Facebook查找我们!
加入我们的粉丝群

使用MetaTrader 5新的可能性

MQL5.com上的编程文章

已发布文章 "周期与外汇"。

周期与外汇

周期在我们的生活中具有极其重要的意义。昼夜交替、四季更迭、一周的七天以及许多其他不同性质的周期都存在于每个人的生活中。在本文中,我们将探究金融市场中的周期。

已发布文章 "人工藻类算法(Artificial Algae Algorithm,AAA)"。

人工藻类算法(Artificial Algae Algorithm,AAA)

文章探讨了基于藻类微生物特征的人工藻类算法(AAA)。该算法包括螺旋运动、进化过程和适应性,使其能够解决优化问题。本文深入分析了AAA的工作原理及其在数学建模中的潜力,强调了自然与算法解决方案之间的联系。

已发布文章 "数据科学与机器学习(第 20 部分):算法交易洞察,MQL5 中 LDA 与 PCA 之间的较量"。

数据科学与机器学习(第 20 部分):算法交易洞察,MQL5 中 LDA 与 PCA 之间的较量

在剖析 MQL5 交易环境中这些强大的降维技术的应用程序时,让我们揭示它们背后的秘密。深入探讨线性判别分析(LDA)和主成分分析(PCA)的细微差别,深入了解它们对策略开发和市场分析的影响。

本月阅读最多文章

在Linux上运行MetaTrader 5

在Linux上运行MetaTrader 5

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。

如何从 MetaTrader 市场购买自动交易以及如何安装?

如何从 MetaTrader 市场购买自动交易以及如何安装?

MetaTrader 市场的产品可以从 MQL5.com 网站购买,或者直接从 MetaTrader 4 和 MetaTrader 5 交易平台购买。选择一个想要的适合您交易风格的产品,使用您想要的支付方法付款,然后就能激活产品。

购买交易机器人前如何进行测试

购买交易机器人前如何进行测试

与别处相比,在 MQL5 应用商店购买交易机器人有一个明显的优势 - 其提供的自动化系统,可直接在 MetaTrader 5 终端内接受完整测试。购买前,EA 交易可以、也应该在内置的策略测试程序中,以所有不利的模式谨慎运行,从而对此系统有一个全面的认识。

多于 1 750 篇文章已发布在网站

已发布文章 "重塑经典策略(第六部分):多时间框架分析"。

重塑经典策略(第六部分):多时间框架分析

在这一系列文章中,我们重新审视经典策略,看看是否可以利用人工智能(AI)对其进行改进。在本文中,我们将研究流行的多时间框架分析策略,以判断该策略是否可以通过人工智能得到增强。

已发布文章 "数据科学和机器学习(第 27 部分):MetaTrader 5 中训练卷积神经网络(CNN)交易机器人 — 值得吗?"。

数据科学和机器学习(第 27 部分):MetaTrader 5 中训练卷积神经网络(CNN)交易机器人 — 值得吗?

卷积神经网络(CNN)以其在检测图像和视频形态方面的出色能力而闻名,其应用涵盖众多领域。在本文中,我们探讨了 CNN 在金融市场中识别有价值形态,并为 MetaTrader 5 交易机器人生成有效交易信号的潜力。我们来发现这种深度机器学习技术如何能撬动更聪明的交易决策。

本周阅读最多文章

实现 Deus EA:使用 MQL5 中的 RSI 和移动平均线进行自动交易

实现 Deus EA:使用 MQL5 中的 RSI 和移动平均线进行自动交易

本文概述了基于 RSI 和移动平均线指标实现 Deus EA 以指导自动交易的步骤。

交易中的神经网络:基于双注意力的趋势预测模型

交易中的神经网络:基于双注意力的趋势预测模型

我们继续讨论时间序列的分段线性表示的运用,这在前一篇文章中已经开始。今天,我们要看看如何将该方法与其它时间序列分析方法相结合,从而提高价格趋势预测品质。

MQL5集成:Python

MQL5集成:Python

Python是一种广为人知且流行的语言,具有许多功能,尤其是在金融、数据科学、人工智能和机器学习领域。Python也是一种强大的工具,可以在交易中发挥作用。MQL5允许我们将这种强大的语言作为集成工具,以高效地实现我们的目标。在本文中,我们将在了解一些Python的基本信息后,分享如何在MQL5中使用Python作为集成工具。

已发布文章 "数据科学和机器学习(第 26 部分):时间序列预测的终极之战 — LSTM 对比 GRU 神经网络"。

数据科学和机器学习(第 26 部分):时间序列预测的终极之战 — LSTM 对比 GRU 神经网络

在上一篇文章中,我们讨论了一个简单的 RNN,尽管它对理解数据中的长期依赖关系无能为力,却仍能制定可盈利策略。在本文中,我们将讨论长-短期记忆(LSTM)、门控递归单元(GRU)。引入这两个是为了克服简单 RNN 的缺点,并令其更聪慧。

已发布文章 "交易中的神经网络:一种复杂的轨迹预测方法(Traj-LLM)"。

交易中的神经网络:一种复杂的轨迹预测方法(Traj-LLM)

在本文中,我想向您介绍一种为解决自动驾驶领域问题而开发的有趣的轨迹预测方法。该方法的作者结合了各种架构解决方案的最佳元素。

已发布文章 "威廉·江恩(William Gann)方法(第二部分):创建江恩宫格指标"。

威廉·江恩(William Gann)方法(第二部分):创建江恩宫格指标

我们将基于“江恩九宫格”创建一个指标,该指标通过时间和价格方格构建而成。我们将提供指标代码,并在平台上针对不同的时间区间,对该指标进行测试。

已发布文章 "使用 SMA 和 EMA 自动优化止盈和指标参数的示例"。

使用 SMA 和 EMA 自动优化止盈和指标参数的示例

本文介绍了一种用于外汇交易的复杂 EA 交易,它能够将机器学习与技术分析相结合。它专注于交易苹果股票,具有自适应优化、风险管理和多策略的特点。回溯测试显示出良好的结果,盈利能力较高,但也有显著的回撤,表明还有进一步改进的潜力。

已发布文章 "创建 MQL5-Telegram 集成 EA 交易 (第二部分):从 MQL5 发送信号到 Telegram"。

创建 MQL5-Telegram 集成 EA 交易 (第二部分):从 MQL5 发送信号到 Telegram

在本文中,我们创建了一个 MQL5-Telegram 集成 EA 交易,将移动平均线交叉信号发送到 Telegram。我们详细介绍了从移动平均线交叉生成交易信号的过程,在 MQL5 中实现必要的代码,并确保集成无缝工作。结果是系统可以直接向您的 Telegram 群聊提供实时交易提醒。

已发布文章 "重构经典策略(第五部分):基于USDZAR的多品种分析"。

重构经典策略(第五部分):基于USDZAR的多品种分析

在本系列文章中,我们重新审视经典策略,看看是否可以使用人工智能来改进这些策略。在今天的文章中,我们将研究一种使用一篮子具有相关性的金融产品来进行多品种分析的流行策略,我们将重点关注货币对 USDZAR。

本月阅读最多文章

在Linux上运行MetaTrader 5

在Linux上运行MetaTrader 5

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。

如何从 MetaTrader 市场购买自动交易以及如何安装?

如何从 MetaTrader 市场购买自动交易以及如何安装?

MetaTrader 市场的产品可以从 MQL5.com 网站购买,或者直接从 MetaTrader 4 和 MetaTrader 5 交易平台购买。选择一个想要的适合您交易风格的产品,使用您想要的支付方法付款,然后就能激活产品。

购买交易机器人前如何进行测试

购买交易机器人前如何进行测试

与别处相比,在 MQL5 应用商店购买交易机器人有一个明显的优势 - 其提供的自动化系统,可直接在 MetaTrader 5 终端内接受完整测试。购买前,EA 交易可以、也应该在内置的策略测试程序中,以所有不利的模式谨慎运行,从而对此系统有一个全面的认识。

已发布文章 "重塑经典策略(第四部分):标普500指数与美国国债"。

重塑经典策略(第四部分):标普500指数与美国国债

在本系列文章中,我们使用现代算法分析经典交易策略,以确定是否可以利用人工智能改进这些策略。在今天的文章中,我们将重新审视一种利用标普500指数与美国国债之间关系的经典交易方法。

已发布文章 "交易中的神经网络:时空神经网络(STNN)"。

交易中的神经网络:时空神经网络(STNN)

在本文中,我们将谈及使用时空变换来有效预测即将到来的价格走势。为了提高 STNN 中的数值预测准确性,提出了一种连续注意力机制,令模型能够更好地参考数据的重要方面。

已发布文章 "创建 MQL5-Telegram 集成 EA 交易 (第一部分):从 MQL5 发送消息到 Telegram"。

创建 MQL5-Telegram 集成 EA 交易 (第一部分):从 MQL5 发送消息到 Telegram

在本文中,我们在 MQL5 中创建一个 EA 交易,以使用机器人向 Telegram 发送消息。我们设置必要的参数,包括机器人的 API 令牌和聊天 ID,然后通过执行 HTTP POST 请求来传递消息。之后,我们将处理响应以确保成功传达,并排除故障时出现的任何问题。这确保我们能够通过创建的机器人将消息从 MQL5 发送到 Telegram。

本周阅读最多文章

MQL5集成:Python

MQL5集成:Python

Python是一种广为人知且流行的语言,具有许多功能,尤其是在金融、数据科学、人工智能和机器学习领域。Python也是一种强大的工具,可以在交易中发挥作用。MQL5允许我们将这种强大的语言作为集成工具,以高效地实现我们的目标。在本文中,我们将在了解一些Python的基本信息后,分享如何在MQL5中使用Python作为集成工具。

构建K线图趋势约束模型(第8部分):EA的开发(一)

构建K线图趋势约束模型(第8部分):EA的开发(一)

在本文中,我们将基于前文创建的指标,开发我们的第一个由MQL5语言编写的EA。我们将涵盖实现自动化交易所需的所有功能,包括风险管理。这将极大地帮助用户从手动交易转变为自动化交易系统。

在Linux上运行MetaTrader 5

在Linux上运行MetaTrader 5

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。

多于 1 740 篇文章已发布在网站

已发布文章 "交易中的神经网络:基于双注意力的趋势预测模型"。

交易中的神经网络:基于双注意力的趋势预测模型

我们继续讨论时间序列的分段线性表示的运用,这在前一篇文章中已经开始。今天,我们要看看如何将该方法与其它时间序列分析方法相结合,从而提高价格趋势预测品质。

已发布文章 "实现 Deus EA:使用 MQL5 中的 RSI 和移动平均线进行自动交易"。

实现 Deus EA:使用 MQL5 中的 RSI 和移动平均线进行自动交易

本文概述了基于 RSI 和移动平均线指标实现 Deus EA 以指导自动交易的步骤。

已发布文章 "交易中的混沌理论(第二部分):深入探索"。

交易中的混沌理论(第二部分):深入探索

我们继续深入探讨金融市场的混沌理论,这一次我将考虑其对货币和其他资产分析的适用性。

本月阅读最多文章

在Linux上运行MetaTrader 5

在Linux上运行MetaTrader 5

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。

如何从 MetaTrader 市场购买自动交易以及如何安装?

如何从 MetaTrader 市场购买自动交易以及如何安装?

MetaTrader 市场的产品可以从 MQL5.com 网站购买,或者直接从 MetaTrader 4 和 MetaTrader 5 交易平台购买。选择一个想要的适合您交易风格的产品,使用您想要的支付方法付款,然后就能激活产品。

交易中的混沌理论(第一部分):简介、在金融市场中的应用和李亚普诺夫指数

交易中的混沌理论(第一部分):简介、在金融市场中的应用和李亚普诺夫指数

混沌理论可以应用于金融市场吗?在这篇文章中,我们将探讨传统混沌理论和混沌系统与比尔·威廉姆斯提出的概念有何不同。

已发布文章 "将 MQL5 与数据处理包集成(第 1 部分):高级数据分析和统计处理"。

将 MQL5 与数据处理包集成(第 1 部分):高级数据分析和统计处理

集成实现了无缝的工作流程,来自 MQL5 的原始金融数据可以导入到 Jupyter Lab 等数据处理包中,用于包括统计测试在内的高级分析。

已发布文章 "无政府社会优化(ASO)算法"。

无政府社会优化(ASO)算法

本文中,我们将了解无政府社会优化(Anarchic Society Optimization,ASO)算法,并探讨一个基于无政府社会(一个摆脱中央权力和各种等级制度的异常社会交互系统)中参与者非理性与冒险行为的算法是如何能够探索解空间并避免陷入局部最优陷阱的。本文提出了一种适用于连续问题和离散问题的统一ASO结构。

已发布文章 "您应当知道的 MQL5 向导技术(第 26 部分):移动平均和赫斯特(Hurst)指数"。

您应当知道的 MQL5 向导技术(第 26 部分):移动平均和赫斯特(Hurst)指数

赫斯特(Hurst)指数是时间序列长期自相关度的衡量度。据了解,它捕获时间序列的长期属性,故在时间序列分析中也具有一定的分量,即使在财经/金融时间序列之外亦然。然而,我们专注于其对交易者的潜在益处,研究如何将该计量度与移动平均线配对,从而构建潜在的稳健信号。

已发布文章 "交易中的神经网络:时间序列的分段线性表示"。

交易中的神经网络:时间序列的分段线性表示

这篇文章与我以前发表的有些不同。在本文中,我们将谈谈时间序列的另类表示。时间序列的分段线性表示是一种利用涵盖小间隔的线性函数逼近时间序列的方法。

已发布文章 "使用MQL5中的动态时间规整进行模式识别"。

使用MQL5中的动态时间规整进行模式识别

在本文中,我们探讨了动态时间规整(Dynamic Time Warping,DTW)作为识别金融时间序列中预测模式的一种方法。我们将深入了解其工作原理,并在纯MQL5语言中展示其实现方法。

本周阅读最多文章

在Linux上运行MetaTrader 5

在Linux上运行MetaTrader 5

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。

MQL5 简介(第 8 部分):初学者构建 EA 交易系统指南(二)

MQL5 简介(第 8 部分):初学者构建 EA 交易系统指南(二)

本文解决了MQL5论坛中常见的初学者问题,并演示了实用的解决方案。学习执行基本任务,如买卖、获取烛形价格以及管理自动交易方面,如交易限额、交易期限和盈亏阈值。获取分步指导,以增强您对 MQL5 中这些概念的理解和实现。

将您自己的 LLM 集成到 EA 中(第 5 部分):使用 LLMs 开发和测试交易策略(一)- 微调

将您自己的 LLM 集成到 EA 中(第 5 部分):使用 LLMs 开发和测试交易策略(一)- 微调

随着当今人工智能的快速发展,语言模型(LLMs)是人工智能的重要组成部分,因此我们应该考虑如何将强大的 LLMs 整合到我们的算法交易中。对于大多数人来说,很难根据他们的需求微调这些强大的模型,在本地部署它们,然后将它们应用于算法交易。本系列文章将采取循序渐进的方法来实现这一目标。

已发布文章 "解构客户端交易策略的示例"。

解构客户端交易策略的示例

本文使用框图来检查位于终端的 Experts\Free Robots 文件夹中的基于烛形的训练 EA 的逻辑。

已发布文章 "MQL5集成:Python"。

MQL5集成:Python

Python是一种广为人知且流行的语言,具有许多功能,尤其是在金融、数据科学、人工智能和机器学习领域。Python也是一种强大的工具,可以在交易中发挥作用。MQL5允许我们将这种强大的语言作为集成工具,以高效地实现我们的目标。在本文中,我们将在了解一些Python的基本信息后,分享如何在MQL5中使用Python作为集成工具。

已发布文章 "从基础到中级:变量 (III):"。

从基础到中级:变量 (III):

今天,我们将学习如何使用预定义的 MQL5 语言变量和常量。此外,我们将分析另一种特殊类型的变量:函数。知道如何正确使用这些变量可能意味着一个有效的应用程序和一个无效的应用程序之间的区别。为了理解这里介绍的内容,有必要理解前几篇文章中讨论的材料。

多于 1 730 篇文章已发布在网站

已发布文章 "威廉·甘恩(William Gann)方法(第一部分):创建甘恩角度指标"。

威廉·甘恩(William Gann)方法(第一部分):创建甘恩角度指标

甘恩理论的精髓是什么?甘恩角度是如何构建的?我们将为MetaTrader 5创建甘恩角度指标。

已发布文章 "您应当知道的 MQL5 向导技术(第 25 部分):多时间帧测试和交易"。

您应当知道的 MQL5 向导技术(第 25 部分):多时间帧测试和交易

默认情况下,由于组装类中使用了 MQL5 代码架构,故基于多时间帧策略,且由向导组装的智能系统无法进行测试。我们探索一种绕过该限制的方式,看看搭配二次移动平均线的情况下,研究运用多时间帧策略的可能性。

本月阅读最多文章

在Linux上运行MetaTrader 5

在Linux上运行MetaTrader 5

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。

如何从 MetaTrader 市场购买自动交易以及如何安装?

如何从 MetaTrader 市场购买自动交易以及如何安装?

MetaTrader 市场的产品可以从 MQL5.com 网站购买,或者直接从 MetaTrader 4 和 MetaTrader 5 交易平台购买。选择一个想要的适合您交易风格的产品,使用您想要的支付方法付款,然后就能激活产品。

交易中的混沌理论(第一部分):简介、在金融市场中的应用和李亚普诺夫指数

交易中的混沌理论(第一部分):简介、在金融市场中的应用和李亚普诺夫指数

混沌理论可以应用于金融市场吗?在这篇文章中,我们将探讨传统混沌理论和混沌系统与比尔·威廉姆斯提出的概念有何不同。

已发布文章 "让新闻交易轻松上手(第3部分):执行交易"。

让新闻交易轻松上手(第3部分):执行交易

在本文中,我们的新闻交易EA将根据存储在数据库中的经济日历开始交易。此外,我们将改进EA的图表,以显示更多关于即将到来的经济日历事件的相关信息。

已发布文章 "开发多币种 EA 交易系统(第 16 部分):不同报价历史对测试结果的影响"。

开发多币种 EA 交易系统(第 16 部分):不同报价历史对测试结果的影响

正在开发中的 EA 预计在与不同经纪商进行交易时都会表现出良好的效果。但目前我们一直使用 MetaQuotes 模拟账户的报价进行测试。让我们看看我们的 EA 是否准备好使用与测试和优化期间使用的报价不同的交易账户。

已发布文章 "构建K线图趋势约束模型(第8部分):EA的开发(一)"。

构建K线图趋势约束模型(第8部分):EA的开发(一)

在本文中,我们将基于前文创建的指标,开发我们的第一个由MQL5语言编写的EA。我们将涵盖实现自动化交易所需的所有功能,包括风险管理。这将极大地帮助用户从手动交易转变为自动化交易系统。

已发布文章 "动物迁徙优化(AMO)算法"。

动物迁徙优化(AMO)算法

本文介绍了AMO算法,该算法通过模拟动物的季节性迁徙来寻找适合生存和繁殖的最优条件。AMO的主要特点包括使用拓扑邻域和概率更新机制,使得其易于实现,并且能够灵活应用于各种优化任务。

已发布文章 "神经网络变得简单(第 97 部分):搭配 MSFformer 训练模型"。

神经网络变得简单(第 97 部分):搭配 MSFformer 训练模型

在探索各种模型架构设计时,我们往往对模型训练过程的关注投入不足。在本文中,我旨在弥补这一差距。

本周阅读最多文章

在Linux上运行MetaTrader 5

在Linux上运行MetaTrader 5

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。

从新手到专家:MQL5交易的必备之旅

从新手到专家:MQL5交易的必备之旅

释放您的潜力!您会被无数机会包围。发现开启您的MQL5之旅或将其提升到更高水平的三大顶级秘诀。让我们深入探讨适合初学者和专业人士的技巧和窍门。

人工蜂巢算法(ABHA):理论及方法

人工蜂巢算法(ABHA):理论及方法

在本文中,我们将探讨2009年开发的人工蜂巢算法(ABHA)。该算法旨在解决连续优化问题。我们将研究ABHA如何从蜂群的行为中汲取灵感,其中每只蜜蜂都有独特的角色,帮助它们更有效地寻找资源。

已发布文章 "神经网络变得简单(第 96 部分):多尺度特征提取(MSFformer)"。

神经网络变得简单(第 96 部分):多尺度特征提取(MSFformer)

高效提取与集成长期依赖关系和短期特征,仍然是时间序列分析中的一项重要任务。它们的正确理解及整合,对于创建准确可靠的预测模型是必要的。

已发布文章 "掌握 MQL5:从入门到精通(第三部分)复杂数据类型和包含文件"。

掌握 MQL5:从入门到精通(第三部分)复杂数据类型和包含文件

这是描述 MQL5 编程主要方面的系列文章中的第三篇。本文涵盖了上一篇文章中未讨论的复杂数据类型。这些包括结构、联合、类和“函数”数据类型。它还解释了如何使用 #include 预处理器指令为程序添加模块化。

已发布文章 "MQL5 简介(第 8 部分):初学者构建 EA 交易系统指南(二)"。

MQL5 简介(第 8 部分):初学者构建 EA 交易系统指南(二)

本文解决了MQL5论坛中常见的初学者问题,并演示了实用的解决方案。学习执行基本任务,如买卖、获取烛形价格以及管理自动交易方面,如交易限额、交易期限和盈亏阈值。获取分步指导,以增强您对 MQL5 中这些概念的理解和实现。

已发布文章 "人工蜂巢算法(ABHA):测试与结果"。

人工蜂巢算法(ABHA):测试与结果

在本文中,我们将继续深入探索人工蜂巢算法(ABHA),通过深入研究代码并探讨其余的方法。正如您可能还记得的那样,模型中的每只蜜蜂都被表示为一个独立的智能体,其行为取决于内部和外部信息以及动机状态。我们将在各种函数上测试该算法,并通过在评分表中呈现结果来总结测试效果。

多于 1 720 篇文章已发布在网站

已发布文章 "您应当知道的 MQL5 向导技术(第 24 部分):移动平均"。

您应当知道的 MQL5 向导技术(第 24 部分):移动平均

移动平均是大多数交易者使用和理解的最常见指标。我们探讨一些在 MQL5 向导组装智能系统时可能不那么常见的可能用例。

已发布文章 "神经网络变得简单(第 95 部分):降低变换器模型中的内存消耗"。

神经网络变得简单(第 95 部分):降低变换器模型中的内存消耗

基于变换器架构的模型展现出高效率,但由于在训练阶段、及运行期间都资源成本高昂,故它们的使用变得复杂。在本文中,我提议领略那些能够降低此类模型内存占用的算法。

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263