Add a new article
数据科学和机器学习（第 14 部分）：运用 Kohonen 映射在市场中寻找出路
数据科学和机器学习（第 14 部分）：运用 Kohonen 映射在市场中寻找出路
您是否正在寻找一种可以帮助您驾驭复杂且不断变化的市场的尖端交易方法？ Kohonen 映射是一种创新的人工神经网络形式，可以帮助您发现市场数据中隐藏的形态和趋势。 在本文中，我们将探讨 Kohonen 映射的工作原理，以及如何运用它们来开发更智能、更有效的交易策略。 无论您是经验丰富的交易者，还是刚刚起步，您都不想错过这种令人兴奋的新交易方式。
基于画布的指标：为通道填充透明度
基于画布的指标：为通道填充透明度
在本文中，我将介绍一种创建自定义指标的方法，该方法利用标准库中的类 CCanvas 来完成绘图，并可查看图表属性以便坐标转换。 我将着手处理特殊的指标，其需要用透明度填充两条线之间的区域。
数据科学和机器学习（第 13 部分）：配合主成分分析（PCA）改善您的金融市场分析
数据科学和机器学习（第 13 部分）：配合主成分分析（PCA）改善您的金融市场分析
运用主成分分析（PCA）彻底革新您的金融市场分析！ 发现这种强大的技术如何解锁数据中隐藏的形态，揭示潜在的市场趋势，并优化您的投资策略。 在本文中，我们将探讨 PCA 如何为分析复杂的金融数据提供新的视角，揭示传统方法会错过的见解。 发掘 PCA 应用于金融市场数据如何为您带来竞争优势，并帮助您保持领先地位。
数据科学和机器学习（第 12 部分）：自训练神经网络能否帮助您跑赢股市？
数据科学和机器学习（第 12 部分）：自训练神经网络能否帮助您跑赢股市？
您是否厌倦了持续尝试预测股市？ 您是否希望有一个水晶球来帮助您做出更明智的投资决策？ 自训练神经网络可能是您一直在寻找的解决方案。 在本文中，我们将探讨这些强大的算法是否可以帮助您“乘风破浪”，并跑赢股市。 通过分析大量数据和识别形态，自训练神经网络通常可以做出比人类交易者更准确的预测。 发现如何使用这项尖端技术来最大化您的盈利，并制定更明智的投资决策。
神经网络实验（第 4 部分）：模板
神经网络实验（第 4 部分）：模板
在本文中，我将利用实验和非标准方法开发一个可盈利的交易系统，并验证神经网络是否对交易者有任何帮助。 若在交易中运用神经网络的话， MetaTrader 5 完全可作为一款自给自足的工具。 简单的解释。
神经网络变得轻松（第三十六部分）：关系强化学习
神经网络变得轻松（第三十六部分）：关系强化学习
在上一篇文章中讨论的强化学习模型中，我们用到了卷积网络的各种变体，这些变体能够识别原始数据中的各种对象。 卷积网络的主要优点是能够识别对象，无关它们的位置。 与此同时，当物体存在各种变形和噪声时，卷积网络并不能始终表现良好。 这些是关系模型可以解决的问题。
种群优化算法：猴子算法（MA）
种群优化算法：猴子算法（MA）
在本文中，我将研究猴子优化算法（MA）。 这些动物克服困难障碍，并到达最难以接近的树顶的能力构成了 MA 算法思想的基础。
MQL5 — 您也可以成为该语言的大师
MQL5 — 您也可以成为该语言的大师
本文将是一次自我访谈，我将告诉您我是如何迈出 MQL5 语言的第一步的。 我将向您展示如何成为一名出色的 MQL5 程序员。 我将为您解释实现这一壮举的必要基础。 唯一的先决条件是愿意学习。
将 ML 模型与策略测试器集成（第 3 部分）：CSV（II）文件管理
将 ML 模型与策略测试器集成（第 3 部分）：CSV（II）文件管理
这篇资料提供了以 MQL5 创建类，从而高效管理 CSV 文件的完整指南。 我们将看到打开、写入、读取、和转换数据等方法的实现。 我们还将研究如何使用它们来存储和访问信息。 此外，我们将讨论使用该类的限制和最重要的方面。 本文对于那些想要学习如何在 MQL5 中处理 CSV 文件的人来说是一个宝贵的资源。
MQL5 中的范畴论 (第 2 部分)
MQL5 中的范畴论 (第 2 部分)
范畴论是数学的一个多样化和不断扩展的分支，到目前为止，在 MQL5 社区中还相对难以发现。 这些系列文章旨在介绍和研究其一些概念，其总体目标是建立一个开放的函数库，提供洞察力，同时希望在交易者的策略开发中进一步运用这一非凡的领域。
数据科学与机器学习（第 11 部分）：朴素贝叶斯（Bayes），交易中的概率论
数据科学与机器学习（第 11 部分）：朴素贝叶斯（Bayes），交易中的概率论
概率交易就像走钢丝一样 — 它需要精确、平衡和对风险的敏锐理解。 在交易世界中，概率就是一切。 这是成功与失败、盈利与亏损的区别。 通过利用概率的力量，交易者可以做出明智的决策，有效地管理风险，并实现他们的财务目标。 故此，无论您是经验丰富的投资者还是交易新手，了解概率都是解锁您的交易潜能的关键。 在本文中，我们将探索令人兴奋的概率交易世界，并向您展示如何将您的交易博弈提升到一个新的水平。
种群优化算法：和弦搜索（HS）
种群优化算法：和弦搜索（HS）
在本文中，我将研究和测试最强大的优化算法 — 和弦搜索（HS），其灵感来自寻找完美声音和声的过程。 那么现在什么算法在我们的评级中处于领先地位？
DoEasy. C控件（第 7 部分）：文本标签控件
DoEasy. C控件（第 7 部分）：文本标签控件
在本文中，我将创建 WinForms 文本标签控件的对象类。 这样的对象能够将其容器放置在任何位置，而其自身的功能将重现 MS Visual Studio 文本标签的功能。 我们能够为欲显示的文本设置字体参数。
DoEasy. 控件 (第 3 部分): 创建绑定控件
DoEasy. 控件 (第 3 部分): 创建绑定控件
在本文中，我将创建绑定到基准元素的从属控件。 开发任务将使用基准控件功能执行。 此外，我还会稍微修改一下图形元素阴影对象，因为把它应用于任何有阴影的对象时会遇到一些逻辑错误。
DoEasy. 控件 (第 2 部分): 操控 CPanel 类
DoEasy. 控件 (第 2 部分): 操控 CPanel 类
在本文中，我将剔除一些与操控图形元素相关的错误，并继续开发 CPanel 控件。 尤其是，我将实现为所有面板文本对象设置默认字体参数的方法。
DoEasy. 控件 (第 1 部分): 第一步
DoEasy. 控件 (第 1 部分): 第一步
本文开始延展话题，介绍如何利用 MQL5 仿照 Windows 窗体样式创建控件。 我感兴趣的第一个对象是创建面板（panel）类。 若是没有控件，那么管理就会变得越来越困难。 因此，我将仿照 Windows 窗体样式创建所有可能的控件。
多层感知器和反向传播算法（第 3 部分）：与策略测试器集成 - 概述（I）
多层感知器和反向传播算法（第 3 部分）：与策略测试器集成 - 概述（I）
多层感知器是简单感知器的演变，可以解决非线性可分离问题。 结合反向传播算法，可以有效地训练该神经网络。 在多层感知器和反向传播系列的第 3 部分当中，我们将见识到如何将此技术集成到策略测试器之中。 这种集成将允许使用复杂的数据分析，旨在制定更好的决策，从而优化您的交易策略。 在本文中，我们将讨论这种技术的优点和问题。