新文章 建立自动新闻交易程序已发布：
这是 "Another MQL5 OOP"（另一个 MQL5 OOP 类）一文的续篇，该文向您展示了如何从头建立一个简单的面向对象的 EA 交易程序并向您提供了有关面向对象编程的某些提示。今天，我向您展示开发一个能够依据新闻进行交易的 EA 所需的技术基础。我的目标是继续向您提供有关面向对象编程的理念，同时也在这个系列的文章中涵盖新的主题——处理文件系统。
如 Investopedia（投资百科）所述，新闻交易者是“依据新闻进行交易或投资决定的交易者或投资者”。事实上，经济报告，例如一个国家的...
交易量 档案 + 范围 v6.0:
交易量 档案 + 范围 v6.0 (原为 TPO)。在给定时间间隔内按照价位的成交分布。显示为直方条。
作者： Olexiy Polyakov
新文章 种群优化算法：灰狼优化器（GWO） 已发布： 我们来研究一种最新的现代优化算法 — 灰狼优化。 测试函数的原始行为令该算法成为以前研究过的算法中最有趣的算法之一。 这是训练神经网络的顶级算法之一，具有许多变量的平滑函数。 图例 3. 欧米茄相对阿尔法、贝塔和德尔塔的的运动图 GWO 算法的伪代码如下： 1) 随机初始化灰狼种群。 2) 计算种群每只个体成员的体质状况。 3) 狼群领导者: -α = 具有最佳体质值的成员 -β = 第二等强大的成员（就体质值而言） -δ = 第三等强大的成员（就体质值而言） 根据 α、β、δ 方程更新所有欧米茄狼的位置 4) 计算种群中每个成员的体质。
i-Regression 通道:
i-Regression通道生成回归通道。
作者： Nikolay Kositsin
新文章 神经网络变得轻松（第三十四部分）：全部参数化的分位数函数 已发布： 我们继续研究分布式 Q-学习算法。 在之前的文章中，我们研究了分布式和分位数 Q-学习算法。 在第一种算法当中，我们训练了给定数值范围的概率。 在第二种算法中，我们用给定的概率训练了范围。 在这两个发行版中，我们采用了一个先验分布知识，并训练了另一个。 在本文中，我们将研究一种算法，其允许模型针对两种分布进行训练。 这种方式可以训练对“分位数”超参数不太敏感的模型。 它们的随机分布允许将近似函数的范围扩展到非均匀分布的函数。 在将数据输入到模型之前，会根据以下公式创建随机生成的分位数的嵌入。
新文章 神经网络: 智能交易系统自我优化已发布：
是否有可能开发一款能够根据代码命令, 定期优化开仓和平仓条件的智能交易系统？如果我们以模块化的形式实现一个神经网络 (多层感知器) 来分析历史并提供策略, 会发生什么？我们可以做到 EA 每月(每周, 每天或每小时) 进行神经网络优化, 然后继续其工作。因此, 我们可以开发一款自我优化 EA。
在创建 NN 之后, 我们应该用前 800 个自然数的二进制形式 (10 个字符, 10 个输入神经元和 1 个输出神经元) 来训练它。之后, 我们应该将接下来的 200 个自然数转换为二进制形式 (从 801 到 1000 的二进制形式从),...
Terminator_v2.0:
智能交易 Terminator.使用指标 I_Trend和支撑/阻力点.mq4.
Author: John Smith
新文章 种群优化算法：人工蜂群（ABC） 已发布： 在本文中，我们将研究人工蜂群的算法，并用研究函数空间得到的新原理来补充我们的知识库。 在本文中，我将陈列我对经典算法版本的解释。 该算法的思路是基于蜂群在寻找尽可能多的获取花蜜的地方时的行为。 首先，所有的蜜蜂都朝随机的方向飞出蜂巢，充当侦察员，试图寻找有花蜜的区域。 之后，蜜蜂返回蜂巢，并以特殊的方式告诉其它个体在哪里找到了花蜜、以及发现了多少花蜜。 工蜂被发配到发现的区域。 在这个地区发现的花蜜越多，向那个方向飞的蜜蜂就越多。 侦察兵再次飞去寻找其它区域，但均在已发现区域的附近。
新文章 多层感知器和反向传播算法（第二部分）：利用 Python 实现并与 MQL5 集成 已发布： 有一个 Python 程序包可用于开发与 MQL 的集成，它提供了大量机会，例如数据探索、创建和使用机器学习模型。 集成在 MQL5 内置的 Python，能够创建各种解决方案，从简单的线性回归、到深度学习模型。 我们来看看如何设置和准备开发环境，以及如何使用一些机器学习函数库。 首先，您应该从官方网站 www.python.org/downloads/ 下载 Python 为了使用 TensorFlow，您应该安装 3.3 和 3.8 之间的版本（我个人使用 3.7 ）。
新文章 非线性指标 已发布： 在本文中，我将尝试研究一些构建非线性指标的方法，并探索其在交易中的用处。 MetaTrader 交易平台中有相当多的指标采用非线性方式。 众数是数据样本中出现频率最高的数值。 例如，在样本 1, 6, 9, 3, 3, 7, 8 中，最多见的数字是 3。 故它就是该系列的众数。 然而，在分析价格时，每个数值大多只能出现一次。 然后，为了计算众数，我们可以利用皮尔逊（Pearson）经验方程： 众数 = 3*中位数 – 2*平均值。 根据方程，该众数是一个不稳定的指标（系数超出了区间 -1...+1 的边界）。 但它可以作为其它指标的补充。
新文章 构建自动运行的 EA（第 07 部分）：账户类型（II） 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。 交易者应当始终明白自动 EA 正在做什么，以便若它“偏离轨道”，交易者可以尽早将其从图表中删除，并控制事态。 在上一篇文章 构建自动运行的 EA（第 06 部分）：账户类型（I） 中，我们着手开发一种方式来确保自动 EA 正常工作，并符合其预期目的。 在那篇文章中，我们创建了 C_Manager 类，它充当管理员，以便在出现奇怪或不正确的 EA 行为时，能把 EA 从图表中删除。 我们首先解释了如何防止 EA 的挂单或市价单触发。
新文章 DoEasy. 控件 (第 27 部分): 继续致力 ProgressBar（进度条）WinForms 对象 已发布： 在本文中，我将继续开发进度条（ProgressBar）控件。 特别是，我将创建管理进度条和视觉效果的功能。 编译，并在图表上启动 EA： 在第一个循环中，我们看到进度条对象的宽度如何增加，进度条的宽度也成比例增加。 与此同时，Value 最初设置为 50，且会保留如此，因为进度条的宽度是以相对值设置的。 在第二个循环中，我们每次调用 PerformStep 方法，该方法每次将（相对）Value 值按增量步长值递增。 尽管有 350
MQL4模拟MQL5 OnTrade()函数的功能EA : 在MQL4中模拟MQL5的 OnTrade()函数功能 作者： Zhang Yi
新文章 神经网络变得轻松（第三十三部分）：分布式 Q-学习中的分位数回归 已发布： 我们继续研究分布式 Q-学习。 今天我们将从另一个角度来看待这种方式。 我们将研究使用分位数回归来解决价格预测任务的可能性。 利用 NetCreator 工具创建了一个训练模型。 模型的体系结构与来自 上一篇文章 中训练模型的体系结构相同。 我删除了最后一个 SoftMax 规范化层，以便模型结果区域可以复制所用奖励策略的任何结果。 与以前一样，该模型是基于 EURUSD 历史数据、H1 时间帧上进行训练的。 训练数据集采用过去 2 年的历史数据。 训练模型的工作是在策略测试器中进行测试。
新文章 构建自动运行的 EA（第 06 部分）：账户类型（I） 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。 当前状态下，我们的 EA 已能在任何状况下工作，但尚未准备好自动化。 我们仍然需要在几点上努力。 当前状态下，我们的 EA 已能在任何状况下工作，但尚未准备好自动化。 我们仍然需要在几点上努力。 在我们添加盈亏平衡或尾随停止之前，尚有一些工作要做，因为如果我们太早加入这些机制，我们以后将不得不取消一些事情。 故此，我们将采取稍微不同的路径，首先研究创建一个通用 EA。 作者： Daniel Jose
操盘手交易 v 7.51 RIVOT:
操盘手交易 v 7.51 RIVOT 是基于多手数剥头皮算法的 EA。该 EA 已经在实盘账户里反复测试过。
作者： Александр
新文章 构建自动运行的 EA（第 05 部分）：手工触发器（II） 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。 在上一篇文章的末尾，我建议允许手工操作 EA 是合适的，至少在一段时间内。 好吧，为了令我们的 EA 在手工模式下的操作更加舒适，我们需要做一些事情。 这项工作对于程序员来说既简单又容易，因此我们可以直奔主题。 也就是说，我们将创建水平线，指示我们发送到交易服务器的订单限价位置。 当我们用鼠标下订单时，即当我们创建挂单时，这些限价更适合观察。 一旦订单已经在服务器上，指示就由 MetaTrader 5 平台管理。
新文章 构建自动运行的 EA（第 04 部分）：手工触发器（I） 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。 这是一种将市价单发送到交易服务器的方式。 我们已有以下行为： 当按下 CTRL 时，这里的条件为 true ，现在我们就可以检查第二个条件。 第二个条件指示我们是按市价买入，还是以市价卖出。 为此，我们将使用箭头键。 如果按下 CTRL + 向上箭头，我们将执行市价买入操作 ，参数则按照用户交互区域中的指定数值。 如果按下 CTRL + 向下箭头，则执行市价卖出操作 ，同样基于指定参数。 这些指导如图例 01 所示： 作者： Daniel Jose
新文章 构建自动运行的 EA（第 03 部分）：新函数 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。 在上一篇文章中，我们已启动开发一个在自动化 EA 中使用的订单系统。 然而，我们只创建了一个必要的函数。 如果您不确定是否要在平台中启动此代码（它绝对无害，但您仍然应该小心），请观看下面的视频，该视频演示了代码的实际作用。 以上代码的演示 您可以看到，在移动止损和止盈时，我们得到正确的移动，但当我们移动开仓价时，止损和止盈保持不变。 为什么会这样？ 原因是对于交易服务器，您实际上是在移动订单，其可能是另一笔开仓交易的停止单。 作者： Daniel Jose
新文章 构建自动运行的 EA（第 02 部分）：开始编码 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。 在上一篇文章中，我们讨论了任何人在继续创建自动交易的智能系统之前需要了解的第一步。 我们首先研究了概念和结构。 在下面的视频中，您可以看到系统正确操作的演示。 附件提供了我们涵盖本文中所述代码的完整版本。 用它来实验和研究。 但我们仍处于最开始阶段。 在下一篇文章中，事情会变得更加有趣。 不过，在此阶段，重要的是要好好地了解在订单簿中如何下单。 作者： Daniel Jose
新文章 从头开始采用 MQL 语言进行深度神经网络编程 已发布： 本文旨在教导读者如何从头开始采用 MQL4/5 语言构建深度神经网络。 从神经网络的基本单元开始：单个神经元。 在本文中，我将专注于深度神经网络中所用神经元类型的不同部分，尽管神经元类型之间最大的区别通常是激活函数。 人工神经元，松散地模仿人脑中的神经元，简单地担负数学计算。 如同我们的神经元，当它受到足够的刺激时就会触发。 神经元把输入数据进行组合，这些数据含有一组或放大或抑制输入的系数或权重，从而为尝试学习任务的算法分配意义重大的输入。 在下一张图片中，可以看到神经元活动的各个部分： 作者： Anddy Cabrera
新文章 DoEasy. 控件 (第 26 部分): 完成 ToolTip（工具提示）WinForms 对象，并转移至 ProgressBar（进度条）开发 已发布： 在本文中，我将完成 ToolTip（工具提示）控件的开发，并启动 ProgressBar（进度条） WinForms 对象开发。 在处理对象时，我将针对控件及其组件开发动画处理的通用功能。 编译 EA，并在图表上启动它： 当前文章声明的功能运行良好。 我们可以在图表注释中看到一个不断变化的数字。 这是来进度条控件的计时器中的数据。 作者： Artyom Trishkin
新文章 学习如何基于鳄鱼（Alligator）设计交易系统 已发布： 在本文中，我们将完成有关如何基于最流行的技术指标设计交易系统的系列文章。 我们将学习如何创建基于鳄鱼指标的交易系统。 根据此策略，我们需要创建一个交易系统，基于持续检查以下值来生成看涨或看跌信号： 嘴唇值 牙齿值 下颌值 我们需要交易系统来判定这些值的位置，并基于此生成合适的信号。 如果嘴唇线大于牙齿，嘴唇大于下颌，牙齿线大于下颌，在这种情况下，我们要求交易系统在图表上返回含有以下值的注释： 看涨 下颌值 = n 牙齿 = n 嘴唇值 = n
新文章 如何利用 MQL5 处理指示线 已发布： 在本文中，您将发现利用 MQL5 处理最重要的指示线（如趋势线、支撑线和阻力线）的方法。 我们可以在交易中应用趋势线，并依据趋势线类型下单。 如果是上升趋势线，我们可能会期望价格向下移动，来从上方测试该趋势线，若反弹到向上，然后我们就可在此趋势线附近放置买入订单。 反之亦然，如果是一条下降趋势线，我们可能期望价格从下方向上移动，来测试该趋势线，若反弹向下，然后我们就可以在此下降趋势线附近放置卖出订单。 以下是上升趋势线： 我们可以看到，上图中很明显，我们有一个向上的走势，如果我们尝试在最后三个低点之间连接，我们可以发现它们在同一条上升线上。
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