Add a new article
群体优化算法：粒子群（PSO）
群体优化算法：粒子群（PSO）
在本文中，我将研究流行的粒子群优化（PSO）算法。 之前，我们曾讨论过优化算法的重要特征，如收敛性、收敛率、稳定性、可伸缩性，并开发了一个测试台，并研究了最简单的 RNG 算法。
从头开始开发智能交易系统（第 29 部分）：谈话平台
从头开始开发智能交易系统（第 29 部分）：谈话平台
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。
DIY 技术指标
DIY 技术指标
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。
市场数学：盈利、亏损、和成本
市场数学：盈利、亏损、和成本
在本文中，我将向您展示如何计算任何交易的总盈利或亏损，包括佣金和掉期利息。 我会提供最精准的数学模型，并依据它来编写代码，之后将其与标准进行比较。 此外，我还将尝试进入主要 MQL5 函数的内部来计算利润，并从规则中获取所有必要值的根底。
MQL5 中的矩阵和向量操作
MQL5 中的矩阵和向量操作
MQL5 中引入了矩阵和向量，用于实现数学解决方案的高效操作。 新类型提供了内置方法，能够创建接近数学标记符号的简洁易懂的代码。 数组提供了广泛的功能，但在很多情况下，矩阵的效率要高得多。
群体优化算法
群体优化算法
这是一篇关于优化算法（OA）分类的介绍性文章。 本文尝试创建一个测试基台（一组函数），用于比较 OA，并可识别所有广为人知的算法中最通用的算法。
利用对象轻松制作复杂指标
利用对象轻松制作复杂指标
本文提供了一种创建复杂指标的方法，同时还避免了在处置多个作图板、缓冲区、和/或组合来自多个来源的数据时出现的问题。
数据科学与机器学习（第 03 部分）：矩阵回归
数据科学与机器学习（第 03 部分）：矩阵回归
这一次，我们的模型是由矩阵构建的，它更具灵活性，同时它允许我们构建更强大的模型，不仅可以处理五个独立变量，但凡我们保持在计算机的计算极限之内，它还可以处理更多变量，这篇文章肯定会是一篇阅读起来很有趣的文章。
神经网络变得轻松（第十四部分）：数据聚类
神经网络变得轻松（第十四部分）：数据聚类
我的上一篇文章已经发表一年多了。 这令我有了大量时间考虑修改思路和发展新方法。 在这篇新文章中，我想转移一下以前使用的监督学习方法。 这次我们将深入研究无监督学习算法。 特别是，我们将考虑一种聚类算法 — k-均值。
如何掌握机器学习
如何掌握机器学习
查看这些有用的资料选集，它们可以辅助交易者提高他们的算法交易知识。 简约算法时代正在成为过去，如果不运用机器学习技术和神经网络，成功变得越来越困难。
您能用移动平均线做什么呢
您能用移动平均线做什么呢
本文研究了若干种移动平均指标的应用方法。 每种方法涉及到的曲线分析，都配有思想实现的可视化指标。 在大多数情况下，这里展示的所有思路均属于它们尊敬的作者。 我唯一的任务就是把它们归纳起来，令您看到其主要作用，并希望做出更合理的交易决策。 MQL5 熟练程度 — 基本。
让图表更有趣：添加背景
让图表更有趣：添加背景
许多工作站包含一些代表性的图片用以显示用户的一些信息。 这些图片令工作环境更加优美和令人兴奋。 我们来看看如何通过添加背景令图表更有趣。
在一张图表上的多个指标（第 01 部分）：理解概念
在一张图表上的多个指标（第 01 部分）：理解概念
今天，我们将学习如何在一张图表上同时添加多个指标，但又不占用单独的区域。 众多交易员感觉，如果他们一次性能监控多个指标（例如，RSI、STOCASTIC、MACD、ADX 和其它一些指标），或者在某些情况下甚至能监控构成指数的不同资产，则会得到更强信心。
MetaTrader 5 的 WebSocket — 使用 Windows API
MetaTrader 5 的 WebSocket — 使用 Windows API
在本文中，我们将使用 WinHttp.dll 针对 MetaTrader 5 平台创建 WebSocket 客户端程序。 客户端最终将作为一个类实现，并借助 Binary.com 的 WebSocket API 进行测试。