示例 | 算法交易文章

任何交易者的交易活动都会包含各种交易机制和内在联系，包括订单之间的关系。本文提出一种处理OCO订单的解决方案。将广泛采用标准类库来实现，同时也会新建一些数据类型。

在本文中，我把自己的一套交易函数以成品 EA 的形式提供给大家。这种方法能够通过简单地添加指标和改变输入来获得多种交易策略。

多层感知器和反向传播算法（第二部分）：利用 Python 实现并与 MQL5 集成

有一个 Python 程序包可用于开发与 MQL 的集成，它提供了大量机会，例如数据探索、创建和使用机器学习模型。集成在 MQL5 内置的 Python，能够创建各种解决方案，从简单的线性回归、到深度学习模型。我们来看看如何设置和准备开发环境，以及如何使用一些机器学习函数库。

每位开发人员都希望能够更快地编写代码，且能够更快、更有效地编写代码并非只是少数人与生俱来的特殊能力。这项技能是可通过学习提升的，这就是我在本文中尝试传授的内容。

在本文中，我将探讨创建烛条自定义指标的可能性，并指出它们的优缺点。

每位开发人员都希望能够更快地编写代码，且能够更快、更有效地编写代码并非只是少数人与生俱来的特殊能力。无论有多少年的敲键盘经验，这项技能每位编码员都可以学习。

更好的程序员（第 03 部分）：放弃做这 5 件事成为一名成功的 MQL5 程序员

这是任何想要提高编程职业生涯的从业者必读文章。本系列文章旨在尽最大可能令您成为最佳程序员，无论您有多少经验。研讨的思路适用于 MQL5 编程萌新和专业人士。

本文介绍创建目录、复制数据、归档、使用 Market Watch（市场报价）或常用列表中的交易品种以及错误处理等示例。实际上，所有这些元素可集中在一个以用户定义格式归档数据的脚本中。

在本文中，我将优化前几篇文章中的类代码，并创建几何动画框对象类，允许我们绘制给定顶点数的正多边形。

在本文中，我将开发单个的动画框，及其衍生类。该类允许绘制造型，同时维护，并恢复它们得下层背景。

本文研究典型图表事件，包括其处理例程。我们将专注于鼠标事件，按键，创建/修改/删除图形对象，鼠标点击图表上的图形对象，用鼠标移动图形对象，在文本域中完成文本编辑，以及在图表上修改事件。研究的每一类事件，都有一个 MQL5 程序例程。

优秀程序员（第 01 部分）：您必须停止做这 5 件事才能成为一名成功的 MQL5 程序员

萌新甚至高级程序员都会有很多坏习惯，这令他们无法在其编程事业中成为最佳的。我们将在本文中就这些问题予以讨论并定位。对于所有梦想成为优秀 MQL5 开发者的人来说，这篇文章都是必读的。

MQL5.community服务为交易者以及MetaTrader 程序端应用程序的开发人员提供更多机会。在本文中，我们描述了如何执行MQL5服务的付款，如何提取获得的收入，以及如何确保操作安全性。

在本文中，我将定义会在函数库某些部分中用到的动画原理。我还将开发一个类，复制图像的一部分，并将其粘贴到会话窗对象上的指定位置，它是为了保留和恢复叠加图像位置的会话窗背景部分。

在本文中，我将为阴影对象创建一个单独类，它是图形元素对象的衍生后代，并加入渐变填充对象背景的功能。

在本文中，我所述的概念将涵盖构建各种函数库 GUI 设计主题，创建会话窗对象，它是图形元素类对象的衍生后代，并为创建函数库图形对象的阴影准备数据，以及进一步开发功能。

聚类分析是人工智能最重要的元素之一。在本文中，我尝试应用指标斜率的聚类分析来获得阈值，据其判定行情是横盘、亦或跟随趋势。

在本文中，我将继续开发由 CCanvas 标准库类提供强力支持的所有函数库图形对象的基准图形元素类。我将创建绘制图元和在图形元素对象上显示文本的方法。

在本文中，我将重修上一篇文章中构建的图形对象概念，并准备由标准库 CCanvas 类提供强力支持的函数库所有图形对象的基类。

这篇文章开辟了函数库一个新的操控图形的大章节。在本文中，我将创建鼠标状态对象、所有图形元素的基准对象、以及函数库图形元素的交互窗对象类。

来自专业程序员的提示（第二部分）：在智能交易系统、脚本和外部程序之间存储和交换参数

这些来自专业程序员关于方法、技术和辅助工具的一些提示，可令编程变得更轻松。我们将讨论终端重启（关闭）后如何恢复参数。所有示例都是来自我的 Cayman 项目的真实工作代码片段。

这些提示来自专业程序员，涵盖有关方法、技术和辅助工具，能够令编程更轻松。

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。

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”。

这两种方法的普及性日益增加，因此在 Matlab、R、Python、C++ 等领域开发了大量的库，它们接收到一个训练集作为输入，并自动为问题创建合适的网络。让我们试着理解基本的神经网络类型是如何工作的（包括单神经元感知机和多层感知机）。我们将探讨一个令人兴奋的算法，它负责网络训练 - 梯度下降和反向传播。现有的复杂模型往往基于这样简单的网络模型。

我们以前曾研究过神经网络中的自关注机制。在实践中，现代神经网络体系结构会采用多个并行的自关注线程来查找序列元素之间的各种依存关系。我们来研究这种方法的实现，并评估其对整体网络性能的影响。

我们已经经历了很长一段路，并且函数库中的代码越来越庞大。这令跟踪所有连接和依赖性变得难以维护。因此，我建议为先前创建的代码创建文档，并保持伴随每个新步骤进行更新。正确准备的文档将有助我们看到操作的完整性。

你是不是觉得需要向你的指标或者EA中添加图形面板来提升配置参数的速度和便捷性？在本文中，你将学会如何一步一步在你的MQL4/MQL5程序中实现输入参数的交互面板。

你是不是想要更加好看的移动平均线？你想要在终端中绘制更加漂亮的而不是简单的实心矩形吗？终端中能够绘制出更有吸引力的图形。这可以通过CCanvas类来实现，该类用于创建自定义图形对象。用这个类你能够实现透明化，混合色以及通过重叠和混合颜色产生透明的效果。

在之前的文章中，我们已经测试了组织规划神经网络的各种选项。我们还研究了自图像处理算法中借鉴而来的卷积网络。在本文中，我建议研究关注机制，它的出现为开发语言模型提供了动力。

本文介绍了使用电子表格（Excel、Calc、Google）分析任何策略的基本原则和方法。所得结果与 MetaTrader 5 测试器进行了比较。

在引入随 MQL5 API 更新而提供的网络功能之前，MetaTrader 程序与基于 WebSocket 的服务连接和接口的能力受到许多限制。当然，这一切都改变了，在本文中，我们将探讨纯 MQL5 中 WebSocket 库的实现。WebSocket 协议的简要描述将与如何使用生成的库的逐步指南一起给出。

在本文中，我们将分析一个基于Python的深层神经网络编程的交易系统的分步实现。这将使用谷歌开发的 TensorFlow 机器学习库执行。我们还将使用 Keras 库来描述神经网络。

我们之前已研究过各种类型的神经网络及其实现。在所有情况下，训练神经网络时都使用梯度下降法，为此我们需要选择学习率。在本文中，我打算通过示例展示正确选择学习率的重要性，及其对神经网络训练的影响。

所有交易者都以赚取第一个百万美元为目标来访问市场。如何在没有过多风险和启动预算的情况下实现这个目标？MQL5服务为来自世界各地的开发人员和交易者提供了这样的机会。

作为神经网络主题的延续，我建议研究卷积神经网络。这种类型的神经网络通常用来分析视觉成像。在本文中，我们将研究这种网络在金融市场中的应用。

在第二篇文章中，我们将继续研究神经网络，并研究在智能交易系统当中调用我们所创建 CNet 类的示例。我们将操控两个神经网络模型，它们在训练时间和预测准确性方面都表现出相似的结果。

是否曾想访问推文和/或在推特（Twitter）上发布您的交易信号？无需更多搜索，这些持续更新的系列文章将为您展示如何无需任何 DLL 的情况下进行操作。畅想 MQL 实现 Twitter API 的旅程。在第一部分中，我们将在访问 Twitter API 时遵循身份验证和授权的荣耀之路。

现如今，语音助手在人类生活中起着举足轻重的作用，因为我们会经常使用导航、语音搜索和翻译。在本文中，我将尝试为各种交易事件、市场状态、或由交易信号生成的信号开发一个简单，且用户友好的语音通知系统。

MQL5 秘籍之：OCO订单

开发 EA 构造函数的一次尝试

多层感知器和反向传播算法（第二部分）：利用 Python 实现并与 MQL5 集成

更好的程序员（第 05 部分）：如何成为更迅捷的开发人员

探索创建多彩烛条的选项

更好的程序员（第 04 部分）：如何成为更迅捷的开发人员

更好的程序员（第 03 部分）：放弃做这 5 件事成为一名成功的 MQL5 程序员

如何准备 MetaTrader 5 报价用于其他应用程序

DoEasy 函数库中的图形（第八十部分）：“几何动画框”对象类

DoEasy 函数库中的图形（第七十九部分）：“动画框”对象类及其衍生对象

MQL5 Cookbook: 处理典型图表事件

优秀程序员（第 01 部分）：您必须停止做这 5 件事才能成为一名成功的 MQL5 程序员

付款和付款方式

DoEasy 函数库中的图形（第七十八部分）：函数库中的动画原理。图片切分

DoEasy 函数库中的图形（第七十七部分）：阴影对象类

DoEasy 函数库中的图形（第七十六部分）：会话窗对象和预定义的颜色主题

聚类分析（第一部分）：精通指标线的斜率

DoEasy 函数库中的图形（第七十五部分）：处理基本图形元素图元和文本的方法

DoEasy 函数库中的图形（第七十四部分）：由 CCanvas 类提供强力支持的基本图形元素

DoEasy 函数库中的图形（第七十三部分）：图形元素的交互窗对象

来自专业程序员的提示（第二部分）：在智能交易系统、脚本和外部程序之间存储和交换参数

来自专业程序员的提示（第一部分）：代码存储、调试和编译。操控项目和日志

神经网络变得轻松（第十三部分）：批次常规化

实用且奇特的自动交易技术

神经网络变得轻松（第十二部分）：舍弃

多层感知机与反向传播算法

神经网络变得轻松（第十部分）：多目击者关注

神经网络变得轻松（第九部分）：操作归档

向指标或者EA中快速添加控制面板

研究CCanvas类如何绘制透明的图形对象

神经网络变得轻松（第八部分）：关注机制

使用电子表格建立交易策略

MetaTrader 5 中的 WebSockets

神经网络在交易中的实际应用 Python (第一部分)

神经网络变得轻松（第六部分）：神经网络学习率实验

如何从算法交易中赚取$1,000,000？使用MQL5.com服务！

神经网络变得轻松（第三部分）：卷积网络

神经网络变得轻松（第二部分）：网络训练和测试

无需 DLL 的原生 MT4/MT5 推特(Twitter)客户端

用于交易事件和信号的语音通知系统