文章,程序库评论 - 页 18

新文章 DoEasy. 控件 (第 19 部分): 在 TabControl 中滚动选项卡、WinForms 对象事件 已发布: 在本文中,我将创建的功能是利用滚动按钮在 TabControl 中滚动选项卡标题。 该功能旨在将选项卡标题从控件的任一侧拖放到单行之中。 编译 EA,并在图表上启动它: 正如我们所见,一切都按预期运作。 但是有两个缺点:如果将鼠标悬停在隐藏的选项卡标题区域上,则标题会更改颜色来做出反应,就好像它在此区域中可见一样。 这就是为什么在调整可见区域大小时,控件的活动区域不会更改其大小的原因。 若要解决此问题,我需要根据可见区域计算活动区域,并调整其大小。
20/200 expert v 4.2 AntS: 最值得信赖的智能交易。 EUR/USD 1H Author: Антон
KDJ 智能交易系统: 一款基于 "KDJ 指标" 的智能交易系统 作者: Vladimir Karputov
新文章 山型或冰山型图表 已发布: 您如何看待往 MetaTrader 5 平台里添加新图表类型的想法? 有人说它缺少其它平台里提供的一些东西。 但事实是,MetaTrader 5 是一个非常实用的平台,因为它允许您做到在许多其它平台上无法完成(或至少不能轻松完成)的事情。 然而,用户在删除指标后可能会有点惊讶,因为图表需要一些时间才能再次完全呈现。 结果就是,金融产品图表看起来与指标推出之前相同。 作者: Daniel Jose
Color OsMA : 彩色OsMA指标,在系统单色的OsMA基础上增加了色彩显示,默认情况下OsMA递增显示绿色,OsMA递减显示红色。 作者: Zhang Geng Wang
新文章 学习如何基于奥森姆(Awesome)振荡器设计交易系统 已发布: 在我们系列的这篇新文章中,我们将学习一种也许对我们的交易有用的新技术工具。 它是奥森姆(Awesome)振荡器((AO)指标。 我们将学习如何基于该指标设计交易系统。 策略一: AO 零轴交叉 根据这个策略,我们需要创建一个交易系统,该系统能够连续比较两个值,并有基于此生成看涨或看跌信号,它们是当期 AO 值和 AO 指标的零轴,以便判定每个值的位置,并决定市场的状态。 如果 AO 值大于零轴,我们要求交易系统在图表上生成含有以下值的注释: 看涨 AO 值 在另一种场景下,如果当期 AO
新文章 神经网络变得轻松(第二十九部分):优势扮演者-评价者算法 已发布: 在本系列的前几篇文章中,我们见识到两种增强的学习算法。 它们中的每一个都有自己的优点和缺点。 正如在这种情况下经常发生的那样,接下来的思路是将这两种方法合并到一个算法,使用两者间的最佳者。 这将弥补它们每种的短处。 本文将讨论其中一种方法。 针对前几篇文章中的模型进行附加训练的好处是,我们可用上一篇文章中的测试 EA 来检查它们的训练结果。 这就是我如何做的。 训练模型之后,我采用了额外训练的策略模型,并利用上述模型在策略测试器中启动了 “REINFORCE-test.mq5” EA。 它的算法在 上一篇文章
MQL5 向导 - 基于 早晨之星 / 黄昏之星形态的交易信号 + CCI: 基于 早晨之星 / 黄昏之星形态的交易信号,由 Commodity Channel Index (CCI - 商品通道指数) 指标确认。基于此交易策略的交易程序代码可使用 MQL5 向导自动生成。 作者: MetaQuotes Software Corp.
BBSqueeze: 非标准化对称振荡器基于线性回归算法和简单的趋势力量指标。 作者: Nikolay Kositsin
新文章 DoEasy. 控件 (第 18 部分): TabControl 中滚动选项卡的功能 已发布: 在本文中,我将在 TabControl WinForms 对象中放置滚动标题控件的按钮,以防标题栏不适配控件的尺寸。 此外,我还将实现单击裁剪过的选项卡标题时,标题栏的平移。 作者: Artyom Trishkin
MQL5 向导 - 基于 锤头 / 上吊线形态的交易信号 + MFI: 基于 锤头 / 上吊线形态的交易信号,由 MFI (市场促进指数)指标确认.基于此交易策略的交易程序代码可使用 MQL5 向导自动生成。 作者: MetaQuotes Software Corp.
新文章 学习如何基于相对活力(Vigor)指数设计交易系统 已发布: 我们系列中的新篇章,介绍如何基于最流行的技术指标设计交易系统。 在本文中,我们将学习如何基于相对活力(Vigor)指数指标来做到这一点。 根据此策略,我们需要创建一个交易系统,持续检查以下数值,并在上行趋势期间提供买入和平仓信号: 当期 RVI 值 当期 RVI 信号值、 RVI 指标的零轴 如果当期 RVI 值大于零轴,当期 RVI 信号值大于零轴,当期 RVI 值大于当期 RVI 信号值,我们要求交易系统返回以下值作为图表上的注释: 买入信号 相对活力指数值 RVI 信号值 在另一种场景下,如果当期 RVI
对两种不同货币K线的比较,用简单的加减乘除来计算(获得金油比,交叉盘价格,期差数据等) -MT5指标: 该指标可以获取两个不同货币对各个时期的K线价格,然后通过简单的加减乘除显示在副图上,用来分析当前平台上没有的自定义商品走势。 作者: Wujun Chen
新文章 从头开始开发智能交易系统(第 31 部分):面向未来((IV) 已发布: 我们继续从 EA 中删除单独的部件。 这是本系列中的最后一篇文章。 并且最后要移除的是声音系统。 如果您之前没有关注过这些文章系列,可能会有点困惑。 完成所有这些工作后,您将在平台中拥有信息流,如下图所示: 如您所见,无论谁提供信号,我们都将始终拥有相同的目的地。 作者: Daniel Jose
新文章 从头开始开发智能交易系统(第 30 部分):CHART TRADE 当作指标? 已发布: 今天我们将再次用到 Chart Trade,但这回它作为一个图表上的指标,或许也可能不在图表上出现。 现在,我们可以编译指标,之后我们得到以下视频中显示的结果: 尽管 EA 尚未完全发挥作用,但我们需要做出以下决定:Chart Trade 既拥有与 EA 相同的功能,或可将它们减少,提供介于 MetaTrader 5 以前和当前之间所提供的功能。 鉴于我的立场非常激进,我将保留 Chart Trade 的功能,与其在 EA 中几乎相同。 如果您愿意,您可以减少它们。
新文章 从头开始开发智能交易系统(第 29 部分):谈话平台 已发布: 在本文中,我们将学习如何让 MetaTrader 5 平台谈话。 我们如何才能让 EA 更有趣呢? 金融市场交易往往过于无聊和单调,但我们能够令这项工作少些无趣。 请注意,对于那些经历过上瘾等问题的人来说,这个项目可能是危险的。 然而,在一般情况下,它只会让事情聊胜于无。 运行此脚本时,您将在工具栏中获得指示我们将使用的位置的信息。 下图显示了执行结果的示例: 您应该执行以下操作: 打开附件 打开文件资源管理器 进入上图所示的文件夹 将 SOUND 文件夹的内容从附件复制到上面指示的文件夹
新文章 DoEasy. 控件 (第 17 部分): 裁剪对象不可见部分、辅助箭头按钮 WinForms 对象 已发布: 在本文中,我将创建一种功能,可隐藏超出其容器之外的对象部分。 此外,我亦将创建辅助箭头按钮对象,作为其它 WinForms 对象的一部分。 编译 EA,并在图表上启动它: 超出可视区域的裁剪区域可以正常工作,超出容器的标题会沿着其边缘被裁剪,如果我们设置 TabControl 的坐标,令元素超出左侧的容器,那么这里的所有内容也会被正确裁剪 — 元素本身沿着面板的边缘被裁剪, 控件上的按钮也按面板可视区域的边缘被裁剪,而不是按其容器。 这里一切正常。
新文章 学习如何基于 DeMarker 设计交易系统 已发布: 此为我们系列中的一篇新文章,介绍如何基于最流行的技术指标设计交易系统。 在本文中,我们将介绍如何基于 DeMarker 指标创建交易系统。 根据此策略,我们需要创建一个交易系统,该系统可创建或定义两个数值,然后自动检查它们。 这些值是当期 DeMarker 值和最后五个 DeMarker 平均值。 如果当期值大于平均值,我们要求交易系统返回以下值作为图表上的注释: DeMarker 强劲 当期 DeMarker 值 5 -周期 DeMarker 均值 在另一种场景下,如果当期值低于平均值,我们需要交易系统根据此条件返回以下值:
新文章 神经网络变得轻松(第二十八部分):政策梯度算法 已发布: 我们继续研究强化学习方法。 在上一篇文章中,我们领略了深度 Q-学习方法。 按这种方法,已训练模型依据在特定情况下采取的行动来预测即将到来的奖励。 然后,根据政策和预期奖励执行动作。 但并不总是能够近似 Q-函数。 有时它的近似不会产生预期的结果。 在这种情况下,近似方法不应用于功用函数,而是应用于动作的直接政策(策略)。 其中一种方法是政策梯度。 第一个已测试模型是 DQN。 它展现出意想不到的惊喜。 该模型产生了盈利。 但它仅执行了一个交易操作,持仓会贯穿整个测试过程。 已执行成交的品种图表如下所示。
  EA: Lucky  (5)
Lucky: 修改手数大小, 增加过滤, 您就能得到成功的一年. 只在2点点差下工作. 作者: Sergey Artukh
新文章 学习如何基于 VIDYA 设计交易系统 已发布: 欢迎阅读我们的关于学习如何依据最流行的技术指标设计交易系统系列的新篇章,在本文中,我们将学习一种新的技术工具,并学习如何依据可变指数动态平均线(VIDYA)设计交易系统。 策略一:VIDYA 趋势识别器 根据此策略,我们需要创建一个可生成趋势类型信号的交易系统。 我们需要交易系统检查两个值,即当期收盘价和当期 VIDYA 值,来判定趋势类型。 如果当期收盘价大于 VIDYA 值,则表明趋势上升。 故此,我们需要交易系统在图表上返回含有以下值的注释: 上行趋势 当期收盘价 当期 VIDYA 值 另一种场景是,如果当期收盘价低于当期
新文章 神经网络变得轻松(第二十七部分):深度 Q-学习(DQN) 已发布: 我们继续研究强化学习。 在本文中,我们将与深度 Q-学习方法打交道。 DeepMind 团队曾运用这种方法创建了一个模型,在玩 Atari 电脑游戏时其表现优于人类。 我认为评估该技术来解决交易问题的可能性将会很有益处。 您可能已经猜到了深度 Q-学习涉及运用神经网络来近似 Q 函数。 这种方式有什么优势? 请记住上一篇文章中交叉熵表格方法的实现。 我强调,表格方法的实现假定可能的状态和动作数量是有限的。 故此,我们通过初始数据聚类来限制可能的状态数量。 但它有那么好吗? 聚类总能产生更好的结果吗?
新文章 Linux 上的 MetaTrader 5 已发布: 在本文中,我们演示了一种在流行的Linux版本(Ubuntu和Debian)上安装MetaTrader 5的简单方法。这些系统广泛用于服务器硬件以及交易者的个人计算机上。 作者: MetaQuotes Software Corp
新文章 基于价格运动方向和速度的交易策略已发布: 本文提出一种基于价格运动方向和速度的分析方法。我们已经将此想法用MQL4语言实现了一个EA,来研究此策略的效果。我们也将通过测试、检验和优化本文的一个例子来确定最优的参数。 世界上的任何运动都可以被运动的方向,加速度和速度所表征。在金融市场中同样适用。这预示着一条重要的法则,那就是强烈的运动不会立即停止。就好比一列火车:当列车以全速运行时踩下刹车,那么此时的刹车距离可能长达1公里。 那么趋势何时开始呢?当绝大多数市场参与者由于某些原因转变他们的观点时,无论是涉及全球经济趋势的改变还是其他一些能影响市场走向的重要因素。群体性意见形成后...
新文章 DoEasy. 控件(第 16 部分):TabControl WinForms 对象 — 多行选项卡标题,拉伸标题适配容器 已发布: 在本文中,我将继续开发 TabControl,并针对设置标题大小的所有模式,实现选项卡标题在控件所有四个侧边的排列:正常、固定、和靠右填充。 编译 EA,并在图表上启动它: 如我们所见,左右选项卡标题的布局工作正常。 我们将在下一篇文章中讲述并修复这些缺点,但到目前为止,一切都很好。 作者: Artyom Trishkin
新文章 神经网络变得轻松(第二十六部分):强化学习 已发布: 我们继续研究机器学习方法。 自本文,我们开始另一个大话题,强化学习。 这种方式允许为模型设置某些策略来解决问题。 我们可以预期,强化学习的这种特性将为构建交易策略开辟新的视野。 我们总是环顾四周,通过触摸、以及倾听声音,来评估物体。 如此这般,我们每时每刻都通过我们的感官来评估我们的世界。 在我们的脑海中,我们固化其状态。 类似地, 环境 生成其 状态 ,由 代理者 评估。 与我们按照人类的世界观行事类似, 代理者 根据其 政策 (策略)执行 行动 。 这种影响导致环境按照一定概率发生变化。 对于每个行动, 代理者 都会从 环境
新文章 DIY 技术指标 已发布: 在本文中,我将研究允许您创建自己的技术指标的算法。 您将学到如何通过非常简单的初始假设,来获得非常复杂和有趣的结果。 各种数学序列均可用作指标比率。 以下是更多指标的示例。 其中之一基于斐波那契级数:34,21,13,8,5,3,2,1,1。 另一个指标也建立在斐波那契级数之上,但由它们构建了一个对称结构:1,1,2,3,5,3,2,1,1。 第三个指标基于帕斯卡三角形序列:1,8,28,56,70,56,28,8,1。 作者: Aleksej Poljakov
  指标: 三线KDJ  (15   1 2)
三线KDJ: 股票软件通达信中的指标三线KDJ 作者: Ziheng Zhuang
  EA: Cidomo  (1)
Cidomo: 智能交易系统使用突破买入 (Buy Stop) 和突破卖出 (Sell Stop) 挂单。 作者: Vladimir Karputov
新文章 数据科学与机器学习 — 神经网络(第 02 部分):前馈神经网络架构设计 已发布: 在我们透彻之前,还有一些涵盖前馈神经网络的次要事情,设计就是其中之一。 针对我们的输入,看看我们如何构建和设计一个灵活的神经网络、隐藏层的数量、以及每个网络的节点。 我们都知道,当涉及到优化新参数时,硬编码模型会落入钝化,整个过程很耗时,会导致头痛、背部疼痛、等等, (太不值了) 。 如果我们抵近观察神经网络背后的操作,您会注意到每个输入都被乘以分配给它的权重,然后它们的输出被添加到乖离之中。 矩阵运算可以很好地处理这一点。 作者: Omega J Msigwa