|
10+ 年
经验
|
63
产品
|
11
演示版
|
|
0
工作
|
1
信号
|
0
订阅者
|
And I have done a lot of academic research on financial markets.
From 2012, I work as a Quant.
Forex, stock and futures are my main trading varieties.
I can use MQL4, MQL5, C++, MySql, and Python.
1. 这是什么 MT5系统自带的优化结果非常少，有时候我们需要研究更多的结果，这个库可以让你在回测优化时可以输出更多的结果。也支持在单次回测时打印更多的策略结果。 2. 产品特色 优化的输出的结果非常多。 可以自定义CustomMax。 输出结果在Common文件夹。 根据EA名称自动命名，且同一个EA多次回测会自动更新名称，不会覆盖上一次的结果。 函数非常简单，你一眼就可以看懂。 #import "More BackTest Results.ex5" // Libraries Folder, Download from the market. //---Set CustomMax void iSetCustomMax( string mode); //---Display multiple strategy results when backtesting alone (not opt). void iOnDeinit(); //--- void iOnTesterInit(); double iOnTester(); void iOnTesterPass( string lang
1.这是什么 上涨波动和下降波动是不一样的，无论是学术研究还是实际检验都说明了这一点。 原始的ATR指标是把上涨波动和下降波动放在一起进行计算。本指标则是把上涨波动和下降波动分开进行计算，这样能更好的帮助你研究市场。 2.指标说明 本指标的计算有两种模式，如下表所示： 0 1 2 3 4 5 波动方向 + - + + - + TR 15 20 17 5 16 8 原始ATR (15+20+17+5+16+8)/6=13.5 模式1 不以0填充位置，周期数改变 模式1上涨TR 15 17 5 8 模式1下跌TR 20 16 模式1上涨ATR (15+17+5+8)/4=11.25 模式1下跌ATR (20+16)/2=18 模式2 以0填充位置，周期数不变 模式2上涨TR 15 0 17 5 0 8 模式2下跌TR 0 20 0 0 16 0 模式2上涨ATR (15+0+17+5+0+8)/6=7.5 模式2下跌ATR
1.这是什么 上涨波动和下降波动是不一样的，无论是学术研究还是实际检验都说明了这一点。 原始的ATR指标是把上涨波动和下降波动放在一起进行计算。本指标则是把上涨波动和下降波动分开进行计算，这样能更好的帮助你研究市场。 2.指标说明 本指标的计算有两种模式，如下表所示： 0 1 2 3 4 5 波动方向 + - + + - + TR 15 20 17 5 16 8 原始ATR (15+20+17+5+16+8)/6=13.5 模式1 不以0填充位置，周期数改变 模式1上涨TR 15 17 5 8 模式1下跌TR 20 16 模式1上涨ATR (15+17+5+8)/4=11.25 模式1下跌ATR (20+16)/2=18 模式2 以0填充位置，周期数不变 模式2上涨TR 15 0 17 5 0 8 模式2下跌TR 0 20 0 0 16 0 模式2上涨ATR (15+0+17+5+0+8)/6=7.5 模式2下跌ATR
1. 这是什么. 这是一个 非常严谨 的以展示不同市场交易时段的指标。它展示了主要市场：NewYork, London, Frankfurt, Sydney, Wellington, Tokyo. 非常重要： 不同的市场夏令时起止日期不同，而一个市场的交易时段又会因夏令时冬令时而不同。 同时，北半球国家、南半球国家夏令时制度也是不同的，以及一个市场在不同的年份，夏令时的制度也是变化的。 比如： 纽约夏令时制度： 1987年-2006年：4月第一个星期日02:00 --> 10月最后一个星期日02:00 2007年-至今： 3月的第二个星期日02:00 --> 11月的第一个星期日02:00 纽约外汇市场交易时段(UTC+3): 15:00-22:00（夏令时）；
1. 这是什么. 这是一个 非常严谨 的以展示不同市场交易时段的指标。它展示了主要市场：NewYork, London, Frankfurt, Sydney, Wellington, Tokyo. 非常重要： 不同的市场夏令时起止日期不同，而一个市场的交易时段又会因夏令时冬令时而不同。 同时，北半球国家、南半球国家夏令时制度也是不同的，以及一个市场在不同的年份，夏令时的制度也是变化的。 比如： 纽约夏令时制度： 1987年-2006年：4月第一个星期日02:00 --> 10月最后一个星期日02:00 2007年-至今： 3月的第二个星期日02:00 --> 11月的第一个星期日02:00 纽约外汇市场交易时段(UTC+3): 15:00-22:00（夏令时）；
1. 这是什么 经典的布林带和系统内置的布林带指标，它们的均线周期和偏差周期是相同的。而且均线的方法只是简单移动平均方法。所用的偏差方法是只是标准差方法。这些都限制了我们的研究，因为： 有时候我们希望能有更长周期的均线 + 短周期的偏差。 有时候我们希望移动平均的模式不限于简单移动平均，也包括其他的移动平均模式。 用标准差来刻画价格的波动受到价格位置的影响，而用ATR来刻画价格的波动，能反映出不一样的市场情况。 所以，我们开发了有更多功能的布林带指标。 2.计算方法 均值(某个方法下的均值) +/- 倍数 * 偏差( 标准差 or ATR) 3.如何使用 下面是指标参数的介绍，它简单易懂： ===MA Parameter=== InpMAPeriod = 20; // MA Period InpMAMethod = MODE_SMA;
本文介绍如何构建自定义优化标准 R-平方。这一准则可用来评估一个策略的余额曲线的品质, 并选择增长最平滑和稳定的策略。这项工作讨论其构建原理, 以及用于评估属性和衡量品质的统计方法。
在交易账户上运行 EA 交易之前，我们通常会在报价历史上测试和优化它。然而，这里会有一个合理的问题: 过去的结果怎么会对我们的未来有所帮助呢?本文描述了使用蒙特卡洛方法来为交易策略的优化构建自定义的标准，另外，还会探讨 EA 交易的稳定性标准。
在本文中, 我将告诉您如何把一个非常著名的策略与神经网络合并以便成功交易。这就是运用人工智能系统实现的 Thomas DeMark 次序策略。仅应用了策略的第一部分, 使用设置和交汇信号。
本文推荐一种由很多策略组成的自适应系统，每种策略执行其自己的虚拟交易操作。实际交易依据当时最赚钱策略的信号进行。归功于使用面向对象的方法、标准库中用于处理数据的类和交易类，系统的架构看起来很简单并且可扩展；现在，您可以轻松地创建和分析包含数以百计的交易策略的自适应系统。
