合系统的定时任务，自动更新数据库。为数据分析打基础。 注意： 需要配置MT4中的邮件，程序会自动发警告邮件。 初学者请各位老师多多关照。如有喜欢一起研究的小伙伴，欢迎私留微信号及姓名，会定期回复。 作者： BigBoyka
新文章 利用 MQL5 矩阵的反向传播神经网络 已发布： 本文讲述在 MQL5 中利用矩阵来应用反向传播算法的理论和实践。 它还提供了现成的类，以及脚本、指标和智能交易系统的示例。 正如我们将在下面看到的，MQL5 提供了大量的内置激活函数。 函数的选择应基于特定问题（回归、分类）。 通常，可以选择几个函数，然后经由验正找到最优的一个。 流行的激活函数 激活函数可以具有不同的数值范围、有限或无限。 特别是，sigmoid(3) 将数据映射到范围 [0,+1]，这对于分类问题更好；而双曲正切将数据映射到范围 [-1,+1]，假设范围，推测这对于回归和预测问题更佳。 作者： Stanislav
新文章 种群优化算法：和弦搜索（HS） 已发布： 在本文中，我将研究和测试最强大的优化算法 — 和弦搜索（HS），其灵感来自寻找完美声音和声的过程。 那么现在什么算法在我们的评级中处于领先地位？ HS 逻辑的工作类似于音乐家在创造完美和弦方面的工作。 音乐家尝试改变各种音调，直到找到完美的和弦。 之后，把找到的和弦集合存储在记忆中。 在优化问题中，和弦会经历各种变化；如果变化的结果是有利的，那么就更新记忆，添加新的和弦，并删除不需要的元素... 所有这些也许听起来令人困惑。 那么什么是和弦呢？ 什么是音调？ 我们尝试用我们自己的术语来理解算法。 什么是一首音乐？
基于指标 SAR e ADX e sma 100 的 EA:
此 EA 基于 SMA, ADX 和 SAR 指标。
作者： Mauro Bracuti
新文章 交易中的道义期望 已发布： 这篇文章是关于道义期望。 我们将看到在交易中运用它的若干示例，以及在它的帮助下可以达成的结果。 乍一看，具有固定止损和止盈（蓝线）的选项获胜。 但是，应该记住，我们用的是可能的最大止损和最小止盈。 如果我们稍微减少止损点数和增加止盈点数来远离这些界限会发生什么？ 那么情况也许会改变。 作者： Aleksej Poljakov
新文章 构建自动运行的 EA（第 14 部分）：自动化（VI） 已发布： 在本文中，我们将把本系列中的所有知识付诸实践。 我们最终将建立一个 100% 自动化和功能性的系统。 但在此之前，我们仍然需要学习最后一个细节。 在此图中，我们看到了交易者如何与平台交互，从而在交易服务器上开仓和平仓。 为了自动化该过程，我们需要对此图例进行一些更改。 如此，代表手动模型的图例 01 变成了图例 02。 此图表现在不同编程阶段，根据定义的一些操作规则，EA 的自动操作。 图例 02 - 自动模式 请注意，图例 02 包含一个充当系统监管者的图像。 自动化系统绝不应在无人监督的情况下运行。
检查是否有新柱产生 : 作用是检查是否产生新柱 这是一个类文件，可作为类使用，也可以复制到EA或脚本中使用 作者： Mage He
新文章 处理时间（第二部分）：函数 已发布： 自动判定经纪商时移和 GMT。 与其请求您的经纪商的支持，您可能会从他们那里得到一个不充分的答案（他们很愿意解释时间错位），我们只需自行查看在时间变化的几周内他们如何计算价格 — 但手工操作极其繁琐，我们让程序来做这件事 — 毕竟这就是为什么我们要有一台 PC。 在包含文件 DealingWithTime.mqh 的函数声明之前，且在宏替换之后，声明所需变量为全局变量： //--- global variables for time switches int DST_USD= 0
新文章 多层感知器和反向传播算法（第 3 部分）：与策略测试器集成 - 概述（I） 已发布： 多层感知器是简单感知器的演变，可以解决非线性可分离问题。 结合反向传播算法，可以有效地训练该神经网络。 在多层感知器和反向传播系列的第 3 部分当中，我们将见识到如何将此技术集成到策略测试器之中。 这种集成将允许使用复杂的数据分析，旨在制定更好的决策，从而优化您的交易策略。 在本文中，我们将讨论这种技术的优点和问题。 在研究了如何实现所需的控件后，我设计了要部署的体系结构。 虽然这个过程可能看起来不必要，甚至荒谬，但它对开发非常重要，因为它给出了将要做什么，以及需要首先完成哪些活动的思路。 使用
新文章 构建自动运行的 EA（第 13 部分）：自动化（V） 已发布： 您知道什么是流程图吗？ 您能用它吗？ 您认为流程图适合初学者吗？ 我建议我们一起继续阅读这篇新文章，学习如何使用流程图。 许多人可能会保持警惕，认为将一个思路转化为代码是非常复杂的事情，只有编程领域的专家、硕士或博士才能做到。 但事实并非如此。 任何有常识、谨慎、纪律、好奇心和兴趣的人，只要清楚客观地陈述这个思路，实际上都可以将他们的思路变成代码。 如果您无法清楚地定义要实现的思路，请返回上一步，并以清晰简单的方式将您的想法写在纸上。 现在我们来看看如何将这个思路转化为代码。 如果思路太短，请给出详细的描述。
新文章 种群优化算法：引力搜索算法（GSA） 已发布： 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。 与此同时，所有代理者都可以依据质量（根据目标函数的值计算）和它们之间的距离的吸引力相互交换信息，无论它们在搜索空间中的哪个位置。 代理者被视为物体，它们的适应性由其质量来衡量。
新文章 艾伦·安德鲁斯和他的时间序列分析技术 已发布： 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。 我相信，所有现代图表分析应用程序都会包括 安德鲁草叉。
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