DinapoliTargets:
操作逻辑如下: 一旦确定一个局部最大值\最小值, 将绘制几条水平线。白色是入场点, 跟随其方向的是目标。自然地, 第一目标最可能到达.... 红色线是停止线。
作者： John Smith
新文章 图形界面 V: 垂直与水平滚动条 (第一章)已发布：
我们仍然在讨论在MetaTrader环境下开发创建图形界面库的开发，在本系列第五部分的第一篇文章中，我们将开发用于创建垂直与水平滚动条的类。
滚动条控件
当列表视图和表格中的数据不能全部容纳在设计的区域中时，就需要在其中使用滚动条。滚动条的主要对象是用于每步移动数据的按钮和用于快速移动数据的滑动条，可以使用鼠标左键按住它然后进行拖动。
我们将使用五个图形对象构成滚动条。
主背景；滑动条区域的背景；两个用于按每步移动数据的按钮；用于快速移动数据的滑动条。
图 1. 滚动条控件的组成部分。
作者：Anatoli...
新文章 组合剥头皮：分析过去的交易来提升未来交易的成效 已发布： 本文所提供的技术讲述，旨在提高任何自动交易系统的有效性。 它简要解释了这个思路，以及它的基本原理、可能性和缺点。 想象一下：有一尊大炮（一套交易系统或算法）和 2 盒贝壳 — 其一是正面（盈利）交易，而另一个是负面（亏损）交易。 如果您瞄准它们射击，并研究战场上的弹坑，就会发现在整个射击历史中，一些正面交易永远不会落入负面的弹坑。 从观感上看，它可能如下所示： 图例 1 . 交易历史的数字领域 作者： Oleg Besedin
新文章 DoEasy 库中的其他类（第六十八部分）：图表窗口对象类和图表窗口中的指标对象类 已发布： 在本文中，我将继续开发图表对象类。 我将添加含有可用指标列表的图表窗口对象列表。 为了检查创建对象的性能，简单地打开任意三个图表。 在加载 EA 的图表上加入分形指标 + 添加指标窗口，例如，包含另一个指标的 DeMarker，譬如基于 DeMarker 数据的 AMA。 在第二个图表上，我将放置随机振荡器窗口；而第三个窗口将取消驻靠 (Alt+D 浮动小窗口)： 我将在日志中显示所有三个图表对象的简述，以及 EA 所在的当前图表的完整描述。 作者： Artyom Trishkin
新文章 DoEasy 库中的其他类（第六十七部分）：图表对象类 已发布： 在本文中，我将创建图表对象类（单个交易金融产品图表），并改进 MQL5 信号对象的集合类，以便在更新列表时也能为存储在集合中的每个信号对象更新其所有参数。 编译 EA，在终端中打开三个图表，并在其中第一个上启动 EA，同时在参数中初步指定“仅使用当前品种和时间帧”： 在第一次即时报价期间，EA 创建三个图表对象，并显示三个所创建图表对象的简述，以及有关各种函数库类初始化的消息： Chart window EURUSD H4 ID: 131733844391938630 , HWND: 918600 Chart
新文章 形态搜索的暴力强推方式（第四部分）：最小功能 已发布： 本文基于上一篇文章中设定的目标，提出了一个改进的暴力强推版本。 我将尝试尽可能广泛地涵盖这个主题，并以该方法获取的设置来运行智能交易系统。 本文还附有一个新的程序版本。 许多自动交易系统的问题在于它们过度训练，及历史拟合。 创建一个令人印象深刻的系统，展现每月高达 1000% 的结果，这是有可能的。 但是这样的系统在现实中是行不通的。 交易系统的输入参数越多，EA 逻辑的可变性越大，这样的 EA 对历史的黏合就越强。 问题是我们有一个将报价转换为另一种数据格式的简单处理过程。 总有正向和逆向转换函数可以提供数据转换处理。
新文章 MVC 设计范式及其可能的应用 已发布： 本文讨论了一种流行的 MVC 范式，以及它运用在 MQL 程序中的可能性、优缺点。 这个思路是将现有代码拆分为三个独立的组件：模型、视图和控制器。 在本文中，我们将研究“经典 MVC”，没有任何复杂性或附加功能。 这个思路是将现有代码拆分为三个独立的组件：模型、视图和控制器。 根据 MVC 范式，这三个组件可以独立开发和维护。 每个组件都可由单独的开发团队开发，他们承担创建新版本，并修复错误。 显然，这可令整个项目的管理更加容易。 甚而，它能够帮助其他人理解代码。 我们来看看每个组件。 视图 。 视图负责信息的可视化呈现。
新文章 MQL5.community - 用户手册已发布：
如果你已经在本社区成功注册，那么你很可能会问：怎样在我发送的消息中插入图片？怎样格式化MQL5源代码？我的私信保存在哪？诸如此类的很多问题。本文我们为您准备了一些实用技巧，帮助你熟悉MQL5.community，并充分利用其提供的功能。
作者：MetaQuotes
新文章 神经网络变得轻松（第十三部分）：批次常规化 已发布： 在上一篇文章中，我们开始研究旨在提高神经网络训练品质的方法。 在本文中，我们将继续这个主题，并会研讨另一种方法 — 批次数据常规化。 在神经网络应用实践中运用了多种数据常规化方法。 然而，它们的作用均是为了令训练样本数据和神经网络隐藏层的输出保持在一定范围内，并具有某些样本统计特征，如方差和中位数。 这一点很重要，因为网络神经元在训练过程中利用线性变换将样本朝逆梯度偏移。 参考一个含有两个隐藏层的全连接感知器。 在前馈验算过程中，每一层都会生成一个特定的数据集，作为下一层的训练样本。 输出层的结果与参考数据进行比较。
新文章 DoEasy 函数库中的其他类（第六十六部分）：MQL5.com 信号集合类 已发布： 在本文中，我将针对 MQL5.com 信号服务创建信号集合类，拥有能够管理信号的函数。 此外，我将改进“市场深度”快照对象类，来显示 DOM 的总买卖量。 编译 EA 并在交易品种图表上启动它，同时初步设置在当前交易品种/时间帧上操作，并激活操控 MQL5.com 信号服务的交易信号的标志： 在 EA 设置窗口的通用选项卡中，选中“允许修改信号设置”： 否则，EA 将无法操控 MQL5.com 信号。 启动 EA 后，日志会显示有关创建信号集合成功的消息，及其简述： Collection of
新文章 SQLite: MQL5 原生 SQL 数据库操纵已发布： 交易策略的研发与大数据处理相关联。 现在，您能够基于 SQLite 在 MQL5 中直接运用 SQL 查询来操纵数据库。 该引擎的重要特性在于整个数据库都被安置在用户 PC 上的单个文件中。 在 MetaEditor 中调试 SQL 查询 如果代码不成功，则所有操纵数据库的函数都将返回错误代码。 如果您遵循以下四个简单规则，操纵它们不会引发任何问题： 调用 DatabaseFinalize() 之后，应销毁所有查询控柄； 完毕前应利用 DatabaseClose() 关闭数据库； 应检查查询执行的结果；
新文章 网格和马丁格尔交易系统中的机器学习。 您敢为其打赌吗？ 已发布： 本文介绍了应用于网格和马丁格尔交易的机器学习技术。 令人惊讶的是，这种方法在全球网络中难觅踪迹。 阅读过本文之后，您将能够创建自己的交易机器人。 测试应在机器人所训练的时间帧内进行。 在这种情况下，它是 H1。 可以采用开盘价对其进行测试，因为该机器人对于柱线开盘拥有明确的控制权。 不过，由于运用的是网格，因此可以选择 M1 OHLC 来获得更高的精度。 该特定的机器人已在以下周期内经历了训练： START_DATE = datetime ( 2020 , 5 , 1 ) TSTART_DATE = datetime (
新文章 开发交易算法的科学方法 已发布： 本文探讨了开发交易算法的方法，即使用一致的科学方法来分析可能的价格模式，并基于这些模式构建交易算法。开发的理念是通过实例来展示的。 测试时间为2018年1月1日至2020年7月28日，在M1时间段内，使用真实点模式进行。参数没有得到优化，因为我想说明的是，没有必要为每个货币对优化一个完全准备好的算法。我们将改变块大小，最小块大小和手数，努力使利润大大超过佣金。 图 7
新文章 实用且奇特的自动交易技术 已发布： 在本文中，我将演示一些非常有趣且实用的自动交易技术。 其中一些可能您很熟悉。 我将尝试覆盖最有趣的方法，并解释为什么它们值得使用。 此外，我将展示这些技术在实战中的适用性。 我们将创建智能交易系统，并依据历史报价来测试全部所述技术。 实际上，该技术不仅可用在马丁格尔之中，而且可以用在具有足够高频的任何其他交易策略当中。 在此示例中，我将利用基于余额回撤的量具。 因为考虑与余额有关的所有事情都更容易。 我们把余额表分为上升和下降部分。 两个相邻的区段形成一个半波。 随着交易数量趋于无限，半波的数量亦趋于无限。
新文章 自适应算法（第四部分）：附加功能和测试 已发布： 我将继续采用最少的必要功能来充实算法，并测试结果。 其获利能力十分低下，但文章展示的全自动盈利交易的模型，是在不同的行情基本面及完全不同的金融产品上进行。 在上一篇文章中，我演示了该算法如何生成开仓信号，并在若干尺度上同时分析，从而定义最大趋势尺度。 基本操作算法已讲述过了。 价格序列图表并非由一个尺度构成。 同一时刻在若干尺度上显示出趋势，而在其他尺度上则可能是横盘。 此功能应是为了获取盈利。 在此，趋势部分是片段，趋势持续概率超过 50％，而横盘部分，其趋势反转概率超过 50％。
DDE - Server:
导出 MQL5 实盘数据至 Excel (DDE)
作者： Alexander Piechotta
新文章 MQL5：在 MetaTrader 5 中分析和处理商品期货交易委员会 (CFTC) 报告已发布：
在本文中，我们将开发用于 CFTC 报告分析的工具。我们将解决下述问题：开发可直接使用委员会提供的数据文件的 CFTC 报告数据而无需进行中间处理和转换的指标。此外，该指标可用于不同目的：作为指标绘制数据、处理其他指标中的数据、在脚本中用于自动分析、在“EA 交易”的交易策略中使用。
作者：Aleksey Sergan
MAMA_NK:
本版本的指标是使用 John Ehlers 所写的 Omega 代码创建的。
作者： Nikolay Kositsin
T3 随机动量指数: 这个版本进行的计算和最初的随机动量指数方法相同，除了一个非常重要的部分: 它没有使用 EMA (指数移动平均，Exponential Moving Average) 来计算，它使用的是 T3。这会使结果更加平滑，而不会增加任何延迟。 作者： Mladen Rakic
新文章 神经网络变得轻松（第十二部分）：舍弃 已发布： 作为研究神经网络的下一步，我建议研究在神经网络训练过程中提高收敛性的方法。 有若干种这样的方法。 在本文中，我们将研究其中之一，名为“舍弃”。 在训练神经网络时，会将大量特征馈入每个神经元，且很难评估每个独立特征的影响。 结果就是，某些神经元的误差会被其他神经元的调整值抹平，这些误差从而会在神经网络输出处累积。 这会导致训练在某个局部最小值处停止，且误差较大。 这种效应涉及特征检测器的协同适应，其中每个特征的影响会随环境而变化。 当环境分解成单独的特征，且可以分别评估每个特征的影响时，很可能会有相反的效果。
新文章 DoEasy 函数库中的价格（第六十五部分）：市场深度集合并操控 MQL5.com 信号的类 已发布： 在本文中，我将创建所有品种的市场深度集合类，并着手开发创建信号对象类来操控 MQL5.com 信号服务的功能。 我们也在 OnInitDoEasy() 函数中进行一些修改。 现在， 所有用到品种的即时报价序列创建 已实现，可直接访问函数库主对象的相应方法。 此外， 我还加入了针对所创建 DOM 序列的检查 ： //--- Check created timeseries - display descriptions of all created timeseries in the
换了好几个交易商的软件，迈达克自己的软件都试过了，都是运行5~15分钟左右自动崩溃。我就纳闷了。换台电脑就没问题，不知道问题出在哪里。关键是不想换电脑，不想重装系统。
Second Level Candles And Alligator Indicators Second Level Candles And Alligator Indicators 每12秒产生一个K线，而且自带Alligator指标，对超短线选手交易非常有帮助。程序启动时可能不成功，是因为MT5 MqlTick 数据加载少的原因。可以通过修改显示的数据参数避免，比如display=100，程序正常之后再将参数调大 display=300 。如果数据不正常，也可以采用重新加载的方式解决。 如果您对这个指标有任何建议，请联系作者。 Second Level Candles And
新文章 DoEasy 函数库中的价格（第六十四部分）：市场深度，DOM 快照类和快照序列对象 已发布： 在本文中，我将创建两个类（DOM 快照对象类，和 DOM 快照序列对象类），并测试 DOM 数据序列的创建。 在品种图表中显示：最后的 DOM 快照的编号、品种的订单数量、当前快照中的订单数量、以及添加到 DOM 快照列表中的 DOM 快照总数： 该示意图显示了已经运行了一段时间的 EA 上的数据（已在列表中添加了 5019 个快照） 作者： Artyom Trishkin
新文章 神经网络变得轻松（第十一部分）：自 GPT 获取 已发布： 也许，GPT-3 是目前已有语言类神经网络中最先进的模型之一，它的最大变体可包含 1750 亿个参数。 当然，我们不打算在家用 PC 上创建如此庞然之物。 然而，我们可以看看在我们的操作中能够采用哪种体系解决方案，以及如何从中受益。 在同一数据集上测试了新的神经网络类，该数据集在之前的测试中曾经用过：神经网络馈入 EURUSD，时间帧为 H1，最后 20 根烛条的历史数据。 测试结果证实了这个假设，即更多的参数需要更长的训练时间。 在第一个训练迭代，参数较少的智能交易系统展现出的结果更稳定。
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